代码审查服务器

使用 Repomix 和 LLM 执行代码审查的自定义 MCP 服务器。

特征

• 使用 Repomix 扁平化代码库

• 使用大型语言模型分析代码

• 获取包含具体问题和建议的结构化代码审查

• 支持多个 LLM 提供商（OpenAI、Anthropic、Gemini）

• 处理大型代码库的分块

Related MCP server: Code Review MCP Server

安装

# Clone the repository
git clone https://github.com/yourusername/code-review-server.git
cd code-review-server

# Install dependencies
npm install

# Build the server
npm run build

配置

基于.env.example模板在根目录下创建.env文件：

cp .env.example .env

编辑.env文件以设置您首选的 LLM 提供程序和 API 密钥：

# LLM Provider Configuration
LLM_PROVIDER=OPEN_AI
OPENAI_API_KEY=your_openai_api_key_here

用法

作为 MCP 服务器

代码审查服务器实现了模型上下文协议（MCP），可以与任何 MCP 客户端一起使用：

# Start the server
node build/index.js

该服务器公开两个主要工具：

1. analyze_repo ：使用 Repomix 扁平化代码库

2. code_review ：使用 LLM 执行代码审查

何时使用 MCP 工具

该服务器针对不同的代码分析需求提供了两种不同的工具：

分析仓库

当您需要执行以下操作时，请使用此工具：

• 获取代码库结构和组织的高级概述

• 将存储库扁平化为文本表示形式，以便进行初步分析

• 无需详细审查即可了解目录结构和文件内容

• 准备进行更深入的代码审查

• 快速扫描代码库以识别相关文件以供进一步分析

示例情况：

• “我想在审查之前先了解一下这个存储库的结构”

• “告诉我这个代码库中有哪些文件和目录”

• “给我一个代码的平面视图来了解它的组织”

代码审查

当您需要执行以下操作时，请使用此工具：

• 执行全面的代码质量评估

• 识别特定的安全漏洞、性能瓶颈或代码质量问题

• 获得改进代码的可行建议

• 对问题进行详细审查，并进行严重程度评级

• 根据最佳实践评估代码库

示例情况：

• “检查此代码库是否存在安全漏洞”

• “分析这些特定 JavaScript 文件的性能”

• “请给我一份关于这个存储库的详细代码质量评估”

• “检查我的代码并告诉我如何提高其可维护性”

何时使用参数：

• specificFiles ：当您只想查看某些文件而不是整个存储库时

• fileTypes ：当你想关注特定的文件扩展名时（例如 .js、.ts）

• detailLevel ：使用“basic”进行快速概览或使用“detailed”进行深入分析

• focusAreas ：当你想优先考虑某些方面（安全性、性能等）时

使用 CLI 工具

为了测试目的，您可以使用附带的 CLI 工具：

node build/cli.js <repo_path> [options]

选项：

• --files <file1,file2> ：需要审查的特定文件

• --types <.js,.ts> ：要包含在审核中的文件类型

• --detail <basic|detailed> ：详细程度（默认值：详细）

• --focus <areas> ：需要关注的领域（安全性、性能、质量、可维护性）

例子：

node build/cli.js ./my-project --types .js,.ts --detail detailed --focus security,quality

发展

# Run tests
npm test

# Watch mode for development
npm run watch

# Run the MCP inspector tool
npm run inspector

LLM 整合

代码审查服务器直接与多个 LLM 提供程序 API 集成：

• OpenAI （默认值：gpt-4o）

• 人类学（默认值：claude-3-opus-20240307）

• 双子座（默认：gemini-1.5-pro）

提供程序配置

在.env文件中配置您首选的 LLM 提供程序：

# Set which provider to use
LLM_PROVIDER=OPEN_AI  # Options: OPEN_AI, ANTHROPIC, or GEMINI

# Provider API Keys (add your key for the chosen provider)
OPENAI_API_KEY=your-openai-api-key
ANTHROPIC_API_KEY=your-anthropic-api-key
GEMINI_API_KEY=your-gemini-api-key

模型配置

您可以选择指定每个提供程序要使用的模型：

# Optional: Override the default models
OPENAI_MODEL=gpt-4-turbo
ANTHROPIC_MODEL=claude-3-sonnet-20240229
GEMINI_MODEL=gemini-1.5-flash-preview

LLM 集成如何运作

1. code_review工具使用 Repomix 处理代码，以扁平化存储库结构

2. 如果需要，代码将被格式化和分块以适应 LLM 上下文限制

3. 根据重点领域和详细程度生成详细提示

4. 提示和代码将直接发送到您选择的提供商的 LLM API

5. LLM 响应被解析为结构化格式

6. 评论以 JSON 对象的形式返回，其中包含问题、优势和建议

该实现包括重试逻辑，用于抵御 API 错误和适当的格式，以确保在审查中包含最相关的代码。

代码审查输出格式

代码审查以结构化的 JSON 格式返回：

{
  "summary": "Brief summary of the code and its purpose",
  "issues": [
    {
      "type": "SECURITY|PERFORMANCE|QUALITY|MAINTAINABILITY",
      "severity": "HIGH|MEDIUM|LOW",
      "description": "Description of the issue",
      "line_numbers": [12, 15],
      "recommendation": "Recommended fix"
    }
  ],
  "strengths": ["List of code strengths"],
  "recommendations": ["List of overall recommendations"]
}

执照

麻省理工学院