git-daily-review
🔍 Git Daily Review
Automatisierte tägliche KI-Code-Review für jedes Git-Repository – nutzbar als CLI, als geplanter Routineablauf oder als MCP-Server für KI-Agenten.
Git Daily Review analysiert Ihre täglichen Commits über mehrere Repositorys hinweg, prüft sie gegen die Konventionen und Qualitätsgates Ihres Projekts und erstellt einen strukturierten Markdown-Bericht. Es wird mit einem MCP-Server (Model Context Protocol) geliefert, sodass Agenten wie Claude Code und Claude Desktop Reviews ausführen, Berichte lesen und die Projekt-Wissensdatenbank im Dialog kuratieren können.
Lizenz: AGPL-3.0-only · Python 3.10+ Kern · TypeScript MCP-Server
Highlights
Beliebiges Repository, beliebige Sprache – die KI passt sich Ihrem Stack an (TypeScript, Python, Java, Go, Rust, C#, …)
Multi-Repository – überwachen Sie so viele Repositorys, wie Sie benötigen, in einem einzigen Lauf
MCP-Server – stellen Sie Reviews, Berichte und Wissensdatenbank-Kuratierung als Agenten-Tools bereit
Multi-Provider-KI – Anthropic Claude, OpenAI, Google Gemini oder jedes lokale Modell über Ollama (vollständig offline)
Selbstverbessernde Wissensdatenbank – 7-stufiger Projektkontext, der aus jeder Review lernt, mit code-erzwungener Auto-Merge-Richtlinie und menschlicher Genehmigung für Änderungen mit hoher Auswirkung
Markdown- und HTML-Ausgabe – jeder Lauf schreibt
daily-summary.mdund ein eigenständigesdashboard.html(Qualitätstrend, Gate- und Autoren-Diagramme, filterbare Commit-Liste, eine Tabellenansicht hinter jedem Diagramm). Kein CDN, keine Netzwerkaufrufe: Ihre Code-Review-Daten verlassen niemals die MaschineRAG-fähig – optionale Integration mit einem externen RAG-Dienst für semantischen Kontext
Plattformübergreifende Planung – macOS (launchd), Linux (cron), Windows (Task Scheduler); Geheimnisse bleiben in
.env, niemals in den PlanungsdateienEinrichtungsassistent – webbasierte Konfiguration, keine manuelle YAML-Bearbeitung erforderlich
Related MCP server: MatterAI MCP Server
Schnellstart (CLI)
git clone https://github.com/YOUR_USER/git-daily-review.git
cd git-daily-review
# 0. Dependencies in a virtualenv (setup.py does this for you if you skip it)
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
# 1. Configure (opens the wizard in your browser)
python3 setup.py
# 2. Secrets (cloud providers only — Ollama needs none)
cp .env.example .env # then add e.g. ANTHROPIC_API_KEY=...
chmod 600 .env
# 3. First review
python3 scripts/daily_review.py
# 4. Schedule daily runs
python3 scripts/scheduler.py --installCLI-Referenz:
python3 scripts/daily_review.py # review today
python3 scripts/daily_review.py --date 2026-05-12 # specific date
python3 scripts/daily_review.py --days 5 # last N days
python3 scripts/daily_review.py --collect-only # git data only, no AI
python3 scripts/daily_review.py --history # report history index
python3 scripts/kb_manager.py --review # interactive KB curation
python3 scripts/kb_manager.py --approve <ID> # non-interactive approve
python3 scripts/kb_manager.py --reject <ID> # non-interactive reject
python3 scripts/kb_manager.py --statsDas obige python3 kann ein beliebiger Interpreter sein: Wenn ihm die Abhängigkeiten fehlen, führen sich die Einstiegspunkte unter dem Projekt-.venv (oder $GDR_PYTHON) erneut aus und teilen Ihnen mit, wie Sie es erstellen, falls keines vorhanden ist. Dies ist wichtig für cron und launchd, wo python3 oft das nackte System-Python ist.
MCP-Server (als Agent verwenden)
Das Verzeichnis mcp/ enthält einen TypeScript-MCP-Server, der die Review-Engine kapselt.
cd mcp
npm install
npm run buildRegistrieren Sie ihn bei Claude Code:
claude mcp add git-daily-review -- node /absolute/path/to/git-daily-review/mcp/dist/index.jsOder fügen Sie ihn zu Claude Desktop hinzu (claude_desktop_config.json):
{
"mcpServers": {
"git-daily-review": {
"command": "node",
"args": ["/absolute/path/to/git-daily-review/mcp/dist/index.js"]
}
}
}Verfügbare Tools:
Tool | Was es tut |
| Führt die Review für heute, ein Datum oder die letzten N Tage aus |
| Liest den vollständigen Markdown-Bericht für ein Datum |
| Listet verfügbare Berichte + Verlaufsindex auf |
| Listet KB-Vorschläge auf (nach Status filterbar) |
| Genehmigt/lehnt einen ausstehenden Vorschlag per ID ab |
| Statistiken zur Wissensdatenbank |
Fragen Sie dann einfach Ihren Agenten Dinge wie „führe die heutige Review aus und fasse die kritischen Probleme zusammen“ oder „zeige mir ausstehende KB-Vorschläge und genehmige die zu Namenskonventionen“.
Umgebungsüberschreibungen: GDR_ROOT (Projektstamm, Standard: Repository-Stamm), GDR_PYTHON (Python-Ausführbare Datei; Standard: das Projekt-.venv, falls vorhanden, sonst python3).
KI-Anbieter
Anbieter | Modelle | API-Schlüssel-Umgebungsvariable | Hinweise |
Anthropic | Claude Haiku, Sonnet, Opus |
| |
OpenAI | GPT-4o-mini, GPT-4o, o1-mini |
| |
Google Gemini | Gemini 2.0 Flash, 1.5 Flash/Pro |
| |
Ollama (lokal) | jedes heruntergeladene Modell | (keiner) | vollständig offline; setzen Sie |
Geheimnisse liegen in einer .env-Datei im Projektstamm (siehe .env.example), die beim Start automatisch geladen wird. Sie werden niemals in launchd-Plist-Dateien, Crontabs oder Batch-Dateien geschrieben.
Wissensdatenbank (7 Ebenen)
config/knowledge-base.yaml gibt dem Reviewer strukturierten Projektkontext:
L0 Identity · L1 Architecture · L2 Conventions · L3 Quality Gates
L4 Domain · L5 Integrations · L6 ReleaseNach jedem Lauf extrahiert das System neues Wissen, das die Review aufgedeckt hat, und speichert es als Vorschläge in config/kb_suggestions/. Die Auto-Merge-Richtlinie wird durch Code erzwungen (nicht durch das Modell): Nur neue Konventionen und Info-/Warnungs-Gates mit Konfidenz ≥ 0,85 können automatisch zusammengeführt werden, begrenzt auf 2 pro Lauf. Kritische Gates, Domänenregeln und Integrationen erfordern immer menschliche Genehmigung – interaktiv (kb_manager.py --review), über CLI-Flags oder über das MCP-Tool decide_kb_suggestion.
Deaktivieren Sie das Lernen vollständig mit kb_learning: false im Abschnitt ai: der config.yaml.
Projektstruktur
git-daily-review/
├── setup.py ← setup wizard entry point
├── requirements.txt
├── .env.example ← secrets template (never commit .env)
├── config/
│ ├── config.example.yaml
│ └── knowledge-base.example.yaml
├── scripts/ ← Python core
│ ├── daily_review.py ← orchestrator (loads .env at startup)
│ ├── git_collector.py ← fetch, commits, diffs
│ ├── ai_reviewer.py ← review pipeline
│ ├── ai_provider.py ← Anthropic/OpenAI/Ollama/Gemini abstraction
│ ├── kb_updater.py ← KB learning + code-enforced auto-merge policy
│ ├── kb_manager.py ← KB curation CLI (interactive + --approve/--reject)
│ ├── rag_client.py ← optional RAG client
│ ├── report_generator.py ← Markdown reports + history index
│ ├── html_report.py ← self-contained HTML dashboard (charts, filters)
│ ├── scheduler.py ← launchd / cron / schtasks (no secrets on disk)
│ └── wizard_app.py ← wizard HTTP backend
├── mcp/ ← MCP server (TypeScript)
│ └── src/index.ts
├── templates/wizard.html
└── reports/ ← generated daily reports (git-ignored)Roadmap
Slack-/E-Mail-Benachrichtigungen für den täglichen Bericht
--ci-Modus: Exit-Code ungleich Null bei kritischen Befunden (PR-Gating)Vollständiger TypeScript-Port des Kerns
Unterstützung für entfernte Repositorys (Review ohne lokales Klon)
Beiträge sind willkommen – eröffnen Sie ein Issue oder einen PR.
Lizenz
Dieses Projekt ist unter der GNU Affero General Public License v3.0 (AGPL-3.0-only) lizenziert. Wenn Sie eine modifizierte Version als Netzwerkdienst ausführen, müssen Sie deren Quellcode den Benutzern dieses Dienstes anbieten. Siehe LICENSE.
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Connectors
Give your AI agent a persistent map of your project's structure, dependencies, and bugs.
Git-backed platform for skills, tools, and context for AI agents
Code intelligence for LLMs. Analyze, search, and retrieve code from any public git repository.
Shared memory for coding agents. Stop re-explaining your codebase every session.
Related MCP Servers
- FlicenseBqualityDmaintenanceProvides AI coding agents with structured Git repository context including project state, code structure, activity, and risk analysis without modifying or uploading code.53

MatterAI MCP Serverofficial
AlicenseNot gradedqualityCmaintenanceEnables code reviews, implementation planning, and pull request generation for AI agents in IDEs like Cursor and Windsurf.1MIT- AlicenseNot gradedqualityBmaintenanceEnables AI agents to read and write a local-first knowledge base of plain markdown files in git, with governance gates for safe, hash-anchored edits.1Apache 2.0
- FlicenseNot gradedqualityDmaintenanceEnables AI agents to search and query documentation from git repositories using hybrid search and structured metadata queries.1
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/mrosano1987/git-daily-review'
If you have feedback or need assistance with the MCP directory API, please join our Discord server