AI Code Review Agent

AI代码审查代理

多代理人工智能系统，使用4个专门的LLM代理+并行运行的Semgrep静态分析来审查GitHub拉取请求，捕捉安全漏洞、性能问题、风格违规和测试差距——按严重程度和确切的行号分类。

为什么这很重要

手动代码审查受到审查员可用性和认知负荷的限制。该代理在30-90秒内审查PR，在安全性、性能、风格和测试方面具有一致的覆盖范围——由于时间压力，人工审查人员经常跳过或匆匆通过这些领域。

建筑

                          ┌─────────────────┐
                          │  Entry Points    │
                          │ Web UI │ CLI │   │
                          │ GitHub Action    │
                          │ MCP Server       │
                          └────────┬────────┘
                                   │
                          ┌────────▼────────┐
                          │    FastAPI       │
                          │  Backend API     │
                          └────────┬────────┘
                                   │
                   ┌───────────────▼───────────────┐
                   │     GitHub Service (PyGithub)  │
                   │     Fetch PR diff + metadata   │
                   └───────────────┬───────────────┘
                                   │
                   ┌───────────────▼───────────────┐
                   │     Diff Parser & Chunker      │
                   │  Smart splitting by function   │
                   │  boundaries + file priority     │
                   └───────────────┬───────────────┘
                                   │
              ┌────────────────────▼────────────────────┐
              │        LangGraph Orchestration           │
              │                                          │
              │  ┌────────────────────────────────────┐  │
              │  │  Semgrep MCP (deterministic SAST)  │  │
              │  │  Security scan → ground truth       │  │
              │  └──────────────┬─────────────────────┘  │
              │                 │                         │
              │  ┌──────────┐ ┌▼─────────┐ ┌──────────┐ │
              │  │ Security │ │  Perf    │ │  Style   │ │
              │  │  Agent   │ │  Agent   │ │  Agent   │ │
              │  │+Semgrep  │ └────┬─────┘ └────┬─────┘ │
              │  └────┬─────┘      │             │       │
              │       │  ┌─────────┴─────────────┘       │
              │       │  │  ┌──────────┐                 │
              │       │  │  │  Tests   │                 │
              │       │  │  │  Agent   │                 │
              │       │  │  └────┬─────┘                 │
              │       │  │       │                       │
              │  ┌────▼──▼───────▼────────────────────┐  │
              │  │           Aggregator                │  │
              │  │    Dedup + rank + cross-validate    │  │
              │  └──────────────┬─────────────────────┘  │
              │                 │                         │
              │       ┌────────▼────────┐                │
              │       │  Meta Reviewer  │                │
              │       │ Score & Verdict │                │
              │       └────────┬────────┘                │
              └────────────────┼─────────────────────────┘
                               │
              ┌────────────────▼────────────────┐
              │  PostgreSQL        Redis         │
              │  (review history)  (diff cache)  │
              └─────────────────────────────────┘

技术栈

关键设计：混合分析管道

代理人结合 确定性的 和 概率性的 分析：

结构化输出执行

每次LLM调用都使用三层保证：

1. 双子座 response_schema --模型被迫输出与Pydantic模式匹配的JSON
2. Pydantic验证 --使用严格类型解析和验证响应
3. 自动重试 --验证失败时，错误将附加到提示中并重试（最多2x）

这完全消除了“有时LLM返回垃圾”的问题。

评估套件

8个已知错误的故意错误代码测试用例：

运行评估：

docker exec ai-code-review-agent-backend-1 python -m evals.runner
docker exec ai-code-review-agent-backend-1 python -m evals.runner --case sql_injection -v

结果： 100%检测率 在测试用例上（SQL注入、硬编码秘密、缺少测试）。

入口点

技术决策

快速开始

先决条件

• Docker&Docker编写
• 什么之中的一个： 顶点AI（GCP） 或 Gemini API密钥

设置

git clone 
cd ai-code-review-agent

cp backend/.env.example backend/.env
# Edit backend/.env — set GCP_PROJECT_ID or GEMINI_API_KEY

docker compose up -d

用法

Web用户界面： 打开 http://localhost:3000

CLI：

python backend/cli.py https://github.com/owner/repo/pull/123

评价：

docker exec ai-code-review-agent-backend-1 python -m evals.runner -v

MCP服务器（克劳德桌面）：

# See mcp-config.example.json for configuration
python backend/mcp_server.py

API终点

MCP工具

代理

项目结构

ai-code-review-agent/
├── backend/
│   ├── app/
│   │   ├── agents/
│   │   │   ├── graph.py          # LangGraph pipeline (Semgrep → 4 agents → aggregator)
│   │   │   ├── llm.py            # Google GenAI SDK + structured output + retry
│   │   │   ├── schemas.py        # Pydantic response models for LLM output
│   │   │   └── prompts.py        # Agent system prompts
│   │   ├── api/routes.py         # FastAPI endpoints
│   │   ├── core/
│   │   │   ├── config.py         # Pydantic settings (Vertex AI / API key)
│   │   │   ├── database.py       # PostgreSQL async
│   │   │   └── cache.py          # Redis caching
│   │   ├── models/
│   │   │   ├── review.py         # SQLAlchemy models
│   │   │   └── schemas.py        # API Pydantic schemas
│   │   ├── services/
│   │   │   ├── github_service.py # GitHub API integration
│   │   │   ├── review_service.py # Review orchestration
│   │   │   └── semgrep_service.py# Semgrep MCP client + CLI fallback
│   │   ├── utils/code_parser.py  # Diff parsing & smart chunking
│   │   └── main.py               # FastAPI app
│   ├── evals/
│   │   ├── test_cases.py         # 8 known-bad code samples
│   │   └── runner.py             # Eval CLI with scoring metrics
│   ├── mcp_server.py             # MCP Server entry point
│   ├── cli.py                    # CLI entry point
│   └── Dockerfile
├── frontend/
│   ├── src/
│   │   ├── app/                  # Next.js pages
│   │   ├── components/           # React components + shadcn/ui
│   │   └── lib/api.ts            # API client
│   └── Dockerfile
├── mcp-config.example.json       # MCP client configuration
├── docker-compose.yml
└── README.md