レビューAgentの現在地

AI Agent勉強会 Vol.5での並川さん(https://x.com/Necono_Engineer )の登壇資料

▼イベントリンク
https://almondo.connpass.com/event/359437/

Transcript

1. レビューエージェントの現在地 チームコンテキストを学習する次世代レビューツールの比較と展望
2. 並川 岳 profile 株式会社WEEL AI エンジニア namikawa gaku ・絵を描くこと ・TypeScript ・React ・Next.js ・FastAPI ・Ollama ・Qdrant ・エンジニアリング領域 ・趣味 ・猫を愛でる ・ボードゲーム
3. 「日本一透明性の高いAI プロフェッショナル集団」を目指して。 Mission WEEL_AI メディア ・ 生成AIPoC ・ 生成AI コンサルティング業務 ・ 生成AI を活用した独自プロダクトの開発・展開事業 ・ AI メディア運営 事業内容
4. なぜ、 「コードレビューAI 」なのか？
5. コーディングAI エージェントの台頭・進化 コーディングAI エージェント IDE 統合型 Codex jules Devin OpenHands Augument code Cline roo code CLI 型 Cursor
6. 生成されるコードが多すぎる。 コーディングAI エージェントで、大量・高速のコード生成が可能に ただ... Jules くんが 一発で24 ファイル生成🙀
7. コードレビューの重要性 時間的負担 大量のコードが生成されるため、レビューに多くの時間がかかる。 基準のばらつき レビュアーによって判断基準が異なり、一貫性のあるフィードバック が難しい。 属人化の問題 特定のメンバーにレビュー負担が集中。チーム全体の効率が低下。 認知負荷向上・バグの見落とし コード生成量が多すぎて、隠れたバグを見落とす。 こうした課題の中、 「AIを活用したコードレビューの自動化」 に注目が集まると考えています。
8. AI レビューエージェントの登場 AI レビューエージェントとは AI を活用して定型的なチェックや規約違反の指摘を自動で行い、コードレビューを効率化するツール。 人間レビュー 本質的な部分に集中 開発者が得られるメリット レビュー効率の向上 定型的なチェックの自動化により、レビュー 時間を大幅に短縮。 本質的な検討に集中 ビジネスロジックや設計といった、より高度 な側面にレビュー時間を割ける。 一貫した基準の適用 レビュアーによる判断のばらつきを減らし、 一貫した品質基準を適用。 特に「長期記憶」や「学習能力」を備えた最新のAI レビューエージェントは、 チームの文化や過去の実装パターンを学習し より的確なレビューを行うことができるようになっています。 コード提出 プルリクエスト作成 → AI 分析 自動チェック‧ 解析 → 指摘‧ 提案 問題点と修正案提示 →
9. 大手レビューAI エージェント Gemini code Assist Cursor BugBot Github Copilot Reviewer Claude Code Github Actions
10. 「書く」ことには特化しているものの... レビューに必要な ・過去のPRやイシューとの関連性 ・プロジェクト固有の規約 ・チーム内の暗黙知 これらを満たせていない🤔 おや...?
11. Qodo Merge Code Rabbit Greptile レビューAI エージェントのなかまたち ( アリクイ) ( うさぎ) ( カメレオン)
12. レビューAI エージェント Qodo Merge オープンソースのPR-Agent をベースにした ホスト版サービス。RAG 技術・toml 拡張による 「カスタムレビュー」が特徴。 主な特徴 RAG を活用したコードベースレビュー レビュー視点の詳細なカスタムが可能 PR 内でのAI チャット機能 Github Actions として使用可能 料金体系 個人開発者: 無料 チーム/ 企業: 有料プラン CodeRabbit AI との「対話」を通じてレビューを進める独 自のアプローチ。使いやすいUI で日本で人気。 主な特徴 対話型レビュー機能 自動PR 要約 & シーケンス図生成 ユーザーフィードバックからパターン学習 課題管理ツール(jira) との連携 料金体系 Greptile コードベースをグラフ構造として解析。 2025 年5 月の大規模アップデートで追加され た「長期記憶」機能が特徴。 主な特徴 長期記憶機能によるチーム文化の学習 コードグラフによるコンテキスト分析 外部サービス連携（Jira, Notion, Google Drive 等） カスタムルール設定 料金体系 コードレビュー: $30/ 月/ 開発者 チャット/API: $20/ 月/ 開発者 VScode 拡張機能: 無料 14 日間の無料トライアルあり。 14 日間の無料トライアルあり。 Pro プラン: $30/ 月/ 開発者
13. Qodo Merge: 自動レビュー 自動PR レビュー Github Actions で設定可能 (Qodo Merge pro) 詳細レビュー
14. Qodo Merge: RAG カスタムレビュー RAG 技術によるコンテキスト理解 ・過去12 ヶ月間のマージ済みPR(50 件以上必要) ・リポジトリ内の過去のIssue ☝️ ベクトルデータベースにインデックス化 主要機能 → 現在のPR と類似した過去の問題や解決策を提案 .pr_agent.toml によるカスタマイズレビュー ・Github のwiki に.toml 形式で、レビュー観点を設定可能 ✨ .json ファイルの管理が不要
15. Qodo Merge: PR チャット PR 内AI チャット Chrome 拡張をON にすると、PR 上でAI チャットが使えます。 主要機能 ・/describe: PR の変更内容を要約 ・/review: コードレビューを実行 ・/improve: コードの改善提案の生成 ・/ask: PR に関する質問 ・/docs: ドキュメントの生成 使用できるコマンド
16. CodeRabbit: 概要 対話型レビュー機能 による対話機能 PR のシーケンス図作成 PR からシーケンス図を自動生成。リポジトリ全体の依存関係をグ ラフ化して、レビューを行います。 外部ツール連携 静的解析ツールやリンター/ セキュリティスキャナと連携。 セキュリティ対策 SOC2 Type II 準拠の高いセキュリティを提供。レビュー後のデータ は非保持ポリシーにより保護。GitHub, GitLab, Azure DevOps など主要プラットフォームをサポート。 このメソッドはパフォーマンス面で改善の余地があります。リスト内 包表記を使うとコードがより簡潔になります。 な~~~~~~~~~~ か~~ リスト内包表記は処理速度が速く、メモリ効率も良いためです。ま た、このプロジェクトの他の部分でも同様のパターンが採用されていま す。 6 / 14 @coderabbitai コマンド @coderabbitai generate tests: テストコード生成 @coderabbitai fix: 修正コード提案 パブリックなリポジトリなら「無料」 VScode 拡張機能あり ~~~~~~~~~~~~~~~~~~~~~~~~~~~
17. ダッシュボード機能 ・🐇 Average PR Merge Time (Ruff/Pylint などのツール結果数) レビュー数やフィードバック傾向のグラフ化 ( 平均PR マージ時間) ・🐇Tool Findings ・🐇 Number of PRs Reviewed ( レビューされたPR 数) など..
18. ・✨ レビューをそのまま反映可能 ・🐇 VSCode(Cursor) 上でローカルレビュー ・💰 完全無料 VSCode 拡張機能
19. シーケンス図レビュー ・🐇 コードグラフ作成 🔽 ・🐇 シーケンス図作成 ・✨依存関係に基づくレビュー 🔽
20. Generate docstrings ・🐇新規PR として、 PR のドキュメントを作成してくれる ・🐇レビュー箇所に、 コメントを入れてくれる CodeRabbit: @coderabbitai Generate docstrings で起動
21. Agentic Chats CodeRabbit: ・🐇 計画 🔽 ・🐇 実行 ・📓成果物 🔽 @coderabbitai agentic で起動
22. Agentic Chats CodeRabbit: 自動PR 作成！
23. Greptile ：学習するレビューエージェント 基本機能 コードグラフ分析 コードベース全体をグラフ構造として解析し、変 更の影響範囲を理解 インラインコメント コード内に直接コメントと修正提案を表示 2025 年5 月30 日の大規模アップデート 従来の静的なAI レビューからチームに適応する「学習するレビューエージェント」へ進化 長期記憶機能 チームメンバーがPR に残すコメントを観察し、暗黙のコーディングルールやスタイ ルを自律的に学習します。明示的なルール設定なしにチームの文化に適合します。 外部サービス連携（MCP 経由） Model Context Protocol (MCP) を介して、Jira 、Notion 、Google Drive などと連 携。コードの「コンテキスト」を理解したレビューが可能に。 単なるチェッカーではなく、チームの一員のように振る舞うレビューエージェントへと進化していきます。 7 / 14 Mastra のCTO 絶賛 CTO が来日した際 紹介。
24. 自律学習する AI レビュアー チームの指摘パターンか 時間経過とともに精度が 学習プロセスの仕組み 観察 チームメンバーのPR コ メントを継続的に観察 パターン検出 繰り返される指摘から パターンを特定 ルール形成 暗黙のコーディングル ールとして学習 チームメンバー ここではリスト内包表記よりループを使いましょう。可読性が向上しま す。 別のチームメンバー（別のPR ） このケースでも内包表記よりfor 文の方が明確です。チームの方 針に合わせましょう。 Greptile （学習後） 提案：チームの標準的なスタイルに合わせて、このリスト内包表記をルー プ処理することをオススメします。 👍/ 👎 👍/ 👎 👍/ 👎 Greptile ：チームから学習する機能 適応的レビュー チーム⽂化に沿ったレ ビューコメントを⾃動 ⽣成 具体例 学習項目 ・チーム内の他の開発者が PR にコメントしている様子を観察 ・Greptile コメントへの返信 ・Greptile コメントへの 👍/ 👎 反応 学習プロセスの特徴 明示的なルール設定が不要 チームの指摘パターンから自動学習 時間経過とともに精度が向上
25. 高度なカスタマイズ性 AI レビューツールの真価を引き出すには、チームやプロジェクトの特性に合わせたきめ細かなカスタマイズが不可欠。 特にGreptile が提供 する「高度にスコープされたルール」機能は、レビュー基準の粒度を細かく設定できます。 リポジトリ単位 プロジェクト全体に適用される基本ルール を設定できます。 ディレクトリ単位 バックエンド、フロントエンドなど、コン ポーネント別にルールを定義できます。 ファイルパターン単位 正規表現を使って特定のファイル群に限定 したルールを適用できます。 スコープ階層と優先順位 リポジトリ全体 すべてのコードに適⽤ src/frontend/ フロントエンド固有のルール *.tsx React コンポーネント固有のルール Greptile ：
26. MCP を介して、ドキュメントツールと連携することで、コードの「What 」だけでなく「Why 」を理解した深いレビューが可能にな ります。 Jira チケット要件の充足確認 PR に関連するJira チケットの情報を読み込み、実装が要求仕様をすべて満たしてい るか確認できます。これにより、機能の実装漏れを防ぎ、レビューの質を向上させ ます。 設計ドキュメントとの整合性確認 Notion やGoogle Drive に保存された設計ドキュメントを参照し、コードが設計思想 に沿っているかを確認します。コードの「Why 」を理解することで、単なる構文チ ェックを超えたレビューが可能になります。 過去の議論の参照 過去にNotion で行われた設計に関する議論を参照し、なぜ特定の実装アプローチが 選ばれたのかという背景情報を踏まえたレビューコメントを提供します。 アーキテクチャ整合性の検証 システム全体のアーキテクチャ図やコンポーネント関係図を参照し、実装がプロジ ェクトの全体設計と整合しているかを確認します。これにより、局所最適化による 技術的負債の蓄積を防止します。 Greptile ：MCP レビュー
28. 導入効果と将来展望 導入効果 レビュー効率の大幅向上 定型的なチェックや規約違反の自動検出により、レビュー時間を 短縮し、開発サイクルを加速 本質的レビューへの集中 開発者はビジネスロジックや設計といった、より高度な観点での レビューに注力可能に レビュー品質の標準化 レビュアーによる基準のばらつきを解消し、一貫性のある高品質 なフィードバックを実現 属人化の解消 特定メンバーへのレビュー負担集中を緩和し、チーム全体の生産 性向上に貢献 将来展望 AI レビューエージェントの進化 より高度な学習能力 チームの暗黙知やコンテキストをより深く理解し、自律的に適応 するAI へ 外部知識との統合深化 設計ドキュメントやビジネス要件との連携をさらに強化し、コー ドの「意図」を理解 対話型レビューの高度化 開発者との自然な対話を通じて学習し、チームメンバーのように 振る舞うエージェントへ AI レビューエージェントは、単なる自動チェックツールから、チー ムの文化を理解し学習する真のチームメンバーへと進化していく🔥 13 / 14
29. まとめ：最適なツール選定のポイント AI コードレビューエージェントの選定には「最適なツール」ではなく「チームに最適なツール」を見つけることが重要です。 考慮すべき要因 チームの規模と構成 プロジェクトの特性と複雑さ 既存の開発ワークフロー 予算と投資可能なリソース 自チームの課題を特定する レビュー時間の短縮が最優先か チーム固有のコンテキスト理解が重要か 外部ツールとの連携が必要か カスタマイズの柔軟性はどの程度求めるか ニーズに基づいたツール選択の指針 Qodo Merge シンプルで迅速なレビュー自動化を求めるチームに CodeRabbit 対話型レビューと教育的側面を重視するチームに Greptile 長期的な学習と外部ツール連携による深いコンテキ スト理解を求めるチームに
30. Greptile のレビューを 反映して Github MCP を介したレビュー自動実装 Code Rabbit とQodo Merge の観点からより良い レビューをして
31. レビューAgent を「育てる」時代かもしれない