代码审查服务器

一个自定义的MCP服务器，利用Repomix和大语言模型（LLMs）执行代码审查。

功能

• 使用Repomix扁平化代码库
• 使用大型语言模型分析代码
• 获取结构化的代码评论，包含具体问题和建议
• 支持多个LLM供应商（OpenAI、Anthropic、Gemini）
• 处理大代码库的分块

安装

# 克隆仓库
git clone https://github.com/yourusername/code-review-server.git
cd code-review-server

# 安装依赖
npm install

# 构建服务器
npm run build

配置

基于.env.example模板创建根目录中的.env文件：

cp .env.example .env

编辑.env文件以设置首选LLM供应商和API密钥：

# LLM 供应商配置
LLM_PROVIDER=OPEN_AI
OPENAI_API_KEY=your_openai_api_key_here

使用

作为MCP服务器

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

# 启动服务器
node build/index.js

服务器提供两个主要工具：

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

此服务器针对不同的代码分析需求提供了两种不同的工具：

analyze_repo

使用此工具当你需要：

• 获取代码库的高阶概述和结构
• 使用Repomix扁平化代码库以进行初始分析
• 理解目录结构和文件内容而无需详细审查
• 为更深入的代码审查做准备
• 快速扫描代码

例如：

# 示例命令
node analyze_repo --path /your/repository/path

code_review

使用此工具当你需要：

• 深入分析代码并获取详细的审查结果
• 处理大代码库的分块
• 根据焦点领域和详细程度生成详细的审查报告

LLM 集成工作原理

1. code_review工具使用Repomix处理代码以扁平化仓库结构
2. 代码经过格式化并进行分块（如果需要）以适应LLM上下文限制
3. 根据焦点领域和详细程度生成详细的提示
4. 提示和代码直接发送到你选择的LLM供应商的API
5. LLM响应被解析为结构化的格式
6. 审查结果作为JSON对象返回，包含问题、优势和建议

实现包括重试逻辑以增强对API错误的弹性，并且确保代码格式正确以便将最相关的代码包含在审查中。

代码审查输出格式

代码审查以结构化JSON格式返回：

{
  "summary": "代码及其目的的简要概述",
  "issues": [
    {
      "type": "SECURITY|PERFORMANCE|QUALITY|MAINTAINABILITY",
      "severity": "HIGH|MEDIUM|LOW",
      "description": "问题描述",
      "line_numbers": [12, 15],
      "recommendation": "推荐修复方法"
    }
  ],
  "strengths": ["代码优势列表"],
  "recommendations": ["总体建议列表"]
}

许可证

MIT