代码审查服务器

这是一个使用Repomix和大型语言模型（LLMs）执行代码审查的自定义MCP服务器。

特性

• 使用Repomix展开代码库
• 使用大型语言模型分析代码
• 获取带有具体问题和建议的结构化代码审查结果
• 支持多个LLM提供商（OpenAI、Anthropic、Gemini）
• 处理大型代码库的分块

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

在根目录下基于.env.example模板创建一个.env文件：

cp .env.example .env

编辑.env文件以设置您首选的LLM提供商和API密钥：

# LLM提供商配置
LLM_PROVIDER=OPEN_AI
OPENAI_API_KEY=your_openai_api_key_here

使用方法

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：

# 启动服务器
node build/index.js

该服务器公开了两个主要工具：

1. analyze_repo：使用Repomix展开代码库
2. code_review：使用LLM进行代码审查

何时使用MCP工具

此服务器提供了两种不同的工具，用于不同类型的代码分析需求：

analyze_repo

当您需要以下功能时，请使用此工具：

• 获取代码库结构和组织的高层次概述
• 将存储库展平为文本表示形式，以便进行初步分析
• 在不进行详细审查的情况下理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进一步分析的相关文件

示例情况：

• “在审查之前，我想了解这个存储库的结构”
• “显示这个代码库中的文件和目录”
• “给我一个展平后的代码视图，以便了解其组织”

code_review

当您需要以下功能时，请使用此工具：

• 进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
• 获得改进代码的操作建议
• 进行带有问题严重程度评级的详细审查
• 根据最佳实践评估代码库

示例情况：

• “审查这个代码库的安全漏洞”
• “分析这些特定JavaScript文件的性能”
• “给我这个存储库的详细代码质量评估”
• “审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：当您只想审查某些文件而不是整个存储库时
• fileTypes：当您希望专注于特定的文件扩展名（例如.js、.ts）时
• detailLevel：使用“basic”进行快速概览或使用“detailed”进行深入分析
• focusAreas：当您希望优先考虑某些方面（安全、性能等）时

使用CLI工具

为了测试目的，您可以使用包含的CLI工具：

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

选项：

• --files <file1,file2>：要审查的具体文件
• --types <.js,.ts>：要包含在审查中的文件类型
• --detail <basic|detailed>：详细级别（默认：详细）
• --focus <areas>：要关注的领域（安全、性能、质量、可维护性）

示例：

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

开发

# 运行测试
npm test

# 开发监视模式
npm run watch

# 运行MCP检查器工具
npm run inspector

LLM集成

代码审查服务器直接集成了多个LLM提供商的API：

• OpenAI（默认：gpt-4o）
• Anthropic（默认：claude-3-opus-20240307）
• Gemini（默认：gemini-1.5-pro）

提供商配置

在.env文件中配置您首选的LLM提供商：

# 设置要使用的提供商
LLM_PROVIDER=OPEN_AI  # 选项：OPEN_AI, ANTHROPIC, 或 GEMINI

# 提供商API密钥（添加您选择提供商的密钥）
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商使用的模型：

# 可选：覆盖默认模型
OPENAI_MODEL=gpt-4-turbo
ANTHROPIC_MODEL=claude--3-sonnet-20240229
GEMINI_MODEL=gemini-1.5-flash-preview

LLM集成的工作原理

1. code_review工具使用Repomix处理代码以展开存储库结构
2. 如果必要，代码会被格式化和分块以适应LLM上下文限制
3. 根据关注领域和详细级别生成详细的提示
4. 提示和代码直接发送到您选择提供商的LLM API
5. 解析LLM响应为结构化格式
6. 审查以包含问题、优点和建议的JSON对象的形式返回

实现包括针对API错误的重试逻辑，并确保适当的格式以包含最相关的代码进行审查。

代码审查输出格式

代码审查以结构化的JSON格式返回：

{
  "summary": "代码及其用途的简要概述",
  "issues": [
    {
      "type": "SECURITY|PERFORMANCE|QUALITY|MAINTAINABILITY",
      "severity": "HIGH|MEDIUM|LOW",
      "description": "问题描述",
      "line_numbers": [12, 15],
      "recommendation": "推荐修复"
    }
  ],
  "strengths": ["代码优点列表"],
  "recommendations": ["总体建议列表"]
}

许可证

MIT