Introdução
Na revisão de código assistida por IA, o consumo de tokens e os limites da janela de contexto sempre foram os principais gargalos que impedem maior eficiência. O code-review-graph foi criado para resolver exatamente esse problema. É uma ferramenta de grafo de conhecimento de código persistente, projetada com princípios local-first, oferecendo suporte tanto a MCP (Model Context Protocol) quanto a CLI para entregar inteligência de código local eficiente e precisa para revisões de código por IA. Ao construir e manter um grafo residente de relações de código local, a ferramenta comprime os dados de contexto médios para menos de 8,2x do tamanho original, reduzindo drasticamente o custo de tokens enquanto melhora a profundidade e a precisão das revisões de código.
Principais Recursos
- Grafo de código local persistente: Escaneia e indexa automaticamente a estrutura do código do projeto, construindo um grafo de chamadas e dependências entre funções, classes e arquivos, tudo armazenado localmente.
- 30 ferramentas MCP: Oferece 30 ferramentas MCP dedicadas que cobrem busca de código, consulta de símbolos, análise de dependências e avaliação de impacto de mudanças, integrando-se perfeitamente a qualquer cliente de IA compatível com MCP.
- Compressão inteligente de contexto: Quando uma solicitação de revisão por IA chega, apenas os trechos de código e relações de dependência diretamente ligados à mudança atual são extraídos, alcançando uma redução média de 8,2x no tamanho do contexto.
- Suporte a CLI: Uma interface de linha de comando completa permite que desenvolvedores consultem e analisem o grafo diretamente de pipelines de CI/CD ou do terminal local.
Destaques
- Preço: Não listado publicamente nas páginas que analisamos; consulte o site oficial para conhecer os planos atuais.
- Licença: O projeto é open source sob a licença MIT, e o código-fonte está disponível no GitHub.
- Armazenamento local-first: Todos os índices de código e dados do grafo (
.code-review-graph/graph.db) permanecem na sua máquina local, sem nada enviado a servidores de terceiros. - Economia de custos de tokens: A poda precisa de contexto reduz os tokens por solicitação de IA — o projeto reporta redução média de contexto de 8,2x em seu benchmark de revisão e até 49x em fluxos de trabalho documentados em repositórios grandes.
- Disponibilidade de plataformas: Funciona via MCP e CLI com ferramentas de codificação com IA, incluindo Claude Code, Codex, Cursor, Windsurf, Zed, configurações baseadas em VS Code, GitHub Copilot e Gemini CLI.
Para Quem É
Esta ferramenta foi criada para usuários intensivos de desenvolvimento assistido por IA que frequentemente dependem de IA para revisão de código, sugestões de refatoração ou detecção de bugs e querem reduzir custos de API enquanto melhoram a qualidade do feedback. Também atende equipes de manutenção de projetos grandes que trabalham com centenas de milhares ou até milhões de linhas de código e precisam avaliar rapidamente o impacto de mudanças, bem como engenheiros de DevOps e CI/CD que desejam incorporar etapas de revisão inteligente em pipelines automatizados com zero intervenção manual via CLI. Por fim, é ideal para equipes preocupadas com segurança que não podem enviar código a serviços de IA na nuvem devido a políticas de conformidade ou segurança, mas ainda querem os benefícios da revisão de código assistida por IA.
