code-review-graph — Local code intelligence for MCP

code-review-graph — Local code intelligence for MCP

4.0

Persistent local code graph for token-efficient AI code review through MCP and CLI. 8.2x avg context reduction, 30 MCP tools, local-first by default.

最后更新 2026 年 11 月 10 日
code-review-graph — Local code intelligence for MCP 截图

简介

在人工智能辅助代码审查的实践中,Token 消耗与上下文窗口限制一直是制约效率的核心瓶颈。code-review-graph 应运而生,它是一款基于本地优先原则构建的持久化代码知识图谱工具。通过 MCP(Model Context Protocol)与 CLI 双通道支持,该工具能够为 AI 代码审查提供高效、精准的本地代码智能服务。其核心优势在于,通过构建并维护一个常驻本地的代码关系图,平均可将上下文数据量压缩至原来的 8.2 倍以下,显著降低 Token 开销,同时提升代码审查的深度与准确性。

主要功能

**持久化本地代码图谱:**自动扫描并索引项目代码结构,构建函数、类、文件之间的调用关系与依赖关系图,并持久化存储在本地。
**30 个 MCP 工具集:**提供涵盖代码搜索、符号定位、依赖分析、变更影响范围评估等 30 个专用 MCP 工具,无缝对接支持 MCP 协议的 AI 客户端。
**智能上下文压缩:**在 AI 发起代码审查请求时,仅提取与当前变更直接相关的代码片段与依赖关系,实现平均 8.2 倍的上下文缩减。
**CLI 命令行支持:**提供完整的命令行接口,方便开发者在 CI/CD 流水线或本地终端中直接调用图谱查询与分析功能。

定价与费用

  • 定价:我们所审阅的页面上未公开列出定价信息;请访问官方网站查看最新方案。
  • 许可证:该项目为基于 MIT 许可证的开源项目,源代码托管在 GitHub 上。
  • 本地优先存储:所有代码索引与图谱数据(`.code-review-graph/graph.db`)均保存在本地机器上,不会上传至第三方服务器。
  • Token 成本节约:通过精准的上下文剪枝降低每次 AI 请求的 Token 消耗——项目报告其审查基准测试中平均上下文缩减 8.2x,在已记录的大型仓库场景中最高可达 49x。
  • 平台可用性:通过 MCP 与 CLI 支持 Claude Code、Codex、Cursor、Windsurf、Zed、基于 VS Code 的工具链、GitHub Copilot 及 Gemini CLI 等 AI 编码工具。

适用人群

  • **AI 辅助开发重度用户:**频繁使用 AI 进行代码审查、重构建议或 Bug 检测,希望降低 API 费用并提升反馈质量。
  • **大型项目维护团队:**面对数十万行甚至百万行级别的代码库,需要高效定位变更影响范围的开发与架构师。
  • **DevOps 与 CI/CD 工程师:**希望在自动化流水线中集成智能代码审查环节,通过 CLI 实现无人工干预的高效质检。
  • **对代码安全敏感的团队:**因合规或安全要求,无法将代码发送至云端 AI 服务,但仍希望享受 AI 辅助代码审查的团队。