본문으로 건너뛰기

트렌딩 - GitHub 인기 레포 & HuggingFace 모델

돌아가기
레포 이동

tirth8205/code-review-graph

Python66 / 0

로컬에서 AST 기반 그래프를 구축해 AI 도구가 변경 영향 범위만 읽도록 하여 평균 약 82배 토큰 절감을 실현하는 도구다.

TL;DR

code-review-graph는 Tree-sitter로 리포지토리를 파싱해 함수·클래스·호출 관계를 노드·엣지로 저장한 로컬 SQLite 그래프를 구축하고, 변경 발생 시 blast-radius를 계산해 AI가 읽어야 할 최소 파일 집합만 MCP 도구로 제공한다. 이 접근은 전체 코드베이스를 다시 읽는 대신 평균 약 82배의 질문당 토큰 절감을 보고하였고, 최대 528x까지 관측된 사례가 README에 명시되어 있다. 증분 인덱싱과 훅/데몬을 통해 실시간 또는 CI에서 그래프를 갱신할 수 있으며, 로컬 우선 설계로 소스 전송 없이 CI 내 리스크 스코어링과 PR 코멘트 생성을 지원한다. 단일 파일의 아주 작은 변경에서는 그래프 컨텍스트가 넘칠 수 있고, 영향 분석은 보수적으로 설계되어 일부 과다 탐지를 허용한다는 한계가 명확히 제시되어 있다.

핵심 포인트

  • 구조적 AST 엣지(호출, 상속, 테스트 커버리지)를 기반으로 한 영향 분석을 제공해 단순 키워드 검색이나 임베딩 기반 RAG와 구별된다. 이 도구는 Tree-sitter 파싱 결과로 생성한 그래프를 직접 쿼리해 호출자·피호출자·테스트 연관성을 산출하므로 멀티홉 영향 분석에서 우위를 가진다.
  • 로컬 우선 설계로 그래프와 쿼리가 CI 러너와 사용자의 머신에서만 실행된다. 기본 저장소가 SQLite이며 외부 소스 전송을 요구하지 않기 때문에 코드 유출 위험을 낮추고 오프라인 환경에서도 동일한 분석을 재현할 수 있다.
  • MCP 표준에 맞춘 30개 도구 세트를 노출해 다양한 AI 플랫폼과 통합되도록 설계되었다. README에 제시된 설치 명령은 Codex, Claude Code, GitHub Copilot 등 여러 플랫폼을 자동 감지해 적절한 MCP 구성을 생성한다.
  • 변경된 파일만 재파싱해 그래프를 증분 갱신하는 기능을 제공한다. 이 기능은 파일 저장 또는 훅에서 트리거되며 SHA-256 기반 차이를 사용해 의존 노드만 재색인해 대형 리포에서 초저지연 업데이트를 달성한다. README 기준으로 2,900파일 프로젝트가 2초 미만으로 재색인되는 성능이 보고되었다.

벤치마크

벤치마크지표값비교
Token efficiencyper-question token reduction (median)~82x median per-question reductionrange 38x–528x; 528x is max for fastapi
Impact accuracyaverage F10.714recall reported as 1.0 against graph-derived ground truth (circular upper bound)
Build performance (example repos)flow detection / search latencyfastapi: flow detection 128ms · search 1.5ms; express: flow detection 106ms · search 0.7ms—

이미지 분석

토큰 문제 전후 비교 다이어그램으로 전체 코드베이스를 읽는 경우와 그래프 기반 최소 리뷰 집합만 읽는 경우의 토큰 차이를 시각화한다.
이미지는 전체 코드베이스를 읽는 접근이 수십만 토큰을 소모하는 반면 그래프 쿼리는 수천 토큰만 반환해 토큰 사용량이 크게 줄어드는 결과를 보여준다. README의 수치 예로 flask 케이스에서 125,022 토큰이 1,986 토큰으로 줄어들어 약 71.4배 절감된 사례를 시각적으로 강조한다.
한 번의 설치 명령으로 다양한 AI 코딩 플랫폼을 자동 감지해 설정을 생성하는 플로우 다이어그램이다.
이미지는 install 명령이 여러 플랫폼(Codex, Claude Code, Cursor, Gemini CLI, GitHub Copilot 등)을 자동 감지해 각 플랫폼에 맞는 MCP 설정과 훅을 생성하는 흐름을 나타낸다. 이로써 하나의 설치 과정으로 여러 에디터·도구 통합을 간편하게 수행한다는 점을 시각적으로 전달한다.
사용자 요청에서 MCP 도구 확인, 그래프 조회, 정밀 리뷰로 이어지는 엔드투엔드 통합 플로우를 보여주는 도표이다.
이미지는 사용자가 '리뷰해달라'고 요청하면 Claude Code 같은 에이전트가 MCP 도구를 먼저 확인하고 get_review_context 같은 호출을 통해 그래프에서 blast radius·리스크 점수를 받아 필요한 파일만 읽는 과정을 순차적으로 나타낸다. 이 흐름은 그래프를 에이전트의 첫 호출 지점으로 삼아 불필요한 파일 스캔을 피하는 설계를 시각화한다.
아키텍처 파이프라인 다이어그램으로 저장소→Tree-sitter 파서→SQLite 그래프→Blast Radius→최소 리뷰 집합 흐름을 단계별로 보여준다.
이미지는 입력 저장소를 Tree-sitter로 파싱해 구조적 노드·엣지를 구축하고 이를 SQLite 그래프로 저장한 뒤, blast-radius 쿼리로 영향을 받는 파일을 식별해 최소 리뷰 세트를 반환하는 처리 파이프라인을 단계별로 제시한다. 이 도식은 로컬 퍼시스턴스와 증분 업데이트가 가능한 파이프라인 구조를 직관적으로 전달한다.

30.3k

STARS

2.8k

FORKS

+204

TRENDING

66

조회수

watchers 30.3kopen issues 100MIT License

관련 토론

아직 관련 토론이 없습니다.

댓글

댓글을 작성하려면 로그인이 필요합니다.