Alibaba、制御性を重視したAIコードレビュー基盤OpenCodeReviewを公開

概要

Alibabaは、Goで開発したAIコードレビューCLIツール「OpenCodeReview」をオープンソースとして公開した。ライセンスはApache 2.0で、ローカル実行に対応するほか、GitHub、GitLab、Gerrit、VS Code、MCP、Claude Code、Codex、Cursorなどと連携できる。Gitの差分、ブランチ、ファイル全体を対象にレビューでき、OpenAIとAnthropicのモデルにも対応する。

このツールの特徴は、コードレビューの判断をすべてLLMに任せない点にある。対象ファイルの選択、使用するツール、レビュー指摘と差分の対応確認など、通常のプログラムで安定して処理できる部分は決定的なロジックに分離している。

決定的な処理とAI分析の分担

OpenCodeReviewはレビューを複数段階に分け、作業ごとに適した仕組みを割り当てる。

• ファイル選択：変更範囲や設定に基づき、レビュー対象を決める。
• パッケージ化とルール照合：コードコンテキストと適用する検査を管理された形でまとめる。
• 動的分析：AIエージェントが、Null参照、スレッドセーフティ、XSS、SQLインジェクションなどを分析する。
• 指摘の検証：差分を基準に、指摘の位置や関連性を確認する。

大規模な変更での見落とし、行番号のずれ、プロンプトの不安定さといったエージェント固有の問題を抑えることが狙いだ。Alibabaによれば、社内では数万人の開発者が約2年間利用しているという。

ベンチマークの読み方

Alibabaは、10言語、200件のプルリクエストを対象にした社内ベンチマークで、OpenCodeReviewがClaude Codeより高い適合率とF1スコアを示し、使用トークン数は約9分の1だったと説明している。一方で、再現率の弱点も公開している。

外部からは慎重な評価も出ている。Shopifyのエンジニア、Tom Rochetteは、10件のMartian-benchmark PRを使った独立実行で適合率が約12％だったと報告した。保守担当者はツール呼び出しの異常が原因だと説明しており、修正は済んだものの、修正版はまだ独立検証されていない。HCLTechのDaniel Vaughanも、最良構成で再現率が約20％だったと指摘している。

意義と限界

OpenCodeReviewが示すのは、より大きなモデルだけに依存せず、エージェントを支える実行基盤を設計するという方向性だ。対象範囲や検証を決定的にすることで、トークンコストを抑え、失敗原因を追跡しやすくできる。

ただし、厳密なタスク分配は、ファイルをまたぐ問題やアーキテクチャ上の欠陥を探す自由度を制限する可能性がある。精度、コスト、指摘の検証可能性を重視するチームには適する一方、セキュリティ監査で最大限の再現率を求める場合は、自社のコードベースで事前検証する必要がある。

出典：InfoQ 中文