アリババ、AIコードレビューツール「OpenCodeReview」をオープンソース化

アリババは、決定論的パイプラインとAIエージェントを組み合わせたコードレビューシステム「OpenCodeReview」をオープンソース化した。特徴として、精密なファイル選択、インテリジェントなバンドル、54のルール文書、委任モードを備える。自社ベンチマーク「AACR-Bench」では、Claude Codeと比較して高い精度とF1値を達成し、トークンコストは9分の1に抑えられた。
Key insights
決定論的パイプラインとAIエージェントを組み合わせたハイブリッドアーキテクチャ
OpenCodeReviewは2つの部分からなるアーキテクチャを採用している。決定論的パイプラインは、コードに基づく精密なファイル選択、インテリジェントなファイルバンドル(例:メッセージプロパティファイルのペアリング)、および言語・ファイルタイプごとに54のルール文書を用いた細粒度のルールマッチングといった厳格な制約を処理する。AIエージェントは、最適化されたシナリオプロンプトと、本番環境のツール呼び出しトレースから抽出されたツールセットを用いて動的な判断を行う。この分離により、安定性と精度が確保される。
信頼性を確保する決定論的コンポーネント
決定論的パイプラインには、コメントの配置と内容を修正するための外部再配置モジュールとリフレクションモジュールが含まれており、位置ずれという一般的な問題に対処する。ファイル選択はコード駆動型であり、モデルに依存しない。インテリジェントなバンドルは、関連ファイルをレビューユニットにグループ化し、サブエージェントが並行して動作できるようにする(デフォルト8ワーカー)。ルールマッチングは、ノイズを排除するために自然言語ではなくテンプレートエンジンを使用する。
コードレビューに最適化されたエージェントコンポーネント
エージェントは、計画、グループ化、メイン、メモリ圧縮、再配置、レビューフィルターといった複数のタスクテンプレートに分割された、深く最適化されたシナリオプロンプトを使用する。そのツールセットは、本番環境のツール呼び出し軌跡から抽出されており、ファイル全体の読み取り、コード検索、ファイル間参照などが含まれる。この小型で安定したツールセットは、汎用エージェントと比較してエラーを低減する。
包括的な機能セットとエコシステム統合
OpenCodeReviewは、ワークスペース、ブランチ、単一コミットのレビュー、セッション復元、未知のコードベースに対する全ファイルスキャン、ローカルセッションビューア、SARIF/JSON出力、OpenTelemetryによる可観測性、MCPサーバー拡張をサポートする。npm CLI、標準フロントマター付きのAgent Skill、Claude Code、Codex、Cursor、Kimi Code、OpenCode向けのプラグインとして利用可能であり、OpenAI、Anthropic、AWS BedrockのAPIと互換性がある。
ハーネスとモデルを分離する委任モード
注目すべき設計として、委任モード(ocr delegate preview/rule)がある。このモードでは、OpenCodeReviewは決定論的部分(ファイル選択とルール解析)のみを実行し、実際のレビューはホストとなるコーディングエージェントのLLMが行う。これにより、ユーザーはOCRにAPIキーを提供する必要がなく、ハーネス機能とモデル機能を効果的に分離できる。
高いエンジニアリング基準とセキュリティ保証
本プロジェクトには、脅威モデル、4つの信頼境界、T1~T7の脅威に対する緩和策を含む正式な保証ケース(ASSURANCE_CASE.md)が含まれており、Saltzer & Schroederの原則およびOWASP Top 10にマッピングされている。外部プロセス呼び出しは、インジェクションを防ぐためにハードコードされたサブコマンドと--end-of-optionsを指定したgitに限定されている。ファイルパスはシンボリックリンク解決後に二重検証される。貢献ガイドライン(AGENTS.md)では、AI使用の開示、AI生成コードの人間による理解、コミットにおけるAI帰属の禁止が求められる。コードは英語のみで、90%のテストカバレッジと競合検出が必要である。
ベンチマークで高い精度を示すがリコールは低い
公式ベンチマーク「AACR-Bench」には、50の人気オープンソースリポジトリ、200の実際のPR、10言語、80人以上のシニアエンジニアによって注釈が付けられた1505件の課題が含まれている。Claude Codeと比較して、OpenCodeReviewは有意に高い精度とF1値を達成し、トークン消費量は約9分の1、速度も高速である。ただし、リコールは低く、これはノイズを低減するための意図的なトレードオフである。ベンチマークは自社構築だが、データセットはコミュニティによる検証のために公開されている。