O que é code-review-graph?
O code-review-graph analisa um repositório com tree-sitter e o transforma em um grafo de funções, classes, imports, chamadas e testes, guarda tudo em um arquivo SQLite local e o serve a ferramentas de programação com IA via MCP. Quando você revisa uma mudança, o assistente pede ao grafo o 'raio de impacto' (todo chamador, dependente e teste que a mudança pode atingir) e lê apenas esses arquivos. Hooks e um modo watch mantêm o grafo atualizado de forma incremental.
Ele expõe 30 ferramentas MCP e 5 prompts, de análise de impacto e contexto de revisão a listagem de fluxos de execução, visões gerais da arquitetura, prévias de refatoração e busca entre repositórios; a configuração CRG_TOOLS reduz a lista. Um único comando de instalação detecta e configura 16 ferramentas de IA, entre elas Claude Code, Codex, Cursor, Windsurf, Zed, Gemini CLI e GitHub Copilot. Uma GitHub Action publica comentários de revisão com pontuação de risco em pull requests.
O repositório tem cerca de 32.300 estrelas no GitHub; a versão 2.3.9 saiu em 18 de setembro de 2026. Tem licença MIT e exige Python 3.10 ou superior.
Como instalar code-review-graph
pip install code-review-graph && code-review-graph installcode-review-graph vale a pena?
A ideia é sólida: em vez de deixar um assistente reler grandes partes da base de código a cada revisão, pré-calcular quem depende de quê e entregar a ele uma lista curta. O README relata uma redução mediana de 63 vezes nos tokens por pergunta em seis repositórios de código aberto, com máximo de 358 no maior, o fastapi. Uma construção do zero de um repositório com cerca de 3.000 arquivos levou cerca de 40 segundos nas medições do mantenedor, e uma edição em dois arquivos é reindexada em cerca de 2,5 segundos, dos quais 1,4 é a inicialização do processo.
O projeto é franco sobre os próprios limites, o que é mais raro do que deveria. Ele diz que seu recall de impacto de 1.0 é circular (a referência vem do mesmo grafo), relata um F1 médio de 0,69 com precisão de 0,55, admite que sua avaliação de co-change não produziu nada aproveitável, observa que o contexto do grafo pode custar mais do que ler o arquivo diretamente em edições minúsculas e diz que a detecção de fluxos é mais fraca para JavaScript e Go do que para Python e PHP.
Os custos são a pegada e o controle. A etapa de instalação grava entradas MCP, hooks, skills e instruções em arquivos de regras em todas as ferramentas de IA que encontrar, e 30 definições de ferramentas ocupam contexto de verdade; a flag por plataforma e CRG_TOOLS mantêm isso enxuto. A maioria das ferramentas só lê, mas apply_refactor_tool edita arquivos-fonte. Tudo fica local por padrão, mas ativar um provedor de embeddings na nuvem envia trechos de código para fora da máquina, algo sobre o qual a ferramenta avisa. Com 186 issues abertas e nenhuma versão desde 18 de setembro, a manutenção está movimentada, não parada, mas a fila é longa.
Em comparação com o GitNexus, é a escolha mais permissiva (MIT em vez de uma licença não comercial) e mais focada em revisão. Em comparação com o Serena, é mais fraco em edição precisa, já que o grafo vem de análise sintática e não de language servers, então um rename que ele mostra em prévia é uma suposição estrutural, não uma verificada por tipos.
Onde ele se destaca
Um revisor em um serviço Python de 3.000 arquivos que usa o Claude Code
Revisar um pull request sem que o agente leia metade do repositório
Rode code-review-graph install uma vez (cerca de 40 segundos para construir nesse tamanho); o agente chama get_review_context_tool e get_impact_radius_tool e lê apenas os arquivos dentro do raio de impacto. A mediana do README é 63 vezes menos tokens por pergunta, embora uma edição de duas linhas possa custar mais do que ler o arquivo.
Um gerente de engenharia que quer um sinal de risco em todo pull request
Sinalizar mudanças arriscadas e pontos críticos sem testes no CI
A GitHub Action composta constrói o grafo no runner e publica um comentário fixo com funções pontuadas por risco, fluxos afetados e lacunas de testes; fail-on-risk o transforma em bloqueio de merge. Nenhum código sai do runner, então o único custo são os minutos de CI.
Uma desenvolvedora que chega a uma base de código PHP grande e desconhecida
Obter um mapa da arquitetura antes de mexer em qualquer coisa
get_architecture_overview_tool e generate_wiki_tool constroem uma visão a partir das comunidades de código detectadas, e get_knowledge_gaps_tool aponta pontos críticos sem testes. A detecção de fluxos é mais forte para Python e PHP do que para JavaScript ou Go, então o mapa é mais confiável nessas linguagens.
Antes de decidir
- Configuração
- pip install code-review-graph e depois code-review-graph install detecta até 16 ferramentas de IA e grava entradas MCP, hooks, skills e instruções de regras em cada uma; reinicie o editor. Python 3.10+; code-review-graph uninstall remove apenas as próprias entradas.
- Integrações
- 30 ferramentas mais 5 prompts MCP como review_changes e pre_merge_check. A maioria são consultas somente leitura (raio de impacto, contexto de revisão, chamadores e chamados, fluxos, comunidades, nós hub e bridge); build_or_update_graph_tool, embed_graph_tool, generate_wiki_tool e apply_refactor_tool gravam, a última nos seus arquivos-fonte.
- Dados e privacidade
- O grafo é um arquivo SQLite local; serve roda via stdio, e serve --http escuta em localhost:5555. Embeddings opcionais na nuvem (Gemini, Voyage, MiniMax ou qualquer endpoint compatível com OpenAI) enviam trechos de código para fora da máquina, com um aviso antes. Não há avisos de segurança publicados.
- Custo em escala
- Gratuito. Os embeddings locais usam por padrão o all-MiniLM-L6-v2 na CPU; provedores de embeddings na nuvem cobram as próprias tarifas. A economia está na conta do modelo: as perguntas de exemplo do README devolvem cerca de 2.200 a 3.900 tokens em vez de um corpus inteiro.
- Limites
- O recall de impacto é circular segundo o próprio projeto, com F1 médio de 0,69 em 13 commits. As ferramentas somente leitura não têm timeout a menos que CRG_TOOL_TIMEOUT seja definido, e as ferramentas de gravação nunca são limitadas por ele.
O que é bom
- Análise de raio de impacto voltada diretamente para revisão de código
- Grafo SQLite local; nenhum serviço externo necessário
- Licença MIT, com uma GitHub Action para comentários em PRs
- Documenta os limites do próprio benchmark
O que não é
- 30 ferramentas aumentam o consumo de contexto se não forem reduzidas
- O instalador grava hooks e regras em todas as ferramentas detectadas
- Detecção de fluxos mais fraca para JavaScript e Go
- 186 issues abertas; nenhuma versão desde setembro de 2026
Ideal para
Equipes que usam assistentes de IA para revisar pull requests em repositórios médios ou grandes e querem um grafo de código local com licença permissiva.
Alternativas ao code-review-graph
code-review-graph: perguntas frequentes
- code-review-graph vale a pena?
- O raio de impacto pré-calculado barateia a revisão com IA em repositórios grandes, e o projeto é incomumente franco sobre onde seus números ficam aquém; reduza as 30 ferramentas antes de instalar. Damos nota 4.0 de 5.
- Quanto custa code-review-graph?
- Gratuito e de código aberto (MIT). Provedores opcionais de embeddings na nuvem (Gemini, Voyage, compatíveis com OpenAI) cobram à parte.
- Quais são as desvantagens de code-review-graph?
- 30 ferramentas aumentam o consumo de contexto se não forem reduzidas; o instalador grava hooks e regras em todas as ferramentas detectadas; detecção de fluxos mais fraca para JavaScript e Go; 186 issues abertas; nenhuma versão desde setembro de 2026.
- Para quem code-review-graph é indicado?
- Equipes que usam assistentes de IA para revisar pull requests em repositórios médios ou grandes e querem um grafo de código local com licença permissiva.
- Quanto custa code-review-graph para uma equipe ou em produção?
- Gratuito. Os embeddings locais usam por padrão o all-MiniLM-L6-v2 na CPU; provedores de embeddings na nuvem cobram as próprias tarifas. A economia está na conta do modelo: as perguntas de exemplo do README devolvem cerca de 2.200 a 3.900 tokens em vez de um corpus inteiro.
- code-review-graph é seguro para dados da empresa?
- O grafo é um arquivo SQLite local; serve roda via stdio, e serve --http escuta em localhost:5555. Embeddings opcionais na nuvem (Gemini, Voyage, MiniMax ou qualquer endpoint compatível com OpenAI) enviam trechos de código para fora da máquina, com um aviso antes. Não há avisos de segurança publicados.
- Quais são as melhores alternativas ao code-review-graph?
- As alternativas mais próximas que analisamos são GitNexus, Serena, Semble, GitHub MCP Server e CodeGraph.
Respostas verificadas em 23 de out. de 2026.