code-review-graphは、開発者Tirth Kananiが2026年6月15日に公開したローカルベースのコードインテリジェンスグラフエンジンである。このツールは、Tree-sitter（ツリーシッターパーサー）技術を活用して、さまざまなプログラミング言語のソースコードを構文解析し、システム内部のクラス、関数、変数間の呼び出しおよび依存関係のみを正確に抽出し、SQLite（SQLライト）インメモリおよびディスク知識グラフ（Knowledge Graph）の形式で構築する。構築された知識グラフは、AnthropicのMCP（Model Context Protocol、モデルコンテキストプロトコル）標準およびCLI連携をサポートしており、Claude CodeやCursorなどの次世代AI IDEおよび自動化エージェントがコードベースを探索する際に、不要なファイル全体を読み込むのではなく、関係性情報と関連するスニペットのみを効率的に取得できるように設計されている。 従来の大規模なソースコード分析およびコードレビュー作業では、AI LLMに数百個以上のファイル全体を直接コンテキストウィンドウに入力したり、単純なキーワードベースのRAG（検索拡張生成）に依存することで、トークンの無駄遣いや幻覚現象が頻繁に発生していた。たとえれば、従来のAIコーディングツールが図書館の全書籍を読み込んで質問の答えを探すように非効率的であったのに対し、code-review-graphは、書籍の目次と立体的なインデックスを作成しておき、必要な段落のみを正確に探し出す構造である。コードベースの依存構造を構造化されたグラフデータに変換することで、コードの変更や特定の関数の呼び出しの影響を分析する際に、ランダムなテキスト検索の代わりに明確なノード追跡方式を使用し、これにより大規模なモノレポ環境でもLLMコンテキスト入力トークン量を最大49倍まで革新的に削減できる。 バイオテクノロジー情報学ソフトウェア開発やバイオデータパイプラインエンジニアリングの実務においても、code-review-graphの有用性は非常に高い。例えば、ゲノムデータ分析アルゴリズム、パイプラインモジュール、オミクスデータパースユーティリティなどが数十個のファイルに複雑に絡み合ったPythonおよびC++コードベースに対して、git hook（Gitフック）ベースのインクリメンタルインデックス（Incremental Indexing）を適用しておくことができる。開発者がソースコードを修正し、PR（プルリクエスト）を生成する際に、code-review-graph CLIを呼び出すと、変更された関数と関連する上位クラスおよび下位依存性ノードのみがSQLiteグラフから数ミリ秒以内に検索される。これにより、AIコードレビューエージェントは、ライブラリ全体をスキャンすることなく、わずか1,000トークン未満の正確なコンテキストのみで、ゲノムアルゴリズムの変更の影響を完全に評価できる。

code-review-graphは、開発者Tirth Kananiが2026年6月15日に公開したローカルベースのコードインテリジェンスグラフエンジンである。このツールは、Tree-sitter（ツリーシッターパーサー）技術を活用して、さまざまなプログラミング言語のソースコードを構文解析し、システム内部のクラス、関数、変数間の呼び出しおよび依存関係のみを正確に抽出し、SQLite（スクライト）インメモリおよびディスク知識グラフ（Knowledge Graph）の形式で構築する。構築された知識グラフは、AnthropicのMCP（Model Context Pro）

ゲノム解析パイプラインモノリポの影響度分析: 数十のオミクス解析スクリプトとC++ C拡張モジュールを含む大規模なパイプラインプロジェクトにおいて、特定の入出力パーサーを修正する際に、グラフ関係の照会を通じて影響を受ける上位の解析モジュールのみを正確に抽出し、トークン消費を抑えながら影響度評価を実行する。