Harness Engineering 2026年4月12日

AIコードレビューの導入と運用

Claude Code Reviewをはじめとしたマルチエージェントによる自動PRレビューの仕組み、導入方法、運用のベストプラクティスを解説します。

#harness-engineering #code-review #claude-code #pull-request #ci-cd

AIコードレビューの現在地

2026年3月、AnthropicはClaude Code Reviewをリサーチプレビューとして公開しました。PRが開かれると、複数の専門エージェントが並列にコードを解析し、バグ・境界条件・API誤用・認証の脆弱性・プロジェクト固有の規約違反を検出します。

パフォーマンス指標

Anthropicの内部テストによる数値です。

指標値
大規模PR（1,000行以上）での検出率84%
大規模PRでの平均検出件数7.5件
小規模PR（50行以下）での検出率31%
小規模PRでの平均検出件数0.5件
誤検出率（エンジニアが「不正確」と判断）1%未満
平均レビュー時間約20分

Claude Code Reviewのアーキテクチャ

マルチエージェント解析

単一のモデルがPR全体を読むのではなく、専門化されたエージェントが並列に動作します。

PR Open
  ├── Agent A: ロジックエラー検出
  ├── Agent B: 境界条件チェック
  ├── Agent C: API使用パターン検証
  ├── Agent D: セキュリティ脆弱性スキャン
  └── Agent E: プロジェクト規約準拠チェック
         ↓
  [検証ステップ: 実コードに対する誤検出フィルタリング]
         ↓
  [重複排除 + 重要度ランキング]
         ↓
  GitHub PR にインラインコメント投稿

各エージェントが独立して問題を検出した後、検証ステップで実際のコードの挙動と照合して偽陽性をフィルタリングします。これが1%未満という低誤検出率の鍵です。

セットアップ

Claude Code ReviewはGitHub Appとして提供されます。

# CLIからレビューを手動実行
claude review

# 特定のPRをレビュー
claude review --pr 123

# GitHub Actionsでの自動実行
# .github/workflows/code-review.yml
# .github/workflows/code-review.yml
name: Claude Code Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: anthropics/claude-code-review-action@v1
        with:
          anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}

ハーネスとの統合

AIコードレビューの真価は、ハーネスエンジニアリングと組み合わせたときに発揮されます。

プロジェクト固有ルールの反映

CLAUDE.mdとルールファイルがあれば、レビューエージェントはプロジェクト固有の規約を理解した上でレビューを行います。

# .claude/rules/review-criteria.md

## レビュー基準

### 必須チェック
- 新しいAPIエンドポイントにはテストがあるか
- エラーハンドリングが実装されているか
- 型定義が明示的か（anyの使用禁止）
- 環境変数がハードコードされていないか

### 推奨チェック
- 関数が50行を超えていないか
- ネストが3段以上になっていないか
- マジックナンバーが定数化されているか

Hookとの連携

PRレビュー前に、ローカルのHookで品質を底上げします。

{
  "hooks": {
    "Stop": [
      {
        "hooks": [
          {
            "type": "agent",
            "prompt": "Before marking this task complete, verify: 1) All new functions have tests. 2) No console.log statements remain. 3) TypeScript strict mode errors are resolved. Report any issues found.",
            "timeout": 120
          }
        ]
      }
    ]
  }
}

この構成により、ローカルHookで基本品質を担保 → PRレビューで高度な問題を検出という二段構えになります。

セルフホスト型のレビュー自動化

Claude Code Reviewの正式版を待たずとも、既存のツールでレビュー自動化を構築できます。

GitHub Actions + Claude Code CLI

name: AI Code Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0

      - name: Get changed files
        id: changed
        run: |
          echo "files=$(gh pr diff ${{ github.event.pull_request.number }} --name-only | tr '\n' ' ')" >> $GITHUB_OUTPUT
        env:
          GH_TOKEN: ${{ secrets.GITHUB_TOKEN }}

      - name: Run Claude Code Review
        run: |
          claude -p "Review these changed files for bugs, security issues, and coding standard violations. Focus on logic errors and edge cases. Files: ${{ steps.changed.outputs.files }}" \
            --output-format json > review-results.json
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}

      - name: Post review comments
        run: |
          # review-results.jsonをパースしてPRコメントを投稿
          node scripts/post-review-comments.js
        env:
          GH_TOKEN: ${{ secrets.GITHUB_TOKEN }}

claude-review-loop プラグイン

コミュニティのプラグインを活用する方法もあります。

# claude-review-loopのインストール
claude plugin install claude-review-loop

# レビューの実行
claude review-loop --pr 123

コスト管理

AIコードレビューのコストはPRのサイズと複雑さに比例します。

PRサイズ推定コスト所要時間
小規模（50行以下）$5-105-10分
中規模（50-500行）$10-2010-20分
大規模（1,000行以上）$15-2515-30分

コスト最適化のテクニック

# 特定のファイルパターンのみレビュー対象にする
on:
  pull_request:
    paths:
      - 'src/**/*.ts'
      - 'src/**/*.tsx'
      - '!src/**/*.test.ts'  # テストファイルは除外
      - '!src/**/*.d.ts'     # 型定義ファイルは除外

人間のレビューとの役割分担

AIコードレビューは人間のレビューを置き換えるものではなく、補完するものです。

観点AIが得意人間が得意
バグ検出境界条件、null参照、型不一致ビジネスロジックの正しさ
セキュリティ既知パターンの脆弱性設計レベルの攻撃面
コード品質規約違反、重複検出アーキテクチャ判断
レビュー速度数分で完了数時間〜数日

推奨ワークフロー

1. PR作成
2. AIレビューが自動実行（5-20分）
3. AI指摘の修正
4. 人間レビュアーにアサイン
   → AIが機械的な問題を潰した後なので、
     人間はアーキテクチャ・ビジネスロジックに集中できる

実践ポイント

  1. 段階的に導入する: まずはInformational（コメントのみ）モードで始め、チームが信頼を構築してからBlocking（承認必須）に移行する
  2. プロジェクト固有ルールを整備する: CLAUDE.mdとルールファイルが充実しているほど、レビューの精度が上がる
  3. 偽陽性を追跡する: 不正確な指摘を記録し、ルールファイルの改善に活かす
  4. コスト予算を設定する: 月次のAPI使用量を監視し、対象ファイルの絞り込みでコストを制御する
  5. 人間レビューの価値を再定義する: AIが機械的チェックを担当する分、人間は設計判断とメンタリングに集中する

参考リンク