O code-review-graph é uma ferramenta aberta que mapeia repositórios e reduz os arquivos lidos por assistentes de programação. tirth8205 criou o projeto em 2026-02-26. Em 161 dias, o repositório chegou a 29.279 estrelas no GitHub. Ele serve a equipes que revisam mudanças em bases grandes com ajuda de IA.

O grafo calcula o impacto antes da revisão

A ferramenta usa Tree-sitter para analisar o código e montar uma árvore sintática abstrata, ou AST. Depois, transforma essa estrutura em um grafo com nós para funções, classes e imports. As conexões registram chamadas, herança e cobertura de testes.

O processamento do mapa acontece localmente. O projeto não depende de um serviço externo para construir essa representação.

Quando alguém altera um arquivo, o grafo rastreia os chamadores, dependências e testes que podem sofrer impacto. Esse conjunto forma o chamado “blast radius” da mudança. A ferramenta entrega ao assistente apenas os arquivos relacionados ao impacto.

A integração usa MCP, o Model Context Protocol. O protocolo leva o contexto calculado ao assistente de programação configurado pelo usuário. A ferramenta trabalha com Codex, Claude Code, CodeBuddy Code, Cursor, Windsurf, Zed, Continue, OpenCode, Antigravity, Gemini CLI, Qwen, Qoder, Kiro e GitHub Copilot, entre outras plataformas listadas no README.

O grafo também recebe atualizações incrementais. O modo watch e os hooks compatíveis acompanham salvamentos e commits, sem reconstruir o projeto inteiro a cada mudança. A primeira construção leva cerca de 10 segundos em um projeto com 500 arquivos.

A instalação configura MCP e mantém arquivos de terceiros

O usuário precisa de Python 3.10 ou superior. Pode instalar o pacote com pip, pipx ou uvx.

O comando install detecta as ferramentas de IA presentes no computador. Em seguida, escreve a configuração MCP de cada plataforma, instala hooks e skills nativos quando há suporte e adiciona instruções orientadas pelo grafo às regras da ferramenta. O usuário precisa reiniciar o editor ou assistente depois da instalação.

O instalador identifica se o pacote veio de uvx ou de pip/pipx. O comando build faz a análise do repositório. Para remover o programa de um projeto Git ou SVN, uninstall localiza a raiz da árvore de trabalho e apaga apenas arquivos e configurações do code-review-graph.

A remoção preserva servidores MCP, hooks, skills e comentários JSONC de terceiros. Alterações em configurações compartilhadas usam substituição atômica. Se a gravação falhar, o arquivo original permanece intacto.

A versão mais recente é a v2.3.7, publicada em 2026-07-18. Ela ampliou os fluxos pela linha de comando, incluiu saída silenciosa ou em JSON, enriquecimento e análise de código morto. Também aumentou a cobertura de Terraform, Ansible, VB.NET, SystemVerilog, Rust, PHP/Laravel, Julia, Python, C#, Java, Spring e WebFlux.

A atualização adicionou cobertura transitiva de testes com limite, risco de churn, ranking de impacto ponderado, procedência do grafo, embeddings que consideram documentação e exportação segura em JSON. Ela também reforçou a concorrência do MCP, o ciclo de vida do daemon, o tratamento de processos no Windows, a leitura de caminhos Git e as regras de ignorados.

A versão não trouxe mudanças incompatíveis. O pull request passou por 15/15 verificações, o commit principal passou por 13/13, e a equipe fechou os três alertas abertos de alta severidade no CodeQL.

O repositório tem 2.691 forks e 74 issues abertas. O último commit ocorreu em 2026-08-02. A adoção foi rápida para um projeto criado há 161 dias, então o histórico ainda é curto para medir estabilidade de longo prazo.

A licença MIT permite usar, modificar e redistribuir o código, inclusive em produtos comerciais. A ferramenta não serve a quem não usa uma plataforma compatível com MCP ou precisa de revisão automática sem instalar comandos, configurar o editor e manter um grafo local.

Fontes

PythonMITFerramentas para DevsTrendshift
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.