Coderadius

メモ

CodeRadius はメンテナンスモードに移行しており、積極的な開発は行われていません。 コードは Apache-2.0 のもとで引き続き公開され、ドキュメントどおりに動作します。プロジェクトの状況をご覧ください。

チームが AI コーディングツールを導入するにつれて、コードの作成速度はかつてないほど速くなっていますが、システム全体のコンテキストは把握できません。CodeRadius は、すべてのリポジトリにまたがるサービス、API、キュー、データベースを網羅した、アーキテクチャ全体のライブナレッジグラフを静的に構築します。これにより、エンジニアや AI エージェントは影響範囲を測定し、ポリシーを適用し、下流システムを壊すことなくリリースできます。

order-serviceで一見無害な名前変更をすると、cr blastは数秒でnotification-serviceにある影響を受けるコンシューマーを特定します。ライブデモのダッシュボードを見る →

---

導入する理由

AI コーディングエージェントは高速ですが、アーキテクチャを把握できません。API ペイロードのリファクタリングやデータベースフィールドの名前変更を完璧に実行しても、3 チーム先の下流コンシューマーを壊したことに気づきません。AI を使わない場合でも、文書化されていない依存関係が蓄積し、サービスをまたぐ変更のたびに考古学的な調査が必要になります。

CodeRadius は、1 つのグラフ上で次の 3 つの機能を提供します。

• マージ前の影響範囲：cr blastは、アーキテクチャ版のterraform planです。グラフに対する変更のトポロジー差分をメモリ上で計算し、数秒で構造化された検出結果を返します。セマンティックな終了コード（0 SAFE、1 WATCH、2 BREAKING）を使えば、CI やエージェントはテキストを解析せずに分岐できます。
• AI エージェント向けのライブコンテキスト：ネイティブのMCPサーバーを使えば、あらゆるエージェントがコードを書く前に、データコントラクト、下流コンシューマー、変更の影響を問い合わせられます。
• コードとしてのガバナンス：ファイル単位のリンティングではなく、ライブのアーキテクチャグラフに対して評価する宣言型 YAML ポリシーです。所有者のいないサービス、公開 API に対する非推奨の依存関係、共有データベースのアンチパターンなどを検出します。

ローカルファースト。 コードがマシンの外に出ることはありません。LLM キーを持ち込むか、Ollama で完全にローカル実行できます。テレメトリーはありません。ほかに発生するネットワーク通信は、1 日 1 回のバージョン確認のみです（CR_NO_UPDATE_CHECK=1で無効にできます）。

---

プロジェクトの状況

CodeRadius はメンテナンスモードです。ロードマップもリリース予定もなく、イシューやプルリクエストを積極的にトリアージしていません。

決定論的なコア（AST 解析、インポートとテイントの分析、グラフ構築、影響範囲）は、5,400 件を超えるユニットテストと決定論的な評価スイートで固定されています。また、互換性マトリックスで評価検証済みとされているすべてのフレームワークは、コミット済みのフィクスチャによる回帰テストの対象です。

LLM によるセマンティック抽出の品質は、スタックやプロバイダーによって異なります。

Apache-2.0 ライセンスのもと、フォークを歓迎します。

---

クイックスタート

要件：Docker（ローカルのグラフデータベース用）。CLI は macOS と Linux（x64/arm64）向けの自己完結型バイナリとして提供されるため、ほかにインストールするものはありません。

npm i -g coderadius     # or: bun add -g coderadius

または、パッケージマネージャーを使わない場合：

curl -fsSL https://raw.githubusercontent.com/coderadius-ai/coderadius/main/scripts/install.sh | bash

代わりにソースから実行する場合（コントリビューター向け。Bun ≥ 1.0 と Node.js ≥ 22 が必要です）：

git clone https://github.com/coderadius-ai/coderadius.git
cd coderadius
bun install
bun link        # exposes the `cr` binary globally (runs from source, no build step)

続いて、分析したいリポジトリで実行します。

cr init                              # configure your LLM provider, generate a smart .crignore
cr up                                # start the local graph database (Memgraph via Docker)

cr analyze code .                    # build the graph (default: --depth semantic)
cr analyze code . --depth structure  # AST-only scan, zero LLM calls
cr analyze code . --depth contracts  # full semantic extraction with data contracts

cr blast                             # blast radius of your current changes vs origin/main
cr blast feature/checkout            # blast radius of a branch (shorthand for --head)
cr ui                                # generate the architecture dashboard
cr mcp start                         # MCP server for your IDE agent

複数のリポジトリを同じグラフに分析するには（cr analyze code ../orders ../payments ../shipping）、影響範囲をリポジトリ間で把握できるようになります。

---

仕組み

実行時のトラフィックに依存するオブザーバビリティツールとは異なり、CodeRadius は 4 段階のパイプラインを通じて、グラフを静的に構築します。

1. 自動検出：コードベースまたは Backstage カタログから、サービスの境界、モノレポ、複数リポジトリのアーキテクチャを検出します。
2. 汚染解析エンジン：Tree-sitter による AST 解析で、外部 I/O（HTTP 呼び出し、DB クエリ、メッセージブローカーイベント）を実行する関数のみを特定します。純粋なビジネスロジックは無視されます。汚染解析エンジンが約 85% の関数をフィルタリングするため、LLM のトークンを一つも消費せずに済みます。
3. セマンティック抽出：汚染された関数を選択した LLM に送信し、意図、ペイロード、インフラストラクチャへの依存関係を抽出します。Merkle ハッシュキャッシュにより、増分実行は数時間ではなく数秒で完了します。
4. グローバルエッジ解決：サービス A で新たに検出されたクライアント呼び出しを、サービス B の正規 OpenAPI エンドポイントと照合し、リポジトリ間のギャップを埋めます。

すべてのノードとエッジには根拠情報が付与されます。事実を生成したもの（AST、LLM、宣言、インフラストラクチャ）、裏付けとなる証拠、そしてどの程度信頼できるかを確認できます。

Bun、tree-sitter、Mastra + Vercel AI SDK、Memgraph を基盤に構築されています。

---

MCP サーバー

CodeRadius にはネイティブの MCP サーバーが付属しており、MCP 対応のエージェント（Claude Code、Cursor、Windsurf、Gemini CLI）に接続できます。エージェントはこれらのツールを検出し、コードを書く前に影響を確認します。

{
  "mcpServers": {
    "coderadius": {
      "command": "cr",
      "args": ["mcp", "start"]
    }
  }
}

ツール	エージェントでの用途
resolve_service_context	エージェントの状況把握に使用します。ファイルパス、git リモート、リポジトリ名から、サービス、チーム、リポジトリを特定します。
list_services	オーナー、言語、デプロイのトポロジーとともに、すべてのサービスを一覧表示します。
get_service_details	1 つのサービスを詳しく調べます。公開 API、エンドポイント数、デプロイ単位、CI/CD、Docker インフラストラクチャを確認できます。
get_repository_details	リポジトリの状態を確認します。サービス、パイプライン、Docker イメージ、ツール設定、ビルドタスク、コミットの活動状況を確認できます。
get_data_contract	ペイロード、イベント、データベーステーブルの正確なスキーマ（フィールドと型）を、変更前に確認できます。
analyze_blast_radius	リソース（テーブル、チャネル、エンドポイント）の上流のプロデューサーと下流のコンシューマーを調べます。
evaluate_code_change_impact	コミット前に、メモリ内のトポロジカル差分を通じて、提案された変更の影響範囲を分析します。
trace_data_lineage	サービス、ブローカー、API をまたいでデータフィールドを追跡します。
analyze_architecture_gravity	SPOF、共有データベースのアンチパターン、結合のホットスポットをスコア順に表示します。
analyze_agentic_context	リポジトリごとの AI ツール導入状況を確認します。ツール、設定、スキル、ワークフローを調べられます。

詳しいガイド：coderadius.ai/docs/guide/mcp-server

---

現在のサポート状況

言語：TypeScript · PHP · Python · Go · Java

フレームワーク（評価検証済み）：NestJS · Express · Fastify · Hono · Koa · Symfony · Laravel · Slim · Spring Boot · JAX-RS

フレームワーク（ヒューリスティック + LLM）：FastAPI · Flask · Django · Gin · Fiber

プロトコルとインフラ：REST · OpenAPI · GraphQL · RabbitMQ · Google Pub/Sub · PostgreSQL · MySQL

CI/CD 取り込み：GitHub Actions · GitLab CI

LLM プロバイダー：Google Vertex AI · Google Gemini API · OpenAI · Anthropic · Amazon Bedrock · Ollama（完全ローカル、API キー不要）

→ 完全な互換性マトリックス

---

基本を超えて

• アーキテクチャダッシュボード：サービス一覧、SPOF 分析、ガバナンス違反、依存関係の健全性を含む、単体で完結する HTML レポートです（cr ui）。
• エージェントハーネス：成熟度レベル、コンテキストの不足、チームのカバレッジなど、全体における AI ツールの導入状況をマッピングします。
• ランタイムトレース：Datadog/Jaeger のトレース（cr analyze traces）を静的グラフに重ね、アーキテクチャと実態が一致しているかを検証します。
• 常に最新のドキュメント：あらゆるサービスの ARCHITECTURE.md を自動生成します（cr docs generate）。

---

ドキュメント

• ユーザーガイド：docs/guide/ に、概要、CLI コマンド、影響評価、ガバナンスポリシー、設定が含まれています。
• アーキテクチャの詳細解説：docs/architecture/ では、取り込みパイプライン、グラフのデータモデル、API エンドポイントの重複排除、サービストポロジー、グラウンディング契約を解説しています。

---

コントリビューション

このプロジェクトでは新機能を受け付けていません。フォークする場合、言語プラグイン、フレームワークシグナル、接続抽出機能は、独立した拡張ポイントとして設計されています。CONTRIBUTING.md をご覧ください。

---

ライセンス

Apache-2.0