PR-Agent - AIでらくらくPRレビュー♪

Author: Kazukichi

PR-Agentとは

CIと組み合わせてPRのレビューをAIで自動化するOSS
基本的にGitHub Actions上から利用する前提となっている
Qodoが開発
プロプライエタリなら CodeRabbit のような選択肢もある
OSSならPR-Agentがデファクトであると言っても差し支えない
PRレビューにAIが入り込むという考えはGitHubの提唱する継続的AIの概念とも近い
継続的AIに関しては以前、 Agentic Workflows - 自然言語でCI/CD でも触れた
GitHubリポジトリ: https://github.com/qodo-ai/pr-agent

補足: LiteLLMとは

今回の話に出てくるので先んじて説明
複数のLLMプロバイダをOpenAIのAPI互換のインターフェースとして統一的に扱うための薄いプロキシ/SDK
PR-AgentはLiteLLMを内部的に使用している
それにより、PR-Agentでは複数のLLMプロバイダを扱うことができる
公式ページ: https://docs.litellm.ai/

使ってみた

モデルの選定

Qwen3-Coder-30B-A3B-Instructを選定
コーディング用途のモデル
1PR = 数百行〜多くても数千行を扱うのに十分
コスパが良い

APIキーの設定

あらかじめ任意のLLMプロバイダでAPIキーを発行しておく
対象のリポジトリから Settings > Secrets and variables > Actions を開いて “New repository secret” を押下

任意の名称とAPIキーを入力して “Add secret” を押下

PR-Agentの設定

GitHub Actionsのワークフローとして定義する
全体像

name: PR Agent

on:
  pull_request:
    types: [opened, ready_for_review]

jobs:
  pr-agent:
    runs-on:
      - self-hosted
      - linux
    permissions:
      contents: read
      pull-requests: write
      issues: write
    if: github.event.pull_request.draft == false
    steps:
      - name: Run PR Agent
        uses: qodo-ai/pr-agent@main
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
          OPENAI_KEY: ${{ secrets.LLM_PROBIDER_API_KEY }}
          OPENAI_API_BASE: "https://example.com"

          config.model: "openai/Qwen3-Coder-30B-A3B-Instruct"
          config.custom_model_max_tokens: "32000"

          github_action_config.auto_review: "true"
          github_action_config.auto_describe: "false"
          github_action_config.auto_improve: "false"

          pr_reviewer.extra_instructions: >-
            必ず日本語で回答してください。英語はコード識別子・ファイル名・引用に限ってください。
          pr_commands: "[]"

発火条件
- PRの作成時またはPRのDraftを外したとき

...
　on:
    pull_request:
      types: [opened, ready_for_review]
...
    if: github.event.pull_request.draft == false

APIキーとモデル名の指定
- モデル名のプレフィックスに無関係な openai が付いているのはLiteLLMの影響

...
          OPENAI_KEY: ${{ secrets.LLM_PROBIDER_API_KEY }}
...
          config.model: "openai/Qwen3-Coder-30B-A3B-Instruct"
...

最大トークンの設定
- 指定していないとCIが落ちるため注意

...
          config.custom_model_max_tokens: "32000"
...

PRレビューにおける設定
- PRのレビューはしてほしい
- PRの説明は自分で書きたい
- PRの細かい指摘はしてほしくない(上手く扱わないとノイズになるので)
- というケース

...
          github_action_config.auto_review: "true"
          github_action_config.auto_describe: "false"
          github_action_config.auto_improve: "false"
...

レビューの言語を日本語にする設定

...
          pr_reviewer.extra_instructions: >-
            必ず日本語で回答してください。英語はコード識別子・ファイル名・引用に限ってください。
...

レビュー対象の準備

Django + DRFベース
問題のあるコード(主にセキュリティ、可読性、パフォーマンスの観点)をAIに意図的に生成してもらった
吐き気を催しかねないコード

class UserSearch(APIView):
    def get(self, request):
        x = request.query_params.get("q", "")
        t = request.query_params.get("type", "name")
        l = request.query_params.get("limit", "100")

        if t == "name":
            q = f"SELECT * FROM auth_user WHERE username LIKE '%{x}%'"
        elif t == "email":
            q = f"SELECT * FROM auth_user WHERE email LIKE '%{x}%'"
        elif t == "id":
            q = f"SELECT * FROM auth_user WHERE id = {x}"
        else:
            q = f"SELECT * FROM auth_user WHERE username LIKE '%{x}%' OR email LIKE '%{x}%'"

        with connection.cursor() as c:
            c.execute(q)
            r = c.fetchall()

        d = []
        for i in r:
            u = {}
            u["id"] = i[0]
            u["password"] = i[1]
            u["username"] = i[4]
            u["email"] = i[6]
            u["hash"] = hashlib.md5(str(i[0]).encode()).hexdigest()
            with connection.cursor() as c2:
                c2.execute(f"SELECT * FROM auth_user_groups WHERE user_id = {i[0]}")
                g = c2.fetchall()
                u["groups"] = []
                for gi in g:
                    with connection.cursor() as c3:
                        c3.execute(f"SELECT * FROM auth_group WHERE id = {gi[2]}")
                        gd = c3.fetchone()
                        if gd:
                            u["groups"].append(gd[1])
            d.append(u)

        time.sleep(0.1)

        return Response({"data": d, "count": len(d)})

レビューの実行

結構、的を射た指摘がされている

感想

かなり実用的でレビューの負担軽減やレビュー漏れの軽減に繋がりそう
細かい指摘やpush毎のレビューもノイズにならない範囲で導入していきたい