CodeHealth™ MCP Server

CodeHealth™ MCP Serverとは？

CodeHealth™ MCP Serverは、CodeSceneのローカルインストール型MCP（Model Context Protocol）サーバーで、AIコーディング支援にコードヘルス指導を提供します。主な目的は、CodeSceneのCodeHealth™シグナルに対して変更をチェックし、修正フィードバックを返すことで、AI生成コードの保守性問題を防ぐことです。

CodeSceneによると、構造的指導なしでは最先端LLMはコードヘルス問題の約20%しか修正できません。MCP強化のCodeHealth™指導により、修正率は90–100%に達し、コードヘルス向上に伴い破壊リスクが低下すると報告されています。

主な機能

• ローカルMCPサーバーインストール（自己管理）: AI生成変更を承認前に検証するため、MCPサーバーをローカルで実行。
• モデル非依存の統合: 単一モデルに縛られず、AIアシスタントやエージェントにそのまま対応。
• リアルタイムCodeHealth™チェック: AIがコードを書く際、サーバーが変更をCodeHealth™シグナルで評価し、保守性リスクを検出。
• 構造化された自己修正フィードバックループ: リスクが増加したらフィードバックを返し、AIが調整・再試行。CodeHealth™閾値達成まで継続。
• 保守性重視のリファクタリング指導: AIがタスク完了後、サーバーが再評価を支援し、テスト通過だけでなく保守性を考慮したリファクタリングを実現。

CodeHealth™ MCP Serverの使い方

1. MCPサーバーをローカルインストールし、AIツールワークフローに設定。
2. AIコーディングアシスタント/エージェントを接続し、生成コード変更をMCPサーバーにCodeHealth™評価のため送信。
3. 通常通りAI支援編集を実行し、CodeHealth™チェックを有効化。リスク増加時に変更を要求。
4. 最終出力をレビュー。保守性重視のリファクタリングにより、レビュー・進化が容易。

ユースケース

• AI生成プルリクエストのガード: MCPサーバーを品質ゲートとして使用し、CodeHealth™閾値未達時に早期リスク検出とAI再試行を要求。
• レガシーコードのAI対応化: 古いコードベースでCodeHealth™指導を適用し、AI変更を安全・保守性の高い結果へ導く。
• AI編集の手動レビュー負担軽減: 従来多大な監視が必要だったチームが、MCPサーバー経由でコードヘルス初回評価を自動化。
• 反復可能なエージェントワークフロー構築: エージェントが複数編集を提案するワークフローで、自己修正ループが保守性基準達成まで調整。
• アシスタント指示での規律施行: 一部のユーザーがアシスタント（例: GitHub Copilot）に変更承認前にCodeScene MCPサーバー相談を指示設定。

FAQ

• CodeHealth™ MCP Serverは特定AIモデルに依存しますか？ いいえ。CodeSceneはモデル非依存で、AIアシスタントやエージェントにそのまま対応すると説明。

• サーバーはAIに変更を要求する判断をどうしますか？ AI執筆コード変更をCodeHealth™シグナルでチェックし、リスク増加時にフィードバックを返却。

• AIが変更後どうなりますか？ 生成コードを再評価し、保守性リファクタリングへAIを導き、CodeHealth™閾値達成まで継続。

• CodeHealth™ MCP Serverは特定エディタやアシスタントに紐づきますか？ エージェントワークフローとコンポーザブルAIツール向けで、MCP経由で複数AIコーディングアシスタントに対応。

代替案

• MCP指導なしの単純リンター/静的解析ツール使用: 特定問題を自動検出可能だが、生成中にAIへCodeHealth™式構造化・自己修正指導は提供せず。
• 手動コードレビューゲートのエージェントワークフロー採用: AI生成コードマージ前に人間レビュー必須。これはAI反復調整を促す自動MCPフィードバックループと異なる。
• 他のMCP対応コード品質/解析サービス: MCP使用中なら、コード変更のコンテキスト評価を提供する代替MCPサーバーと比較可能。ただし「CodeHealth™」シグナルと閾値はプロバイダーにより異なる。
• テスト通過重視のAI洗練（例: テスト通過まで反復）: 正確性を狙うが、CodeHealth™指導リファクタリングのような保守性リスク対応は不十分。