Shelpuk & Company
    Open Source
    MCP Server

    Lad Code Review

    Revue de code IA contextuelle pour agents de codage IA. Le seul MCP de revue de code IA qui comprend le contexte de votre projet. Architecture double-reviewer qui détecte ce que les revues à modèle unique manquent.

    Voir sur GitHub

    "Configuration fantastique. A amélioré la qualité de génération de code de Claude Code de 15–20 % pour les projets commerciaux de notre entreprise."

    Ostap Dribniuk
    Ostap DribniukSenior Software Engineer chez Relevant Software

    Partie de notre suite de codage IA

    TDD pour agents IA orchestre notre boîte à outils open source complète. Il appelle Kindly pour vérifier les hypothèses et Lad pour revoir les conceptions et le code.

    Pourquoi Lad est différent

    Zero-Config OpenRouter

    Récupère les métadonnées des modèles directement depuis l'API OpenRouter. Les nouveaux modèles fonctionnent immédiatement — aucune configuration manuelle nécessaire.

    Mode double-reviewer

    Deux reviewers fonctionnent en parallèle (Kimi K2 + GLM-4.7 par défaut). Réduit les biais et détecte plus de problèmes.

    Revue contextuelle du projet

    Intégration optionnelle Serena pour la mémoire à long terme du projet, l'indexation du code et le contexte historique.

    Intégration workflow

    Outils séparés pour la revue de conception système et la revue de code. Les deux supportent l'entrée texte et les références de fichiers.

    Outils MCP

    Chaque outil exécute deux reviewers supportés par OpenRouter en parallèle et renvoie les deux sorties plus un résumé synthétisé.

    system_design_review

    Revue des propositions architecturales, documents de conception et décisions de planification.

    code_review

    Revue du code d'implémentation, des diffs et des changements de fichiers.

    Modèles de reviewers par défaut

    Primary: moonshotai/kimi-k2-thinking
    Secondary: z-ai/glm-5-turbo

    Les deux sont des modèles open source à l'état de l'art. Configurables via des variables d'environnement.

    Ce que Lad remplace

    Configuration manuelle des modèles OpenRouter
    Reviewers de code IA sans contexte
    Outils séparés pour la revue de conception vs. code
    Ré-explication constante des exigences

    Une suite, trois outils

    TDD pour agents IA est l'orchestrateur qui lie nos outils de codage IA open source en un workflow de développement complet.

    Clients supportés

    Lad fonctionne avec tout client MCP prenant en charge les serveurs stdio :

    Codex (OpenAI)
    Claude Code
    Gemini CLI
    Cursor
    Windsurf
    Antigravity (Google IDE)

    Prêt à détecter ce que votre agent de codage IA laisse passer ?

    Déployez Lad dans votre cloud privé ou recrutez les ingénieurs qui l'ont construit.

    Star sur GitHub

    Questions fréquentes

    Réponses aux questions fréquentes sur ce sujet.

    Comment améliorer la qualité des revues de code assistées par IA ?

    Outil de revue de code propulsé par l'IA qui impose les bonnes pratiques, détecte les bugs tôt et améliore la qualité du code. Shelpuk AI Technology Consulting a conçu Lad à partir d'expérience concrète de review de code IA et de propositions d'architecture.

    Comment l'approche dual-reviewer de Lad renforce-t-elle la qualité des décisions code et system design ?

    Lad combine plusieurs perspectives de review pour détecter risques, contradictions et hypothèses manquantes souvent ignorées par une review unique. Shelpuk AI Technology Consulting utilise ce cadre pour augmenter le signal de review et réduire les régressions évitables.

    Quelle intégration est recommandée pour Lad dans des pipelines engineering ?

    La meilleure pratique relie Lad aux étapes de review pull request et architecture avec critères explicites de sévérité, confiance et suivi. Shelpuk AI Technology Consulting accompagne l'implémentation dans des clients MCP compatibles avec un plan de rollout pragmatique.

    Comment raisonner sur le coût lors d'une adoption de Lad open source en production ?

    L'outil est open source, et les coûts de production viennent surtout de l'intégration workflow, du tuning de policies et de la gouvernance qualité. Shelpuk AI Technology Consulting fournit des services de conseil et de delivery pour installer des quality gates fiables autour des agents de coding IA.