# Cloudflare の AI コードレビューは 7 体の専門家が同時に走るんだって！

やっほー、しぃちゃんだよ！今日はコードレビューを AI にまるっと任せる、しかも 1 体じゃなくて何体もの AI レビュアーを同時に走らせちゃうっていう、すごくワクワクするお話を見つけたよ。

## なにが発表されたの？

Cloudflare の Blog で「Orchestrating AI Code Review at scale（大規模な AI コードレビューのオーケストレーション）」っていう記事が公開されたの。Cloudflare は社内のマージリクエスト（MR）レビューを、[OpenCode](https://opencode.ai/) っていうオープンソースのコーディングエージェントを土台にした CI ネイティブな仕組みで自動化しているんだって。

1 体の万能レビュアーに任せるんじゃなくて、セキュリティ・パフォーマンス・コード品質・ドキュメント・リリース管理・コンプライアンスをそれぞれ担当する、最大 7 体の専門レビュアーを立ち上げるのがミソなんだよ。

しかもこれ、飾りじゃなくて本番でガンガン動いてて、30 日間（2026 年 3 月 10 日〜4 月 9 日）で 131,246 回のレビュー、48,095 件の MR、5,169 リポジトリをさばいたんだって。すごくない？

## なぜ大事なの？

コードレビューって、人間がやると時間もかかるし、レビュアーによって見るところも変わっちゃう。かといって「AI にレビューさせる」を 1 個のプロンプトでやろうとすると、セキュリティも性能もドキュメントも全部いっぺんに見てって欲張った結果、どれも浅くなりがちなんだよね。

そこで Cloudflare は「役割ごとに専門家を分ける」作戦にしたの。人間のチームでも、セキュリティに強い人とパフォーマンスに詳しい人がそれぞれ見るでしょ？あれを AI でやる感じ。おかげで各レビュアーは自分の担当だけに集中できて、指摘の質が上がるってわけ。

## これで何が変わるの？

MR の規模に応じて、レビューの重さを自動で変えてくれるのが賢いところ。変更が小さいときは軽く、大きいときはフル体制でってふうに、リスクの段階（tier）で振り分けるの。

- Trivial（10 行以下）: コーディネーター + 汎用レビュアーの 2 体だけ
- Lite（100 行以下）: 4 体くらい
- Full（100 行超 or 50 ファイル超）: 7 体以上のフル編成

しかも auth や crypto みたいなセキュリティに関わるファイルが混ざってたら、小さな変更でも必ずフルレビューに格上げされるんだって。安全側に倒す設計、えらい！

気になるお値段も MR の大きさ次第。全体の平均は 1 レビューあたり $1.19、中央値は $0.98 で、Trivial なら平均 $0.20、Full でも平均 $1.68。完了までの中央値は 3 分 39 秒だから、待ち時間もそんなに長くないんだよ。

## 深く潜ってみよう

仕組みをもうちょっと覗いてみよ。全体は [CI ネイティブ](https://developers.cloudflare.com/workers/ci-cd/) な作りで、コーディネーターの子プロセスが JSONL でイベントを吐き出しながら、[OpenCode の SDK](https://opencode.ai/docs/sdk/) 経由でサブレビュアーたちを起動していくの。

面白いのがモデルの使い分け。ぜんぶ最上位モデルにすると高くつくから、こんなふうに段階を分けてるんだ。

- 最上位（コーディネーターだけ）: Claude Opus 4.7、GPT-5.4
- 標準（コード品質・セキュリティ・パフォーマンス）: Claude Sonnet 4.6、GPT-5.3 Codex
- 軽量（ドキュメント・リリース・AGENTS.md）: Kimi K2.5

このモデル割り当ては、[Workers KV](https://developers.cloudflare.com/kv/) を裏に持つ [Cloudflare Worker](https://workers.cloudflare.com/) から実行時に差し替えられるようになってて、プロバイダーの調子が悪くてもコードを触らずに切り替えられるの。しかも 429 や 503 みたいなリトライ可能なエラーが出たら、フォールバックチェーン（例: opus-4-7 → opus-4-6）をたどってサーキットブレーカーで守る、まさに本番運用って感じ。

トークン節約の工夫もかしこいよ。コーディネーターのプロンプトから共有コンテキストのファイル（`shared-mr-context.txt`）を切り出して、各サブレビュアーはそれを読むだけにしたの。これで MR の情報が 7 倍に膨らむのを防いでる。結果、キャッシュヒット率は 85.7% にもなって、30 日で処理したトークンは約 1,200 億にのぼるんだって。

プロンプトインジェクション対策も抜かりなくて、`mr_input` のような境界タグ（XML 風のタグ）は丸ごと剥がして構造の乗っ取りを防いでるの。あと各レビュアーには「これは指摘しないで」っていう否定の指示も渡してて、たとえばセキュリティ担当は「起こりにくい前提が必要な理論上のリスク」は指摘しないようになってる。誤検知でうるさくならない工夫だね。

導入もかんたんで、チームは `.gitlab-ci.yml` に [GitLab CI コンポーネント](https://docs.gitlab.com/ci/components/)を include するだけ。エンジニアが `break glass` ってコメントすれば、指摘があっても強制承認できる逃げ道も用意されてるよ（実際の発動率は 0.6% だけ）。ちなみにこの仕組みは、以前紹介された [Cloudflare 社内の AI エンジニアリングスタック](https://blog.cloudflare.com/internal-ai-engineering-stack)の上で動いてるんだって。

もちろん万能じゃなくて、システム全体の設計意図がわからない・下流の影響を追いきれない・微妙な並行処理バグは見逃す、みたいな限界もちゃんと正直に書いてあったよ。

## まとめ

- Cloudflare が OpenCode ベースの CI ネイティブな AI コードレビュー基盤を公開。最大 7 体の専門レビュアーを同時に走らせる
- MR のリスク段階（Trivial / Lite / Full）で体制とコストを自動調整。平均 $1.19、完了までの中央値は 3 分 39 秒
- モデルは 3 段階に使い分け、Workers KV + Worker で実行時に差し替え可能。サーキットブレーカーやフォールバックで本番耐性もばっちり
- 共有コンテキストでトークン 7 倍増を防ぎ、キャッシュヒット率 85.7%。30 日で 13 万回超のレビュー実績
- CI にエージェントを組み込みたい人、AI レビューを“うるさくなく”回したい DevOps チームにめちゃくちゃ刺さる 1 本だよ！