CodeHealth MCP Server by CodeScene
CodeSceneのCodeHealth™ MCP Serverは、決定論的なCodeHealthメトリクスを任意のAIコーディングアシスタントに公開し、AIが生成する変更を継続的に評価し、自己修正リファクタリングループを駆動して技術的負債を防止し、コードを保守可能に保つローカルMCPサービスです。
https://codescene.com/product/mcp-server?ref=producthunt&utm_source=aipure
製品情報
更新日:2026年05月19日
CodeHealth MCP Server by CodeSceneとは
CodeSceneのCodeHealth™ MCP Serverは、AIコーディングアシスタント（例：GitHub Copilot、Cursor、Windsurf、Claude Code、その他のMCP互換ツール）がCodeSceneのCodeHealth分析をローカルリポジトリから直接クエリできるようにするモデルコンテキストプロトコル（MCP）サーバーです。構造的複雑性やその他のコード健全性要因などの客観的な保守性と変更リスクシグナルに基づいて提案やリファクタリングを行うことで、AI支援コーディングをより安全で信頼性の高いものにするように設計されています。このサーバーはユーザーの管理下でローカルで実行され、CodeHealthを客観的な品質ゲートとして使用して、AIの出力を保護し、レガシーコードを改善し、保守性の期待値を標準化するのに役立ちます。
CodeHealth MCP Server by CodeSceneの主な機能
CodeSceneによるCodeHealth™ MCPサーバーは、CodeSceneのCodeHealth保守性と変更リスク分析をAIフレンドリーなツールとして公開するローカルモデルコンテキストプロトコル（MCP）サービスです。これにより、コーディングアシスタント（Copilot、Cursor、Claude Codeなど）は、構造的な問題を検出し、客観的なしきい値（AI対応のCode Health ~9.5–10を目指す）に向けてリファクタリングし、技術的負債の導入を回避できます。このサービスは、コード変更が継続的に再評価され、AIが構造化されたフィードバックで保守性を向上させるようにガイドされる自己修正ワークフローをサポートします。これは、単にテストをパスさせるだけでなく、分析とソースコードを開発者のマシン上に保持しながら行われます。
CodeHealth分析用のローカルMCPサーバー: ローカル環境で完全に実行され、MCPツールを介してCodeSceneのCodeHealthインサイトを公開します。これにより、アシスタントやエージェントは、ソースコードを外部のLLMベンダーに送信することなく、リポジトリから直接保守性およびリスクシグナルを照会できます。
決定論的なCodeHealth™品質ゲート: 客観的なCodeHealthメトリクス（1～10スケール）とファイルレベルのレビューを使用して、具体的な保守性の問題（例：複雑性、深いネスト、低い凝集度）を特定し、AI支援作業に適したしきい値を強制します。
自己修正リファクタリングループ: AIが変更を提案すると、サーバーはCodeHealthを再チェックし、リスクが増加した場合に構造化されたガイダンスを返し、保守性目標が達成されるまでエージェントに反復を促します。
AI対応レガシー改善ワークフロー: code_health_reviewなどのツールを使用して、レビュー→計画→リファクタリング→再測定のアプローチをサポートし、より大規模なエージェント機能作業を試みる前に、チームが不健全なレガシーコードをモジュール化して改善するのに役立ちます。
AGENTS.mdによるエージェントガイダンス: エージェントがMCPツールをどのように使用すべきか（例：早期にレビューを実行する、コミット/PR前に保護する、回帰時にループする）をコード化するメカニズムを提供し、チームがアドホックなツール使用ではなく、一貫性のある再現可能なAIワークフローを得られるようにします。
幅広いアシスタント/IDEおよび言語互換性: モデルに依存せず、エージェントワークフロー向けに設計されています。MCPを介して多くのAIアシスタント/IDEと統合し、CodeScene分析を通じて30以上のプログラミング言語をサポートします。
CodeHealth MCP Server by CodeSceneのユースケース
保守性保護機能を備えたAI支援コーディング: Copilot/Cursor/Claude Codeを使用しているチームは、AIが生成した差分をCodeHealthシグナルと照合して自動的にチェックし、保守性が低下した場合にリファクタリングループを要求することで、AIによって引き起こされる技術的負債のリスクを軽減できます。
機能自動化前のレガシーシステムの近代化: エンジニアリング組織は、大規模で不健全なファイル/関数を特定し、ガイド付きリファクタリング手順を使用してモジュール性と可読性を向上させ、エージェントが安全に機能を実装できる「AI対応サーフェス」を拡大できます。
規制業界向けのプルリクエスト品質ゲート: 金融/ヘルスケア/エンタープライズ環境では、チームはプレコミットおよびPR指向の保護機能を使用して、レビューおよびコンプライアンスプロセスの一部として保守性標準を強制し、コード品質決定の監査可能性を向上させることができます。
高スループット製品チームにおける開発者生産性の向上: 急速に変化するSaaS/eコマース組織は、開発中にCodeHealthチェックを要求することでAIの使用を標準化し、レビュー負荷を軽減し、AI支援による変更への信頼性を向上させることができます。
エンジニアリングリーダーシップのためのリファクタリングROIと優先順位付け: リーダーは、CodeHealthにリンクされたビジネスインパクト/ROI計算を使用してリファクタリング作業の優先順位を付け、保守性の改善を速度、欠陥リスク、メンテナンスコストの結果に結びつけることで、投資を正当化できます。
メリット
ユーザーの管理下でローカルで実行されます。ソースコードや分析データをクラウドプロバイダー/LLMベンダーに送信する必要はありません。
客観的で再現性のある保守性フィードバック（CodeHealth）により、主観的な「クリーンコード」のアドバイスではなく、決定論的なリファクタリングループが可能になります。
モデルに依存しないMCP統合は、複数のアシスタント/IDEで動作し、ポリグロットコードベースをサポートします。
デメリット
セットアップと構成（トークン、MCPクライアント統合、オプションのオンプレミスURL/SSL設定）が必要であり、初期の摩擦が生じる可能性があります。
チームが規律あるワークフロー（例：AGENTS.mdルールと繰り返しチェック）を採用した場合に最も効果的です。保護機能が無視された場合、メリットは限定的になる可能性があります。
一部の高度な自動化（例：非常に大規模な関数に対するACE支援の再構築）はオプションであり、追加のライセンスが必要になる場合があります。
CodeHealth MCP Server by CodeSceneの使い方
1) CodeSceneアクセストークンを取得する: CodeHealth MCP Server用のCS_ACCESS_TOKENを作成または取得します。このトークンにより、ローカルMCPサーバーはCodeSceneのCodeHealth分析にアクセスできます。
2) インストール方法を選択する（npx / global npm / Homebrew）: いずれかを選択してください: (a) インストールせずに実行: `npx @codescene/codehealth-mcp`（初回実行時に正しいプラットフォームバイナリをダウンロードしてキャッシュします）。 (b) グローバルにインストール: `npm install -g @codescene/codehealth-mcp`。 (c) Homebrew経由でmacOS/Linux: `brew tap codescene-oss/codescene-mcp-server https://github.com/codescene-oss/codescene-mcp-server` の後、`brew install cs-mcp`。
3) サーバーコマンドが利用可能であることを確認する: 選択した方法でMCPサーバーコマンドを起動できることを確認します（例: `npx @codescene/codehealth-mcp` または `cs-mcp`）。初回実行時にプラットフォーム固有のバイナリがダウンロードされ、将来の使用のためにキャッシュされる場合があります。
4) AIアシスタント（MCPクライアント）にMCPサーバーを登録する: アシスタントのMCP設定に新しいMCPサーバーエントリを追加して、stdio経由でサーバーを起動できるようにします。一般的な設定では、`command: npx` と `args: ["@codescene/codehealth-mcp"]` を使用します（Homebrew/グローバル経由でインストールした場合は `command: cs-mcp`）。
5) 必要な環境変数を提供する（最低限CS_ACCESS_TOKEN）: MCPサーバー設定（または環境）に`CS_ACCESS_TOKEN`を設定します。MCPクライアントによって提供される環境変数は、サーバー側の設定ファイルよりも優先されます。
6) (オプション) CodeSceneオンプレミスURLを設定する: オンプレミスのCodeSceneインスタンスを使用している場合は、MCPサーバー環境に`CS_ONPREM_URL`（例: `https://codescene.mycompany.com`）を設定します。
7) (オプション) カスタムTLS/CA証明書を設定する: オンプレミスインスタンスが内部CAを使用している場合、MCPサーバーがTLS接続を検証できるように、`REQUESTS_CA_BUNDLE`を内部CA証明書ファイルのパスに設定します。
8) リポジトリにエージェントガイダンスを追加する（推奨）: ライセンスに一致するエージェントガイダンスファイルをリポジトリにコピーして、AIエージェントが意図したワークフローとセーフガードに従うようにします。CodeScene Coreユーザーは`AGENTS-full.md`、スタンドアロンライセンスユーザーは`AGENTS-standalone.md`、Amazon Qの場合は`.amazonq/rules`を使用します。
9) アシスタント経由でCodeHealthツールの使用を開始する: AIアシスタントでCodeScene MCPツールを呼び出し、CodeHealthシグナルに基づいて変更を行います。不明な場合は、推測するのではなく適切なCodeScene MCPツールを呼び出し、早い段階で正しいCodeSceneプロジェクトを選択します（例: `select_codescene_project`経由）。
10) 変更を加える前にコード健全性レビューを実行する: MCPツール（例: `code_health_review`）を使用して、現在の保守性を評価し、具体的な問題（複雑性、深いネスト、低い凝集度）を特定します。スコアを測定可能な目標として使用します（AI対応コードの場合は9.5～10を目指します）。
11) 小さなステップでリファクタリングし、再測定する: レビュー → 計画 → リファクタリング → 再測定のループに従います。各変更後、CodeHealthレビューを再実行して、保守性が向上し、リスクが増加しないことを確認します。
12) コミットまたはPRを開く前にセーフガードを使用する: コミットする前に、MCPセーフガードツール（例: `pre_commit_code_health_safeguard`）を実行してリグレッションを検出します。CodeHealthが低下したり、リスクが増加したりする場合は、しきい値が満たされるまで自己修正リファクタリングループに入ります。
13) (オプション) 大規模なレガシー再構築のためにACEを有効にする: 個別のACEアドオンライセンスをお持ちの場合、MCPサーバーにACEアクセストークンを提供して、非常に大きな関数の初期再構築を加速します。ACEはオプションです。MCPだけでも十分な場合が多いです。
14) チーム全体でワークフローの一貫性を保つ: リポジトリガイダンス（AGENTSファイル）を使用して、エージェントがツールを組み合わせる方法を標準化します。早期にレビューを実行し、変更を継続的に保護し、CodeHealthが低下した場合はリファクタリングループを要求することで、AI支援コーディングが保守可能であり、技術的負債を回避できるようにします。
CodeHealth MCP Server by CodeSceneのよくある質問
AIコーディングアシスタントとエージェントが開発中にCodeSceneのCodeHealth™分析にアクセスできるようにするローカルモデルコンテキストプロトコル（MCP）サービスであり、客観的な保守性と変更リスクシグナルを実行可能なツールとして提供します。
CodeHealth MCP Server by CodeSceneに類似した最新のAIツール
Gait
Gaitは、AI支援コード生成とバージョン管理を統合するコラボレーションツールであり、チームがAI生成コードのコンテキストを効率的に追跡、理解、共有できるようにします
invoices.dev
invoices.devは、開発者のGitコミットから直接請求書を生成する自動請求プラットフォームで、GitHub、Slack、Linear、Googleサービスとの統合機能を備えています。
EasyRFP
EasyRFPは、RFP（提案依頼）の応答を効率化し、深層学習技術を通じてリアルタイムのフィールド表現型を可能にするAI駆動のエッジコンピューティングツールキットです
Cart.ai
Cart.aiは、コーディング、顧客関係管理、ビデオ編集、eコマースの設定、カスタムAI開発を含む包括的なビジネス自動化ソリューションを提供するAI駆動のサービスプラットフォームで、24時間365日のサポートがあります
CodeHealth MCP Server by CodeSceneに似た人気のAIツール
GitHub Copilot Chat
GitHub Copilot Chatは、自然言語の対話、リアルタイムのコード提案、そしてサポートされているIDEおよびGitHub.com内での文脈に応じた支援を提供するAI駆動のコーディングアシスタントです
CopilotForXcode
CopilotForXcodeは、Xcode内でAI駆動のコード提案、チャット支援、プロンプトからコードへの機能を提供するXcodeソースエディタ拡張機能です。
BrowserAI
BrowserAI is an open-source library that enables running local Large Language Models (LLMs) directly in web browsers with WebGPU acceleration, offering privacy-focused AI capabilities without requiring server infrastructure.
OpenAI Codex CLI
OpenAI Codex CLIは、ターミナルで実行される軽量なオープンソースのコーディングエージェントであり、開発者は自然言語をコード実行に変換し、コードを実行し、ファイルを操作し、バージョン管理下で反復処理できるChatGPTレベルの推論を提供します。