Second Opinion

Revise commits e bases de código usando LLMs externos como OpenAI, Google Gemini e Mistral.

Documentação

Second Opinion 🔍

Um servidor MCP (Model Context Protocol) que auxilia o Claude Code na revisão de commits e bases de código. Esta ferramenta utiliza LLMs externos (OpenAI, Google Gemini, Ollama, Mistral) para fornecer recursos inteligentes de revisão de código, análise de git diff, avaliação de qualidade de commits e análise de trabalho não commitado.

Recursos

Análise de Git Diff: Analise a saída do git diff para entender alterações de código usando LLMs
Revisão de Código: Revise código quanto à qualidade, segurança e boas práticas com assistência de IA
Análise de Commits: Analise commits git quanto à qualidade e adesão às boas práticas
Análise de Trabalho Não Commitado: Analise todas as alterações não commitadas ou apenas as alterações em staged
Informações do Repositório: Obtenha informações sobre repositórios git
Suporte a Múltiplos LLMs: Funciona com OpenAI, Google Gemini, Ollama (local) e Mistral AI
🚀 Otimização Inteligente: Alocação dinâmica de tokens e ajuste de temperatura específico por tarefa
⚡ Ajuste de Desempenho: Otimizações específicas por provedor e particionamento consciente de memória
Segurança: Validação de entrada, manipulação segura de caminhos e proteção de chaves de API
Segurança de Memória: Limites de memória configuráveis e suporte a streaming para diffs grandes

Instalação

Pré-requisitos

Go 1.20 ou superior
Git
Aplicativo de desktop Claude Code

Compilar a partir do código-fonte

Clone o repositório:

git clone https://github.com/dshills/second-opinion.git
cd second-opinion

Instale as dependências:

go mod tidy

Compile o servidor:

go build -o bin/second-opinion

Configuração

O Second Opinion suporta dois métodos de configuração, com a seguinte ordem de prioridade:

Arquivo de Configuração JSON (preferido): ~/.second-opinion.json no seu diretório pessoal
Variáveis de Ambiente: Usando o arquivo .env ou variáveis de ambiente do sistema

Configuração JSON (Recomendada)

Crie um arquivo .second-opinion.json no seu diretório pessoal:

{
  "default_provider": "openai",
  "temperature": 0.3,
  "max_tokens": 4096,
  "server_name": "Second Opinion 🔍",
  "server_version": "1.0.0",
  "openai": {
    "api_key": "sk-your-openai-api-key",
    "model": "gpt-5-mini"
  },
  "google": {
    "api_key": "your-google-api-key",
    "model": "gemini-2.0-flash-exp"
  },
  "ollama": {
    "endpoint": "http://localhost:11434",
    "model": "devstral:latest"
  },
  "mistral": {
    "api_key": "your-mistral-api-key",
    "model": "mistral-small-latest"
  },
  "memory": {
    "max_diff_size_mb": 10,
    "max_file_count": 1000,
    "max_line_length": 1000,
    "enable_streaming": true,
    "chunk_size_mb": 1
  }
}

🚀 Recursos de Otimização Inteligente:

Alocação Dinâmica de Tokens: Ajusta automaticamente os tokens (4096-32768) com base no tamanho do diff
Temperatura Específica por Tarefa: Otimiza a temperatura (0.1-0.3) com base no tipo de análise
Otimização por Provedor: Parâmetros personalizados para cada provedor de LLM
Gerenciamento de Memória: Particionamento automático para diffs grandes e alta contagem de arquivos

Configuração por Variáveis de Ambiente

Se nenhuma configuração JSON for encontrada, o servidor recorre às variáveis de ambiente:

Copie o arquivo de exemplo de ambiente:

cp .env.example .env

Edite o .env e configure seus provedores de LLM:

# Set your default provider
DEFAULT_PROVIDER=openai  # or google, ollama, mistral

# Configure each provider with its own API key and preferred model
OPENAI_API_KEY=sk-your-openai-api-key
OPENAI_MODEL=gpt-5-mini  # or gpt-5, gpt-5-nano, gpt-5-chat-latest, gpt-4o, gpt-4o-mini, gpt-4-turbo, gpt-3.5-turbo

GOOGLE_API_KEY=your-google-api-key
GOOGLE_MODEL=gemini-2.0-flash-exp  # or gemini-1.5-flash, gemini-1.5-pro

OLLAMA_ENDPOINT=http://localhost:11434
OLLAMA_MODEL=devstral:latest  # or llama3.2, codellama, mistral, etc.

MISTRAL_API_KEY=your-mistral-api-key
MISTRAL_MODEL=mistral-small-latest  # or mistral-large-latest, codestral-latest

# Global settings apply to all providers
LLM_TEMPERATURE=0.3  # Controls randomness (0.0-2.0, default: 0.3)
LLM_MAX_TOKENS=4096  # Maximum response length (default: 4096)

Configuração com o Claude Code

1. Localize a Configuração do Claude Code

O local do arquivo de configuração depende do seu sistema operacional:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

2. Edite a Configuração

Abra o arquivo de configuração e adicione o servidor Second Opinion:

Opção 1: Usando Configuração JSON (Recomendada)

{
  "mcpServers": {
    "second-opinion": {
      "command": "/path/to/second-opinion/bin/second-opinion"
    }
  }
}

Substitua /path/to/second-opinion pelo caminho real onde você clonou o repositório.

Opção 2: Usando Variáveis de Ambiente

{
  "mcpServers": {
    "second-opinion": {
      "command": "/path/to/second-opinion/bin/second-opinion",
      "env": {
        "DEFAULT_PROVIDER": "openai",
        "OPENAI_API_KEY": "your-openai-api-key",
        "OPENAI_MODEL": "gpt-5-mini",
        "LLM_TEMPERATURE": "0.3",
        "LLM_MAX_TOKENS": "4096"
      }
    }
  }
}

3. Reinicie o Claude Code

Após salvar a configuração, reinicie o Claude Code para que as alterações tenham efeito.

4. Verifique a Instalação

No Claude Code, você deve ver "second-opinion" na lista de servidores MCP. Você pode testá-lo perguntando:

"What git repository information can you get from the current directory?"

Ferramentas Disponíveis

1. `analyze_git_diff` 🚀 Otimizado

Analisa a saída do git diff para entender alterações de código usando o LLM configurado com otimização automática.

Parâmetros:

diff_content (obrigatório): Saída do git diff a ser analisada
summarize (opcional): Se deve fornecer um resumo das alterações
provider (opcional): Provedor de LLM a ser usado (substitui o padrão)
model (opcional): Modelo a ser usado (substitui o padrão do provedor)

Otimizações Inteligentes:

Alocação Dinâmica de Tokens: 4096-32768 tokens com base no tamanho do diff
Ajuste de Temperatura: 0.25 otimizado para análise de diff
Particionamento: Particionamento automático para diffs grandes (>10MB ou >1000 arquivos)
Específico por Provedor: Parâmetros personalizados por provedor de LLM

Exemplo no Claude Code:

"Analyze this git diff and tell me what changed: [paste diff here]"

2. `review_code` 🚀 Otimizado

Revisa código quanto à qualidade, segurança e boas práticas usando o LLM configurado com otimização específica por tarefa.

Parâmetros:

code (obrigatório): Código a ser revisado
language (opcional): Linguagem de programação do código
focus (opcional): Área de foco específica - security, performance, style ou all
provider (opcional): Provedor de LLM a ser usado (substitui o padrão)
model (opcional): Modelo a ser usado (substitui o padrão do provedor)

Otimizações Inteligentes:

Temperatura Específica por Tarefa: 0.1 para foco em segurança (alta precisão), 0.2 para revisão geral de código
Alocação Dinâmica de Tokens: Escala com o tamanho do código para análise abrangente
Análise Consciente do Foco: Prompts e parâmetros especializados por área de foco

Exemplo no Claude Code:

"Review this Python code for security issues: [paste code here]"

3. `analyze_commit` 🚀 Otimizado

Analisa um commit git quanto à qualidade e adesão às boas práticas usando o LLM configurado com otimização específica para commits.

Parâmetros:

commit_sha (opcional): SHA do commit git a ser analisado (padrão: HEAD)
repo_path (opcional): Caminho para o repositório git (padrão: diretório atual)
provider (opcional): Provedor de LLM a ser usado (substitui o padrão)
model (opcional): Modelo a ser usado (substitui o padrão do provedor)

Otimizações Inteligentes:

Temperatura para Análise de Commits: 0.2 para análise de commits consistente e determinística
Processamento de Diff Seguro para Memória: Lida com commits grandes com truncamento automático
Análise Combinada: Inclui qualidade da mensagem do commit, análise de diff e boas práticas

Exemplo no Claude Code:

"Analyze the latest commit in this repository"
"Analyze commit abc123 and tell me if it follows best practices"

4. `analyze_uncommitted_work` 🚀 Otimizado

Analisa alterações não commitadas em um repositório git para ajudar na preparação de commits com otimização inteligente.

Parâmetros:

repo_path (opcional): Caminho para o repositório git (padrão: diretório atual)
staged_only (opcional): Analisar apenas alterações em staged (padrão: falso, analisa todas as alterações não commitadas)
provider (opcional): Provedor de LLM a ser usado (substitui o padrão)
model (opcional): Modelo a ser usado (substitui o padrão do provedor)

Otimizações Inteligentes:

Temperatura para Revisão de Código: 0.2 para análise equilibrada de alterações não commitadas
Manipulação de Grandes Conjuntos de Alterações: Particionamento automático para modificações extensas
Análise Consciente do Contexto: Análise personalizada para trabalho em staged vs. todo o trabalho não commitado

A Análise do LLM Inclui:

Resumo de todas as alterações (arquivos modificados, adicionados, excluídos)
Tipo e natureza das alterações (recurso, correção de bug, refatoração, etc.)
Completude e prontidão para commit
Problemas ou preocupações potenciais
Mensagem(ens) de commit sugerida(s) se as alterações estiverem prontas
Recomendações para organizar commits se as alterações devem ser divididas

Exemplo no Claude Code:

"Analyze my uncommitted changes and suggest a commit message"
"Review only my staged changes before I commit"
"Should I split my current changes into multiple commits?"

5. `get_repo_info`

Obtém informações sobre um repositório git (sem análise de LLM).

Parâmetros:

repo_path (opcional): Caminho para o repositório git (padrão: diretório atual)

Exemplo no Claude Code:

"Show me information about this git repository"

Recursos de Segurança

Validação de Entrada: Todos os caminhos de repositório e SHAs de commit são validados para prevenir injeção de comandos
Restrições de Caminho: Os caminhos do repositório devem estar dentro do diretório de trabalho atual
Proteção de Chaves de API: As chaves de API nunca são expostas em mensagens de erro ou logs
Timeouts HTTP: Todas as chamadas de API de LLM têm timeouts de 30 segundos para evitar travamentos
Acesso Concorrente: Gerenciamento de provedores seguro para threads para solicitações concorrentes

Sistema de Otimização 🚀

O Second Opinion inclui um sistema de otimização abrangente que ajusta automaticamente o desempenho com base no conteúdo e contexto:

Alocação Dinâmica de Tokens

4096 tokens: Diffs muito pequenos (<5KB)
6144 tokens: Diffs pequenos (5-20KB)
8192 tokens: Diffs médios (20-50KB)
12288 tokens: Diffs grandes (50-150KB)
16384 tokens: Diffs muito grandes (150-500KB)
32768 tokens: Diffs enormes (>500KB)

Configurações de Temperatura Específicas por Tarefa

0.1: Revisões de segurança (precisão máxima)
0.2: Revisões de código e análise de commits (majoritariamente determinísticas)
0.25: Análise de diff (levemente flexível)
0.3: Revisões de arquitetura (permite criatividade)

Otimizações Específicas por Provedor

OpenAI: Alocação total de tokens com top_p=0.9
Google: Limitado a 8192 tokens com amostragem focada (top_k=20, top_p=0.8)
Mistral: Alocação conservadora com top_p=0.8
Ollama: Otimização de modelo local com repeat_penalty=1.05

Gerenciamento de Memória

Particionamento Automático: Diffs grandes (>10MB ou >1000 arquivos) são divididos de forma inteligente
Tamanho Inteligente de Partições: Adapta o tamanho das partições com base na contagem de arquivos
Streaming Consciente de Memória: Habilita streaming para operações grandes

Desenvolvimento

Estrutura do Projeto

second-opinion/
├── main.go              # MCP server setup and tool registration
├── handlers.go          # Tool handler implementations
├── validation.go        # Input validation functions
├── config/              # Configuration loading and optimization
│   ├── config.go        # Main configuration with optimization methods
│   └── optimization_test.go # Comprehensive optimization tests
├── llm/                 # LLM provider implementations
│   ├── provider.go      # Provider interface, prompts, and optimization wrapper
│   ├── openai.go        # OpenAI implementation
│   ├── google.go        # Google Gemini implementation
│   ├── ollama.go        # Ollama implementation with advanced options
│   └── mistral.go       # Mistral implementation with additional parameters
├── CLAUDE.md           # Claude Code specific instructions
└── TODO.md             # Development roadmap

Executando Testes

# Run all tests
go test ./... -v

# Run optimization tests specifically
go test ./config -v

# Run specific test suites
go test ./llm -v -run TestProviderConnections

# Run with race detection
go test -race ./...

# Run with coverage
go test -cover ./...

Linting

# Install golangci-lint if not already installed
go install github.com/golangci/golangci-lint/cmd/golangci-lint@latest

# Run linter
golangci-lint run

# Auto-fix issues where possible
golangci-lint run --fix

Compilação

# Build for current platform
go build -o bin/second-opinion

# Build with race detector (for development)
go build -race -o bin/second-opinion

# Build for different platforms
GOOS=darwin GOARCH=amd64 go build -o bin/second-opinion-darwin-amd64
GOOS=linux GOARCH=amd64 go build -o bin/second-opinion-linux-amd64
GOOS=windows GOARCH=amd64 go build -o bin/second-opinion-windows-amd64.exe

Solução de Problemas

Problemas Comuns

Erro "Provider not configured"
- Certifique-se de ter configurado ~/.second-opinion.json ou variáveis de ambiente
- Verifique se as chaves de API são válidas e têm as permissões apropriadas
Erro "Not a git repository"
- Certifique-se de estar executando a ferramenta em um diretório com uma pasta .git
- A ferramenta valida que os caminhos são repositórios git por segurança
Erros de timeout
- Verifique sua conexão com a internet
- Para Ollama, certifique-se de que o servidor local esteja em execução: ollama serve
- Considere usar um modelo mais rápido se os timeouts persistirem
Erros de permissão negada
- A ferramenta só permite acesso ao diretório de trabalho atual e subdiretórios
- Certifique-se de que o binário tenha permissões de execução: chmod +x bin/second-opinion

Modo de Depuração

Para ver logs detalhados, você pode executar o servidor diretamente:

./bin/second-opinion 2>debug.log

Contribuindo

Contribuições são bem-vindas! Por favor:

Faça um fork do repositório
Crie um branch de recurso
Certifique-se de que todos os testes passem e o linting esteja limpo
Envie um pull request

Consulte TODO.md para recursos planejados e problemas conhecidos.

Uso de Memória

Para repositórios grandes, consulte docs/MEMORY_USAGE.md para opções de configuração para lidar com diffs grandes de forma eficiente.

Licença

MIT

Second Opinion

Documentação

Second Opinion 🔍

Recursos

Instalação

Pré-requisitos

Compilar a partir do código-fonte

Configuração

Configuração JSON (Recomendada)

Configuração por Variáveis de Ambiente

Configuração com o Claude Code

1. Localize a Configuração do Claude Code

2. Edite a Configuração

3. Reinicie o Claude Code

4. Verifique a Instalação

Ferramentas Disponíveis

1. analyze_git_diff 🚀 Otimizado

2. review_code 🚀 Otimizado

3. analyze_commit 🚀 Otimizado

4. analyze_uncommitted_work 🚀 Otimizado

5. get_repo_info

Recursos de Segurança

Sistema de Otimização 🚀

Alocação Dinâmica de Tokens

Configurações de Temperatura Específicas por Tarefa

Otimizações Específicas por Provedor

Gerenciamento de Memória

Desenvolvimento

Estrutura do Projeto

Executando Testes

Linting

Compilação

Solução de Problemas

Problemas Comuns

Modo de Depuração

Contribuindo

Uso de Memória

Licença

1. `analyze_git_diff` 🚀 Otimizado

2. `review_code` 🚀 Otimizado

3. `analyze_commit` 🚀 Otimizado

4. `analyze_uncommitted_work` 🚀 Otimizado

5. `get_repo_info`