---
title: Kodus 調査レポート
tool_name: Kodus
tool_reading: コダス
category: AIコードレビュー
developer: Kodus
official_site: https://kodus.io/
date: '2026-03-05'
last_updated: '2026-06-19'
tags:
  - AI
  - オープンソース
  - コードレビュー
  - CI/CD
  - コーディング支援
  - 自動化
  - 開発者ツール
description: LLMを自由に選択でき、チームの規約を学習して自動でコードレビューを行うオープンソースのAIコードレビューエージェント。
quick_summary:
  has_free_plan: true
  is_oss: true
  starting_price: $10/月
  target_users:
    - 開発者
    - エンジニアリングチーム
  latest_highlight: 2026年6月にCockpit（エンジニアリングメトリクス）を強化し、設定のGit一元管理 (Centralized Config) を導入
  update_frequency: 高
evaluation:
  score: 80
  base_score: 70
  plus_points:
    - point: 4
      reason: オープンソースであり、セルフホストが可能。
    - point: 4
      reason: 任意のLLM（Claude, GPT-4, Geminiなど）を自由に選択できる「Model Agnostic」設計で、APIトークンに対するマージン（Zero Markup）がない。
    - point: 4
      reason: 自然言語でチームのレビュー基準（Kody Rules）を定義でき、アーキテクチャや標準を学習（Context Engine）する。
  minus_points:
    - point: -2
      reason: 比較的新しいツールであり、G2などの主要レビュープラットフォームでの評価蓄積がまだ少ない。
  summary: モデル選択の自由度とカスタマイズ性を重視し、AIのAPIコストを最適化したい開発チームに最適なオープンソースのコードレビューツール。
links:
  github: https://github.com/kodustech/kodus-ai
  deepwiki: https://deepwiki.com/kodustech/kodus-ai
  documentation: https://docs.kodus.io/
relationships:
  related_tools:
    - CodeRabbit
    - GitHub Copilot
---

# **Kodus 調査レポート**

## **1. 基本情報**

* **ツール名**: Kodus
* **ツールの読み方**: コダス
* **開発元**: Kodus
* **公式サイト**: [https://kodus.io/](https://kodus.io/)
* **関連リンク**:
  * GitHub: [https://github.com/kodustech/kodus-ai](https://github.com/kodustech/kodus-ai)
  * DeepWiki: [https://deepwiki.com/kodustech/kodus-ai](https://deepwiki.com/kodustech/kodus-ai)
  * ドキュメント: [https://docs.kodus.io/](https://docs.kodus.io/)
* **カテゴリ**: AIコーディング支援
* **概要**: Kodusは、チームのワークフローを学習し、品質、セキュリティ、パフォーマンスに関する正確なレビューを提供するオープンソースのAIコードレビューツールです。「CodeRabbitのオープンソースの代替」として位置付けられており、LLM（言語モデル）を自由に選択でき、AIコストへの上乗せ（Zero Markup）がない点が大きな特徴です。

## **2. 目的と主な利用シーン**

* **解決する課題**: コードレビューにかかる時間の削減、属人化しやすいレビュー基準の標準化、未実装の提案による技術的負債の可視化。
* **想定利用者**: ソフトウェアエンジニア、エンジニアリングマネージャー、DevOpsチーム。
* **利用シーン**:
  * プルリクエスト（PR）作成時の自動コードレビューによる、バグやセキュリティリスクの早期発見。
  * チーム固有のアーキテクチャやコーディング規約（Kody Rules）を適用した一貫性のあるレビューの実施。
  * JiraやNotionなどのビジネス要件とコード変更をリンクさせた、コンテキストを理解したレビューの実行（MCPサーバー連携）。

## **3. 主要機能**

* **AIによる自動コードレビュー**: パフォーマンスの懸念、セキュリティリスク、スタイルガイド違反などを自動でスキャンし、人間が見逃しやすい問題を指摘。
* **モデル非依存 (Model Agnostic)**: Claude、GPT-4、Gemini、Llamaなど、チームの好みやコスト要件に合わせて任意のAIモデルを選択可能。
* **Kody Rules（カスタムルール）**: 自然言語でレビューガイドラインを定義でき、チーム固有のアーキテクチャパターンやベストプラクティスを強制可能。
* **コンテキスト学習**: プロジェクト全体の構造とロジックを深く理解し、プロジェクトごとの固有のニーズに合わせたレビューを提供。
* **技術的負債の追跡 (Technical Debt Tracking)**: 実装されなかったAIの提案を自動的にIssue（課題）として変換し、技術的負債として蓄積・管理。
* **エンジニアリングメトリクス (Cockpit)**: デプロイ頻度、サイクルタイム、バグ率、PRサイズなどのメトリクスを監視できるダッシュボード。運用メトリクスのウェアハウスからの分析機能を強化。
* **集中管理 (Centralized Config)**: チーム全体の設定（Config-as-Code）を中央のGitリポジトリから一元管理・同期可能。
* **MCP (Model Context Protocol) サーバー連携**: JiraやNotionなどの外部ツールと連携し、仕様やタスクを理解した上でコードをレビュー可能。

## **4. 開始手順・セットアップ**

* **前提条件**:
  * GitHub、GitLab、Bitbucket、またはAzure DevOpsのいずれかのリポジトリ。
  * 自身のLLM APIキー（BYOK: Bring Your Own Key）。
* **インストール/導入**:
  * Gitプラットフォームからアプリをインストールして開始するか、以下のコマンドでCLIをインストール。

  ```bash
  curl -fsSL https://review-skill.com/install | bash
  ```

* **初期設定**:
  * 自身のAPIキー（OpenAI、Anthropic、Google等）を設定し、使用するモデルを選択。
* **クイックスタート**:
  * PRを作成すると自動でレビューが開始され、プラットフォームのUI上に直接コメントが追加される。

## **5. 特徴・強み (Pros)**

* **AIコストの透明性と最小化**: 自身のAPIキーを使用する「Zero Markup」モデルにより、AIの利用コストにマージンが上乗せされず、原価で利用できる。
* **オープンソースとセルフホスト**: コードは公開されており、RailwayのテンプレートやDockerを用いて自社インフラにセルフホスト可能なため、セキュリティ要件の厳しい企業にも適している。
* **強力なカスタマイズ性**: Kody Rulesに加え、Cursor、Copilot、Claude、Windsurfなどの既存ツールのルールファイルを自動検出し、一貫したレビュー基準を維持できる。

## **6. 弱み・注意点 (Cons)**

* **自身でAPIキーの管理が必要**: BYOK（Bring Your Own Key）モデルを最大限に活かすには、APIキーの管理と各プロバイダーへの支払い管理が別途必要になる。
* **新しいツールであること**: 比較的新しい製品のため、長年市場にある競合ツール（CodeRabbitなど）と比較すると、エンタープライズでの大規模な導入実績や日本語のコミュニティ情報はまだ少ない可能性がある。
* **日本語対応状況**: UIやドキュメントは主に英語であるが、LLMを通じたレビュー自体は日本語に対応している。

## **7. 料金プラン**

| プラン名 | 料金 | 主な特徴 |
|---------|------|---------|
| **Community** | 無料 | オープンソース。インディーズ開発者や小規模チーム向け。BYOK（自身のAPIキー）を使用し無制限のPRレビュー。最大10個のKody Rules。3つのアクティブプラグイン。セルフホストまたはKodusホスト。 |
| **Teams** | $10/月/開発者 | 成長中のチーム向け。BYOK。Kodusホスト。無制限のKody Rulesとプラグイン。エンジニアリングメトリクス(Cockpit)。Kody Agentの優先キュー。 |
| **Enterprise** | カスタム | 大規模組織向け。SSO対応。RBAC。Kodus AI Tokens APIキー（自前キー不要）での無制限PR。SOC2対応中のセキュリティ機能。専任サポート。 |

* **課金体系**: 開発者単位の月額または年額課金（年額は20%割引）。加えて、CommunityおよびTeamsプランではBYOKのため、LLMプロバイダーへのトークン利用料が直接発生する。
* **無料トライアル**: Teamsプランには14日間の無料トライアルあり（クレジットカード不要）。

## **8. 導入実績・事例**

* **導入企業**: Purple Metrics, R10, Mecanizou, Cred Aluga, Ikatec, Mainô, Vixting, Doji, Brendi, Lerian, ClickBus, Notificações Inteligentes, Pilar, Origen など。
* **導入事例**:
  * **Conta Voltz**: レビュー時間が40%短縮され、本番環境のバグが半減。
  * **Pilar**: 平均レビュー時間が数時間から数分に短縮。
  * **Icatec**: コードレビューにかかる時間が約30%減少し、AIがパフォーマンスやセキュリティについて価値あるインサイトを提供。

## **9. サポート体制**

* **ドキュメント**: [公式ドキュメント](https://docs.kodus.io/) が提供されている。
* **コミュニティ**: [Discord コミュニティ](https://discord.gg/TFZBRk9fT6) があり、セットアップの支援やユーザー間の情報交換が行われている。
* **公式サポート**: CommunityプランはDiscordサポート、Teamsプランはメールサポートと優先キュー、Enterpriseプランは専任サポート（月最大5時間）が提供される。

## **10. エコシステムと連携**

### **10.1 API・外部サービス連携**

* **API**: MCP (Model Context Protocol) サーバーとの連携機能を備えている。
* **外部サービス連携**:
  * **Gitプラットフォーム**: GitHub, GitLab, Bitbucket, Azure DevOps
  * **LLMプロバイダー**: OpenAI, Anthropic, Google (Gemini), DeepSeek, Meta (Llama), xAI (Grok), Zhipu AI (GLM)
  * **プロジェクト管理・知識管理**: Jira, Notion, Linear (MCP経由での連携)

### **10.2 技術スタックとの相性**

| 技術スタック | 相性 | メリット・推奨理由 | 懸念点・注意点 |
|:---|:---:|:---|:---|
| **各種Gitプラットフォーム** | ◎ | GitHub、GitLab等のPR/MR上で直接インラインコメントを行うネイティブな連携。 | Azure DevOpsやBitbucketでは、リアクション（Emoji）など一部機能が未対応の場合がある。 |
| **CLI / CI/CD** | ◯ | CLIツールが用意されており、ローカルやパイプライン内での実行が可能。 | 特になし |

## **11. セキュリティとコンプライアンス**

* **認証**: SSO (Enterpriseプラン)
* **データ管理**: ソースコードはリアルタイムで処理されるのみで、Kodusのサーバーには保存されない（No Code Storage）。データは転送中および静止時に暗号化される。
* **モデル学習**: 顧客のコードやデータはAIモデルの学習や改善には一切使用されない。
* **準拠規格**: SOC 2 (取得中)、ISO 27001 (取得中)、LGPD (準拠)、GDPR (準拠)。セルフホスト（Self-Hosted）も可能で、厳格なデータ主権要件を満たすことができる。

## **12. 操作性 (UI/UX) と学習コスト**

* **UI/UX**: PRを作成するだけで自動的にレビューが実行され、結果がGitプロバイダーのコメントとして付与されるため、既存の開発フローを妨げない。ダッシュボード（Cockpit）は直感的で、チームの生産性メトリクスを視覚的に把握できる。
* **学習コスト**: Kody Rulesは自然言語（Plain Language）で記述できるため、複雑な設定ファイルを学ぶ必要がなく、学習コストは非常に低い。既存のルールファイル（Cursorなど）の自動同期機能も学習コストの低下に寄与している。

## **13. ベストプラクティス**

* **効果的な活用法 (Modern Practices)**:
  * チームのコーディング規約や設計方針を「Kody Rules」として明確に定義し、AIに学習させることで、レビューのブレをなくし品質を安定させる。
  * MCPサーバーを利用してJiraやNotionを接続し、単なるコードの構文チェックだけでなく、ビジネス要件やタスクの仕様を満たしているかのレビューを行わせる。
* **陥りやすい罠 (Antipatterns)**:
  * プロンプトを工夫せずに、一般的なレビューのみを期待すると、他の一般的なAIツールと差が出ない。Kodusの強みであるコンテキスト学習とルール設定をサボらないこと。

## **14. ユーザーの声（レビュー分析）**

* **調査対象**: 公式サイトの顧客の声、X(Twitter)。G2などの主要レビューサイトにはまだレビューの登録なし。
* **総合評価**: G2, Capterraでの評価スコアはまだない。
* **ポジティブな評価**:
  * 「レビューの時間が数時間から数分に短縮され、エンジニアの体験が大きく向上した」
  * 「エラーハンドリングの改善や、見過ごされがちなパフォーマンス、セキュリティの提案が非常に役立っている」
  * 「自社の基準に合わせてルールをカスタマイズできる点が素晴らしい」
* **ネガティブな評価 / 改善要望**:
  * 公式サイト以外の外部レビューサイトでの声がまだ少なく、客観的なネガティブ評価は見当たりにくい。

## **15. 直近半年のアップデート情報**

* **2026-06-16**: (v2.1.22) Cockpit（エンジニアリングメトリクス）のアナリティクス運用ダッシュボードを強化。設定ファイル（Config-as-Code）のGitリポジトリ間同期・集中管理機能（Centralized Config）を導入。
* **2026-05-27**: (v2.1.19) Kody RulesのUI改善（孤立したルールのチップ数の修正など）、SSOログイン時のユーザープロビジョニング改善。
* **2025-12-12**: (v1.0.88) カスタムルールおよびプロンプト内でMCP (Model Context Protocol) が直接使用可能に。
* **2025-11-06**: (v1.0.82) BYOK (自身のAPIキー利用) のサポート開始、Context Engineの導入。
* **2025-10-02**: (v1.0.63) プラグイン連携機能 (Beta)、RBAC (ロールベースアクセス制御) の追加。
* **2025-09-09**: (v1.0.51) 新しいコードレビューエンジンの導入。
* **2025-08-29**: (v1.0.47) IDE（Cursorなど）のルールファイルとの自動同期機能を追加。

(出典: [Kodus Changelog](https://github.com/kodustech/kodus-ai/releases))

## **16. 類似ツールとの比較**

### **16.1 機能比較表 (星取表)**

| 機能カテゴリ | 機能項目 | 本ツール (Kodus) | CodeRabbit | GitHub Copilot |
|:---:|:---:|:---:|:---:|:---:|
| **基本機能** | PRの自動レビュー | ◎ | ◎ | ◯ |
| **柔軟性** | LLMの自由選択 (BYOK) | ◎<br><small>自由に選択可能</small> | △<br><small>モデル固定/選択制限あり</small> | ×<br><small>OpenAIモデルに固定</small> |
| **コスト** | AI利用料のマージン | ◎<br><small>ゼロマークアップ</small> | △<br><small>バンドル料金</small> | △<br><small>定額料金に含まれる</small> |
| **カスタマイズ** | チームルールの学習 | ◎<br><small>自然言語で設定可能</small> | ◯<br><small>設定ファイルで調整</small> | △<br><small>チャットコンテキスト依存</small> |
| **集中管理** | 設定のリポジトリ間同期 | ◎<br><small>Centralized Config機能</small> | -<br><small>不明/該当なし</small> | -<br><small>不明/該当なし</small> |
| **デプロイ** | セルフホスト対応 | ◎ | ◯<br><small>Enterpriseプランのみ</small> | × |

### **16.2 詳細比較**

| ツール名 | 特徴 | 強み | 弱み | 選択肢となるケース |
|---------|------|------|------|------------------|
| **Kodus** | モデル非依存のオープンソースAIレビュー。 | LLM選択の自由、AIコストゼロマージン、セルフホスト可能、MCPによる外部ツール連携。 | 新興ツールのため事例が少なめ。 | コストを最適化しつつ、チーム独自のルールに深く沿ったレビューを行いたい、またはセルフホストしたい場合。 |
| **CodeRabbit** | 確立されたAIコードレビュー自動化の代表格。 | 豊富な静的解析ツール(Linter/SAST)との連携、大規模な導入実績、柔軟な設定継承機能。 | AIのLLMモデルの選択肢が固定または限定的。 | 実績あるツールを導入し、既存の静的解析ツールとAIレビューを強力に連携させたい場合。 |
| **GitHub Copilot** | 開発中の補完に特化したAIアシスタント。 | IDE上でのリアルタイムなコード生成と補完、巨大なユーザー基盤。 | PRレビューに特化しているわけではなく、ルール強制の仕組みが弱い。 | コーディング自体の生産性向上を最優先とする場合（レビューツールとは併用が推奨される）。 |

## **17. 総評**

* **総合的な評価**:
  Kodusは、AIコードレビュー市場において「ユーザーに選択の自由とコストの透明性」をもたらす強力な挑戦者です。最大の強みは、LLMを縛らない「Model Agnostic」な設計と、APIコストに上乗せをしない「Zero Markup」モデルにあります。さらに、オープンソースでありセルフホストも可能なため、セキュリティ要件の厳しい企業にも適しています。MCPを活用してJira等のビジネスコンテキストを理解する能力や、チームのルールを自然言語で学習する機能は、従来のLinterでは届かなかった領域のレビューを可能にします。
* **推奨されるチームやプロジェクト**:
  * 特定のAIモデルに依存（ベンダーロックイン）したくないチーム。
  * オープンソースを好み、自社環境で安全にレビューツールを運用（セルフホスト）したい企業。
  * AIのAPI利用コストを原価で管理・最適化したいエンジニアリング組織。
* **選択時のポイント**:
  * 豊富な静的解析ツールとの連携や、数万社規模の導入実績による安心感を求める場合は「CodeRabbit」が有力な選択肢となります。
  * 一方で、モデルの選択肢、コスト透明性、そしてMCPサーバーを活用した柔軟なコンテキスト連携に価値を感じる場合は、Kodusが非常に魅力的な代替手段となるでしょう。