論文の概要: Code Broker: A Multi-Agent System for Automated Code Quality Assessment

• arxiv url: http://arxiv.org/abs/2604.23088v1
• Date: Sat, 25 Apr 2026 00:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.148293
• Title: Code Broker: A Multi-Agent System for Automated Code Quality Assessment
• Title（参考訳）: Code Broker: 自動コード品質評価のためのマルチエージェントシステム
• Authors: Samer Attrah,
• Abstract要約: 我々はGoogle Agent Development Kit ADKで構築されたマルチエージェントシステムであるCode Brokerを紹介する。 ファイル、ローカルディレクトリ、GitHubリポジトリからPythonコードを解析し、実行可能な品質評価レポートを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Code Broker, a multi agent system built with Google Agent Development Kit ADK that analyses Python code from files, local directories, or GitHub repositories and generates actionable quality assessment reports. The system employs a hierarchical five agents architecture in which a root orchestrator coordinates a sequential pipeline agent, which in turn dispatches three specialised agents in parallel a Correctness Assessor, a Style Assessor, and a Description Generator before synthesising findings through an Improvement Recommender. Reports score four dimensions correctness, security, style, and maintainability and are rendered in both Markdown and HTML. Code Broker combines LLM based reasoning with deterministic static-analysis signals from Pylint, uses asynchronous execution with retry logic to improve robustness, and explores lightweight session memory for retaining and querying prior assessment context. We position the paper as a technical report on system design and prompt or tool orchestration, and present a preliminary qualitative evaluation on representative Python codebases. The results suggest that parallel specialised agents produce readable, developer oriented feedback, while also highlighting current limitations in evaluation depth, security tooling, large repository handling, and the current use of only in memory persistence. All code and reproducibility materials are available at: https://github.com/Samir-atra/agents_intensive_dev.
• Abstract（参考訳）: 我々は、Google Agent Development Kit ADKで構築されたマルチエージェントシステムであるCode Brokerを紹介し、ファイル、ローカルディレクトリ、GitHubリポジトリからPythonコードを解析し、実行可能な品質評価レポートを生成する。 このシステムは、ルートオーケストレータがシーケンシャルパイプラインエージェントをコーディネートする階層的な5エージェントアーキテクチャを用いており、改善レコメンダを介して結果を生成する前に、3つの特別エージェントを並列に、補正評価器、スタイル評価器、説明生成器を配置する。 レポートは、正しさ、セキュリティ、スタイル、保守性の4つの次元をスコアし、MarkdownとHTMLの両方でレンダリングされる。 Code Brokerは、LLMベースの推論とPylintの決定論的静的解析信号を組み合わせて、リトライロジックによる非同期実行を使用して堅牢性を改善し、事前評価コンテキストの保持とクエリのための軽量セッションメモリを探索する。 本稿では,システム設計とプロンプト,あるいはツールオーケストレーションに関する技術的報告としてこの論文を位置づけ,代表的Pythonコードベースに関する予備的質的評価を示す。 その結果、並列特殊化エージェントは読み取り可能な開発者指向のフィードバックを生成すると同時に、評価深度、セキュリティツール、大規模なリポジトリハンドリング、メモリ永続性のみの現在の使用に関する現在の制限を強調していることが示唆された。 すべてのコードと再現性材料は、https://github.com/Samir-atra/agents_intensive_devで入手できる。

関連論文リスト

• CodeScout: An Effective Recipe for Reinforcement Learning of Code Search Agents [43.426809750160665]
  標準Unix端末にしか搭載されていない符号化エージェントをトレーニングして,強靭な結果が得られることを示す。 本研究は,コード検索,報酬設計,RL最適化のための既存のコーディングエージェント環境を再利用する技術に重点を置いている。 得られたモデルファミリであるCodeScoutと、コミュニティが構築するすべてのコードとデータをリリースします。
  論文  参考訳（メタデータ） (2026-03-18T15:25:42Z)
• RepoReviewer: A Local-First Multi-Agent Architecture for Repository-Level Code Review [3.272585676511349]
  RepoReviewerは、GitHubリポジトリの自動レビューのためのローカルファーストのマルチエージェントシステムである。 我々は、Python CLI、FastAPI API、LangGraphオーケストレーション層、Next.jsユーザインターフェースを備えたRepoReviewerを提示する。
  論文  参考訳（メタデータ） (2026-03-17T04:17:51Z)
• FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents [53.03492387564392]
  我々はFS-Researcherを紹介した。FS-Researcherはファイルシステムベースのフレームワークで、永続的なワークスペースを通じてコンテキストウィンドウを超えて深い研究をスケールする。 Context Builderエージェントはインターネットを閲覧し、構造化されたノートを書き、ソースを階層的な知識ベースにアーカイブする。 その後、レポートライターエージェントが最終レポートセクションをセクションごとに構成し、知識ベースを事実のソースとして扱う。
  論文  参考訳（メタデータ） (2026-02-02T03:00:19Z)
• Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
  テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。 4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。 一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
  論文  参考訳（メタデータ） (2025-08-05T12:52:09Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• RepoAgent: An LLM-Powered Open-Source Framework for Repository-level Code Documentation Generation [79.83270415843857]
  コードドキュメンテーションを積極的に生成、保守、更新することを目的とした、大規模な言語モデルによるオープンソースフレームワークであるRepoAgentを紹介します。 RepoAgentは高品質なリポジトリレベルのドキュメントを生成するのに優れています。
  論文  参考訳（メタデータ） (2024-02-26T15:39:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。