還記得以往做 Code Review 時,需要在 GitLab 和 AI 工具之間不斷切換、複製貼上的痛苦嗎?
經過 Day 5 的 MCP Server 建置和 Day 6 的 Copilot 環境設定後,我們終於可以告別這種繁瑣的流程。今天就來實際體驗如何用一句自然語言,完成過去需要多步驟才能達成的 Code Review 任務。
當使用 MCP 工具時,系統會提示是否允許執行該操作,我們只需點選確認即可正確執行。
以下是幾個常用功能的示範:
當 Copilot 分析後提供改善建議時,我們甚至可以直接請 Copilot 對檔案進行修改,讓整個 Code Review 流程更加自動化。
過往要對 GitLab 上的程式碼進行 AI Code Review 時,我們需要手動複製程式碼並貼給 AI 進行分析。現在透過 MCP 工具,我們可以直接使用自然語言指令,就能達到需要呼叫多個 API 才能完成的複雜操作,大幅簡化了工作流程。
這種方式不僅能夠為自己的程式碼進行 Code Review,也可以輕鬆檢視團隊成員的程式碼並提供建議,讓 Code Review 變得更加靈活便利。
為了讓整個團隊都能受益於這種 AI Code Review 方式,接下來我將把本地端的 MCP 方式部署到線上環境(方法 2),並結合 n8n 自動化工具建立標準化流程,實現更大規模的團隊協作。