AI ピアレビューが Claude Code 向けに無料のオープンソーススキルとして利用可能になりました。これは、Claude、Codex、Gemini が CLI による受け渡しを通じて互いのコードをレビューできるようにするもので、構造化された評価（verdict）、ファイル：行単位の指摘、そして応答フォーマットに組み込まれた「誠実性契約（honesty contract）」が特徴です。
このスキル名は `ai-collab-bridge` です。MIT ライセンスで、30 秒でインストールできます。macOS arm64 でテスト済みであり、bash スクリプトは Linux にも移植可能です。
TL;DR
AI ピアレビュースキルを 30 秒でインストール
bash git clone https://github.com/owgit/ai-collab-bridge ~/.claude/skills/ai-collab-bridge chmod +x ~/.claude/skills/ai-collab-bridge/scripts/*.sh ~/.claude/skills/ai-collab-bridge/scripts/doctor.sh
`doctor.sh` スクリプトは、スキルファイル、必要なツール群、および各 AI CLI（Claude、Codex、Gemini）を 1 回の実行で検証します。終了コードは失敗したチェックの数になります。何らかの問題があれば、出力に正確な修正コマンドが表示されます。
新規 macOS インストール環境での私のテストでは、検証全体が 2 秒未満で完了しました。
その後は新しい Claude Code セッションを開始するだけで、AI ピアレビュースキルが自動検出されます。例えば、*"use the AI Collab Bridge to review my latest commit."* のように指示してトリガーしてください。
AI ピアレビューの実際の動作
プロトコルは 1 段落で収まるほど小規模です。実装者（直前まで作業を行っていた AI）がパケットを準備します。このパケットは、要約、焦点を当てる質問、差分、ファイルリストを含む 1 つの markdown ファイルです。次に実装者は、このパケットをレビュー依頼テンプレートでラップして、レビュー担当の CLI を呼び出します。レビュー担当はパケットを読み、応答を返します。
パケットの準備（実装者側）
bash SUMMARY="Brief description of the change" \ QUESTIONS="Anything you want focused on" \ ~/.claude/skills/ai-collab-bridge/scripts/stage-packet.sh main > /tmp/packet.md
これにより、レビューに必要となるすべて（要約、焦点を当てる質問、`git diff --stat`、および `main` に対する完全な差分）を含む markdown ファイルが生成されます。
AI ピアレビューの実行
bash ~/.claude/skills/ai-collab-bridge/scripts/request-review.sh codex /tmp/packet.md
または claude / gemini — 同じ形式で対象のみ異なる
このスクリプトはパケットをレビュー依頼テンプレートでラップし、対象の AI の CLI へ送信して、構造化された応答を出力します。
応答フォーマット
すべての AI ピアレビューの応答は、以下の 5 つのセクションからなる同一テンプレートに従います。
最後の項目は、私が最初に設計した際に最も驚いた点です。私の経験では、コードレビューで最も価値があるのは、レビュー担当者が「何を見ていないか」を開示することを義務付けられるセクションです。これがなければ、`APPROVE` が「すべて確認して問題なし」を意味するのか、「差分をざっと見ただけで目立つ問題はなかった」を意味するのか判断できません。これがあれば、実装者はレビュー担当者の範囲がどこまでかを正確に把握できます。
それこそが、あらゆる AI ピアレビューの根底にある「誠実性契約」です。プロトコル自体がこれを強制することはできません。ただ、不誠実を隠しにくくすることしかできないのです。
ベンチマーク：合格率 100% 対 31%
AI ピアレビュースキルを、基準となる通常の Claude に対して実行しました。レビュー担当役割、実装者からの受け渡し、オンボーディングの案内という 3 つのテストケースで、同一プロンプト・同一モデルを用い、スキルありとなしを比較しました。
| 指標 | スキルあり | スキルなし | 差分 |
|---|---|---|---|
| --- | --- | --- | --- |
| 合格率 | 100% | 31% | +69 ポイント |
| 時間 | 67 秒 | 68 秒 | 同等 |
| トークン数 | 60k | 53k | +14% |
私の計測では、AI ピアレビュースキルはトークン量が約 14% 増加（モデルが役割のプレイブックを読み込むため）しますが、速度は同等です。構造化され誠実な出力を得るための安価な保険と言えるでしょう。
メタな瞬間：ブリッジが自分自身をレビュー
v0.1 をリリースした後、このブリッジを使って、ブリッジ自身の次のコミットをレビューしました。Codex は、私が doctor スクリプトとプローブロジックで見落としていた 2 つのバグを発見しました。双方を修正して v0.2 をリリースし、再度ブリッジを実行。Codex はさらに 2 つのバグを発見しました。これも修正し、v0.3 をリリースしました。
ブリッジが自分自身で見つけた 4 つのバグ
スタイルの好みではなく、有用に見せるための捏造された懸念でもありません。各修正後にテストで確認した具体的な事象です。
これらはいずれも作成時には私には明白ではありませんでした。しかし Codex は、私の実装バイアスなしに冷徹に差分を読んだ際、すべてを明白だと判断しました。
それこそが AI ピアレビュー の全体的な売りです。異なる心、異なる盲点、そして構造化された受け渡し。作業の質は向上し、あなたは何も考えなくて済みます。
Codex CLI について学んだこと
この AI ピアレビュースキルを出荷するにあたり、作業の大部分はプロトコル自体ではなく、各 AI の CLI を予期せぬ動作をさせずに呼び出す方法の特定にありました。
Codex MCP ブートストラップのハング
`codex exec` を実行すると、`~/.codex/config.toml` を読み込み、設定済みの MCP サーバーをブートストラップしようとします。これらのサーバーが独自に認証を必要とし（Cloudflare Workers MCP、GitHub Copilot MCP など）、かつ非対話利用用のトークンを設定していない場合、codex はサイレントにストールします。
最初のレビュー派遣時、プロセスが 10 分間ハングし、最終的に MCP ブートストラップが原因だと特定しました。解決策は `--ignore-user-config` です。
また Codex CLI には、まさにこのユースケース向けに設計された `codex exec review` サブコマンドと、エージェントの最終メッセージのみをファイルに出力する `-o` フラグが用意されています。詳細は OpenAI Codex CLI リポジトリ および Codex ドキュメント を参照してください。
npm ベンダーバイナリの ENOENT
npm でインストールした `@openai/codex` は、プラットフォーム固有のベンダーバイナリを同梱しない場合があります。`which codex` は成功しますが、実際の実行時には欠落している arm64 バイナリを指す暗号的な Node の `ENOENT` スタックトレースで失敗します。
私は自身のマシンでこの問題に遭遇し、修正は `npm uninstall -g @openai/codex && npm install -g @openai/codex` でした。ブリッジの `doctor.sh` は現在、この正確なパターンを検出し、修正方法を直接提示します。
サポートされる AI CLI
| AI | デフォルトの実行形式 | 上書き用環境変数 |
|---|---|---|
| --- | --- | --- |
| Claude | `claude -p` | `AI_COLLAB_CLAUDE_CMD` |
| Codex | `codex exec review --ignore-user-config --ephemeral` | `AI_COLLAB_CODEX_CMD` |
| Gemini | `gemini -p` | `AI_COLLAB_GEMINI_CMD` |
別の AI を追加するには、`scripts/request-review.sh` に `case` を 1 行追加し、必要に応じて `references/` 配下に役割プレイブックを追加するだけです。PR を歓迎します。
マルチ AI ワークフローにおいて AI ピアレビューが重要な理由
「AI をオートコンプリートとして使う」段階から「AI を共同作業者として使う」段階への移行に関心がある方なら、次のボトルネックが個々のモデルではないことに既にお気づきでしょう。次のボトルネックは、モデル同士、およびモデルとあなたのツールがどのように連携するかです。
それは私が agent-ready website checklist→ で主張したのと同じことです。モデルそのものよりも、モデルを取り巻くシステムの方が重要です。
私の日常業務では、次のように運用しています。
AI ピアレビューがなければ、これらのワークフローは並列ではあるものの孤立して動作します。各 AI が見れるのは目の前の情報だけです。
AI ピアレビュースキルを導入すれば、差分が構造化された形で AI 間を流れ、作業の効果が累積していきます。
このパターンは、私が過去に書いた複数の観点でも確認できます。比較の観点では Claude Code vs Cursor for 2026→、ツール面の観点では how to build an MCP server with TypeScript→、構造面の観点では the cross-repo AI context layer→ です。
ループ内のエージェントには、人間とのクリーンなインターフェースだけでなく、互いとのクリーンなインターフェースが必要です。
AI ピアレビュースキルを自分で試す
AI ピアレビュースキルはオープンソースで、`github.com/owgit/ai-collab-bridge` にあります。
bash git clone https://github.com/owgit/ai-collab-bridge ~/.claude/skills/ai-collab-bridge chmod +x ~/.claude/skills/ai-collab-bridge/scripts/*.sh ~/.claude/skills/ai-collab-bridge/scripts/doctor.sh
リポジトリ直下には `AGENTS.md` と `CLAUDE.md` があり、Codex と Claude Code の両方が、リポジトリをゼロから指し示す場合でも明示的なエントリーポイントを持っています。
このプロトコルは CLI を持つあらゆる AI で動作します。同一パケット形式、同一応答テンプレート、同一の 3 つの評価です。
私のワークフローでは、これは AI 生成コードに対して実行すべき security review→ と自然に連携します。
貢献を希望される場合、次の明確なステップはリポジトリ内に文書化されています。`--output-schema` による応答フォーマットの強制、より多くの CLI のサポート追加、そして私が既にテスト済みの「レビュー担当を Codex とする」経路を超えた「レビュー担当を Claude とする」シナリオの構築です。
まとめ
AI モデル間の境界は事実ではなく、慣習に過ぎません。私たちが、それらが協力するか競合するかを決められるのです。
同じコードベースで 2 つの AI が作業しているのに、互いをレビューし合っていないなら、あなたは実際のバグをコード内に残したままにしています。
AI ピアレビュースキルは、それを修正するための構造化された手法の一つです。無料で MIT ライセンス、30 秒でインストールできます。
さあ、あなたの AI たちに同僚を与えてあげましょう。