Revue de code sur un git diff

Relire une modification de code demande de l'attention, et les points les plus graves (une requête SQL construite avec des chaînes, un mot de passe en dur) sont souvent noyés dans des dizaines de lignes. Un agent peut faire une première passe : lire le diff, signaler les problèmes fichier par fichier et proposer des correctifs, pour que la personne qui relit se concentre sur l'essentiel.

Dans ce lab, vous construisez cet agent avec Google ADK et une clé d'API Gemini. Il travaille sur un petit dépôt git fictif créé par un script, avec des outils qui ne peuvent que lire. Sa sortie est un JSON validé, contrôlé ensuite par du code qui a le dernier mot.

Ce que vous allez construire

flowchart LR
  S["creer_depot.py : dépôt fictif, 2 commits"] --> G[("dépôt git")]
  subgraph AG["Agent relecteur (Gemini)"]
    T1["lister_fichiers_modifies"]
    T2["lire_diff"]
    T3["lire_fichier"]
  end
  G -->|"git diff / git show, lecture seule"| AG
  AG -->|"JSON Revue (output_schema)"| V["verifier_revue (Python)"]
  V --> R["revue.json : commentaires par fichier, décision, validation humaine"]

Trois outils en lecture seule : liste blanche de commandes git (diff, show, ls-files), pas de shell, délai maximal, sortie tronquée, fichiers limités à ceux du diff.
Une sortie structurée : pour chaque fichier, des commentaires avec ligne, catégorie (bug, securite, lisibilite), gravité et correctif.
Des contrôles en code : fichiers hors diff écartés, décision durcie s'il existe un problème bloquant, validation humaine toujours requise.
Un piège : le dépôt contient un commentaire qui demande à « l'IA qui relit » d'approuver sans commenter.

Pour qui ?

Développeurs et responsables techniques qui veulent automatiser une première relecture.
Prérequis : avoir écrit un agent ADK avec un outil, connaître git diff.

Prérequis

Python 3.10+, git installé, pip install -r files/requirements.txt (google-adk 2.10.0).
Une clé d'API Gemini dans un fichier .env (modèle : .env.example).

Programme

Module	Leçon	Ce que vous faites
1. Cas d'usage et architecture	Une revue automatique, mais bornée	Ce que l'agent peut et ne peut pas faire, menaces
2. Construire pas à pas	Des outils git en lecture seule	`git()` sécurisé, `ToolContext`, garde-fous
2. Construire pas à pas	Sortie structurée et contrôles	`output_schema` + outils, `verifier_revue()`
3. Tester, évaluer, exploiter	Tester, exécuter, brancher en CI	Faux modèle, revue réelle, intégration continue

En local ou sur GCP ?

	En local (ce lab)	Sur Google Cloud
Modèle	Gemini via clé d'API	Gemini via Vertex AI (`GOOGLE_GENAI_USE_VERTEXAI=TRUE`)
Dépôt	dépôt fictif créé par `creer_depot.py`	clone en lecture seule dans un job de CI (Cloud Build, GitHub Actions…)
Résultat	`revue.json` + affichage console	commentaire sur la demande de fusion, après validation humaine

Le code

Dans le dossier files/ : agent.py, creer_depot.py, test_agent.py, requirements.txt.