Revisión de los pull requests de Claude Code con controles de calidad
Matt · · Última actualización · 12 min de lectura · Guías
Lleva el trabajo de Claude Code a sesiones de AI CodeOps con controles vía MCP, exige el control de publicación en el pull request y bloquea los push que lo esquiven.
En esta página
Para poner los pull requests de Claude Code detrás de controles de calidad, haz que Claude Code lance sesiones de AI CodeOps a través del servidor MCP en lugar de escribir el cambio y hacer push por su cuenta, y después convierte el control de publicación de AI CodeOps en una comprobación obligatoria del pull request. La sesión prueba y revisa el cambio, una segunda persona lo aprueba y la comprobación obligatoria mantiene bloqueado el botón de fusión hasta que el control lo permite.
El problema: PR rápidos de agentes, revisión humana lenta
Claude Code convierte muy bien una frase en un diff. Lo que separa ese diff de tu rama principal suele ser «un desarrollador le echa un vistazo», y eso aguanta hasta que sube el volumen. Un agente puede abrir en una mañana más pull requests de los que un equipo puede leer con atención en un día, y la lectura atenta es justo lo que se recorta.
Un control no se cansa, pero tiene que ver el cambio. Aquí conviene ser exactos, porque equivocarse da una falsa sensación de seguridad.
El control de publicación de AI CodeOps decide con evidencia que ha registrado él mismo: la sesión que escribió el cambio, la revisión con IA de su diff, la ejecución de pruebas en su sandbox y la aprobación. Encuentra esa evidencia a partir del pull request que abrió la sesión. El control no vigila tus repositorios en busca de pull requests abiertos por otras vías. Así que, si Claude Code escribe un cambio en tu portátil y tú haces push y abres un pull request, AI CodeOps no sabe nada de él. Pregunta al control por ese pull request y responderá allowed: false con «No workflow runs found for …». Es la respuesta correcta: no tiene nada que juzgar, así que se niega.
Eso condiciona el diseño. Si quieres que el trabajo de Claude Code pase por el control, tiene que pasar por una sesión de AI CodeOps. Claude Code sigue siendo la interfaz en la que escribes. La sesión escribe, prueba y revisa en la plataforma, y abre el pull request.
Configuración: conecta el repositorio, elige los controles, exige la comprobación
Conecta el repositorio. En AI CodeOps, conecta tu cuenta de GitHub en Configure → Settings → Git Providers (configuración de GitHub) y crea un proyecto con la URL del repositorio en Plan → Projects. Las sesiones de ese proyecto escriben sobre una instantánea del repositorio y abren allí sus pull requests. La página de la integración con GitHub explica qué hace AI CodeOps con el repositorio.
Elige los controles. Por defecto, el control de publicación rechaza un cambio si sigue abierto un hallazgo de gravedad alta o crítica (high o critical), si falló una ejecución de pruebas, si una sesión que cambió código no tiene un resultado de pruebas con recuentos, si un flujo de trabajo del que depende falló o no tiene ninguna ejecución terminada, o si la revisión con IA no se completó. En la llamada desde la CI puedes añadir blockingSeverity, requiredWorkflows y minCoveragePct. Un mínimo de cobertura necesita una cifra de cobertura: si ninguna ejecución de pruebas del cambio informó de cobertura, el control deniega, porque no puede comprobar el mínimo. La página de controles de calidad tiene las reglas completas.
Exige la comprobación de AI CodeOps. Preguntar al control desde Claude Code es útil, pero solo orientativo: alguien todavía puede pulsar Merge. Hacerlo cumplir le corresponde al proveedor de Git. Así se hace en GitHub, con un flujo de trabajo normal y sin ninguna Action adicional que instalar:
# .github/workflows/aicodeops-gate.yml
name: AI CodeOps gate
on:
pull_request:
permissions:
contents: read
jobs:
gate:
if: startsWith(github.head_ref, 'codeops/run-')
runs-on: ubuntu-latest
steps:
- name: Ask the AI CodeOps release gate
env:
AICODEOPS_API_KEY: ${{ secrets.AICODEOPS_API_KEY }}
PR_URL: ${{ github.event.pull_request.html_url }}
run: |
jq -n --arg pr "$PR_URL" '{pullRequestURL: $pr}' > request.json
curl -sS --fail-with-body -X POST "https://console.aicodeops.dev/api/release/check" \
-H "Authorization: Bearer $AICODEOPS_API_KEY" \
-H "Content-Type: application/json" \
--data @request.json -o gate.json
jq -r '.summary' gate.json
jq -r '.reasons[]' gate.json
jq -e '.allowed == true' gate.json > /dev/null
Añade la clave como secreto del repositorio con el nombre AICODEOPS_API_KEY. Usa una clave distinta para la CI, no la de tu editor. La comprobación solo necesita workspace:read y, si tu plan incluye la limitación del alcance de las claves, puedes limitar la clave a la comprobación del control de publicación.
Aquí importan algunos detalles:
- Lee
allowed, no el código de estado. El endpoint responde200en los dos veredictos. La última línea hace fallar el paso salvo queallowedseatrue. - Falla en cerrado. Una clave ausente o incorrecta recibe un 401 o un 403, y
--fail-with-bodylo convierte en un paso fallido. Si la propia evaluación falla, la API respondeallowed: falsecon «Evaluation failed». Más de 60 comprobaciones por minuto en el espacio de trabajo reciben un 429, que también hace fallar el paso, así que vuelve a ejecutarlo. jqycurlya están ahí. La imagen del runnerubuntu-latestde GitHub incluye los dos, así que no hay nada que instalar.
La línea if: es una decisión que debes tomar a conciencia. Ejecuta el control solo en las ramas que abrió AI CodeOps. La página de solución de problemas de las comprobaciones obligatorias de GitHub dice que un job omitido por una condición a nivel de job informa «Success». Así, el pull request de una persona se sigue fusionando con tus reglas normales, y un pull request de AI CodeOps no puede fusionarse hasta que supera el control. No cambies el if: por un filtro de ramas bajo on:. La misma página dice que las comprobaciones omitidas por un filtro de ramas o de rutas se quedan en «Pending» y bloquean la fusión.
Si quitas el if: por completo, todos los pull requests necesitarán una sesión de AI CodeOps detrás. Es una política válida para un repositorio que solo deberían cambiar agentes, pero bloquea todos los pull requests de personas, así que decídelo de forma deliberada.
Por último, haz obligatoria la comprobación. En la regla de protección de ramas o en el ruleset de main, exige que las comprobaciones de estado pasen y selecciona la comprobación gate. Exige también un pull request antes de fusionar, para que nada llegue a main sin pasar por uno. Rulesets de GitHub para agentes de IA cubre el resto del ruleset.
Usar el servidor MCP de AI CodeOps desde Claude Code
AI CodeOps ofrece un servidor MCP remoto en https://console.aicodeops.dev/mcp. Usa el transporte Streamable HTTP y acepta una clave de API del espacio de trabajo como token Bearer.
Crea una clave en Configure → API Keys. Empieza por sk- y solo se muestra una vez. Dos herramientas necesitan más que acceso de lectura, y una clave sin alcance limitado no las recibe por defecto:
start_sessiongasta presupuesto de modelos, así que solo funciona con una clave cuyo alcance la incluya. Elige Scope en la clave y marca Start sessions from the MCP server (/mcp).get_evidence_packexporta el registro de auditoría del cambio, así que también necesita marcada la opción Evidence packs from the MCP server (/mcp).
Las otras siete herramientas (list_projects, get_session, check_release_gate, list_findings, list_builds, get_build, list_saved_builds) solo leen. Una clave siempre actúa como el miembro que la creó, con el rol que ese miembro tenga en ese momento. La clave de un Viewer solo puede leer, diga lo que diga su alcance.
Después añade el servidor. Este es el comando de la guía del servidor MCP, con la sintaxis que da la documentación de MCP de Claude Code para un servidor HTTP remoto con una cabecera (comprobada el 24 de octubre de 2026):
claude mcp add --transport http aicodeops https://console.aicodeops.dev/mcp \
--header "Authorization: Bearer $AICODEOPS_API_KEY"
Así el servidor se guarda en el ámbito local predeterminado, en ~/.claude.json, solo para el proyecto actual. Para un equipo es mejor un .mcp.json con ámbito de proyecto en el repositorio, porque Claude Code expande las variables de entorno en la url y los headers de un servidor remoto. Todo el equipo hace commit del mismo archivo y cada persona guarda su propia clave en su shell:
{
"mcpServers": {
"aicodeops": {
"type": "http",
"url": "https://console.aicodeops.dev/mcp",
"headers": { "Authorization": "Bearer ${AICODEOPS_API_KEY}" }
}
}
}
Claude Code pide a cada persona que apruebe los servidores con ámbito de proyecto de .mcp.json antes de usarlos. Ejecuta /mcp dentro de Claude Code y aicodeops debería aparecer como conectado, con nueve herramientas.
Recorrido: un pull request, del prompt a la fusión
Supón que escribes: «Añade limitación de peticiones al endpoint de login del proyecto api y avísame cuando el PR esté listo para fusionar». Esto es lo que pasa, herramienta por herramienta.
list_projects devuelve los proyectos del espacio de trabajo y sus repositorios. Claude Code elige el id de proyecto de api.
start_session lanza una sesión con tu tarea y ese proyecto. Sin argumento workflow, ejecuta plan-build-review-test. Puedes indicar otro, como security-sensitive-change, que añade un análisis de riesgos antes del cambio y una auditoría del diff después. La llamada devuelve un id de sesión y un enlace a la sesión en la consola. También cuenta para el presupuesto del espacio de trabajo y para el límite de trabajo en curso de los agentes, exactamente igual que una sesión lanzada en el navegador.
A partir de aquí, el trabajo ocurre en la plataforma, no en tu portátil:
- Los agentes planifican y escriben el cambio sobre una instantánea del repositorio, y cada paso pasa su salida al siguiente (la guía de patrones multiagente explica los traspasos).
- El paso verify (verificación) ejecuta las pruebas de tu propio proyecto sobre el árbol propuesto en un sandbox aislado. Primero se instalan las dependencias que ya tiene el repositorio. Después se corta la red del sandbox, y solo entonces se escriben y se ejecutan las ediciones de la IA. Si no se puede confirmar que el sandbox está sin conexión, el cambio no se ejecuta en absoluto. Si el cambio tocó un manifiesto de dependencias, la instalación se repite con la red todavía cortada, así que un paquete que no estaba antes no se puede descargar y la suite queda registrada como omitida en lugar de ejecutada.
- Un revisor de IA lee el diff y registra hallazgos con una gravedad. Una respuesta que no es una lista legible cuenta como revisión fallida, y el control retiene el cambio.
- Se abre una aprobación en Review & Gate → Approvals.
get_session es lo que Claude Code consulta periódicamente. Devuelve el estado, los pasos y, cuando existen, el pull request y su registro de cambio.
La aprobación es el paso que la gente se salta en otras configuraciones, así que merece la pena detallarlo. La sesión se lanzó con tu clave, así que tú eres quien la lanzó. En cuanto el espacio de trabajo tiene una segunda persona que puede aprobar, tu propia aprobación no cuenta: otra persona tiene que mirar el diff. Cuando aprueba, AI CodeOps comprueba el cambio contra el control de calidad y abre el pull request en una rama llamada codeops/run-<id>. Rechazar siempre está permitido, y un solo rechazo detiene el cambio.
check_release_gate responde si el pull request puede entregarse, con los motivos. Es la misma comprobación que el flujo de trabajo de CI de arriba, con los mismos valores por defecto y las mismas opciones.
get_evidence_pack devuelve el registro firmado del cambio: el prompt, el modelo, las ejecuciones, los hallazgos, las pruebas y las aprobaciones, firmado con Ed25519 y verificable en /evidence/verify. La propia exportación queda anotada en el registro de auditoría.
Lo importante es que Claude Code puede decirte «el control dice que no, y este es el porqué» con motivos reales, en lugar de decirte que las pruebas pasan porque cree que pasan.
Consejos
Impide que el agente local rodee el control. El último hueco es el propio Claude Code. En una sesión normal en tu portátil puede ejecutar git push y gh pr create igual que tú. Si lo hace, obtienes justo el pull request sin control que esta configuración pretende evitar.
Las reglas de permisos de Claude Code pueden rechazar esos comandos. Haz commit de esto en .claude/settings.json, en el repositorio:
{
"permissions": {
"deny": ["Bash(git push *)", "Bash(gh pr create *)", "Bash(gh pr merge *)"]
}
}
La documentación dice que las reglas se evalúan primero deny, después ask y después allow, y que un deny en cualquier archivo de configuración gana a un allow en cualquier otro. Las reglas deny del archivo compartido del proyecto también se aplican de inmediato, sin esperar a que cada persona confíe en la carpeta.
Ten claro qué es esto (documentación comprobada el 24 de octubre de 2026). La misma documentación dice que una regla de Bash coincide con el texto del comando que escribe Claude, así que Bash(git push *) no coincide con git -C . push, y afirma sin rodeos que una regla así «no es un límite de seguridad en torno al programa». Trata la lista deny como un cinturón de seguridad para el caso habitual. El límite está en el proveedor de Git: una main protegida, un pull request obligatorio, revisiones obligatorias para los pull requests de personas y la comprobación obligatoria gate para los de AI CodeOps.
Ten presente lo que esta configuración no hace.
- No revisa los pull requests que no abrió AI CodeOps. Un cambio que escribiste con Claude Code en local y al que tú mismo hiciste push es tu cambio. Se le aplica tu revisión humana normal, y el control no opina.
- No usa los trailers de commit como señal. Claude Code puede añadir una línea de atribución a los commits y los pull requests, pero su ajuste puede cambiarla u ocultarla. Una regla basada en un trailer es una regla que un agente puede desactivar.
- No hace infalible la revisión con IA. La revisión es un modelo leyendo un diff. Por eso está junto a ejecuciones de pruebas reales y a una segunda persona, no en su lugar.
Usa una segunda clave para la CI. La clave del editor puede lanzar sesiones; la de la CI solo necesita leer el control. Si una se filtra, la revocas sin romper la otra.
La dirección contraria, conectar tus propios servidores MCP a las sesiones, está en la página de la integración MCP.
Puntos clave
- El control de AI CodeOps solo juzga cambios hechos por una sesión de AI CodeOps, así que lleva el trabajo de Claude Code a sesiones a través de MCP.
- Convierte el control de publicación en una comprobación obligatoria en
main, y ejecútalo solo en las ramascodeops/run-con unif:a nivel de job. - Lee
alloweden la respuesta del control, no el estado HTTP, y deja que cualquier error haga fallar el paso. - Quien lanzó una sesión no puede aprobarla por sí solo en cuanto otra persona puede revisarla.
- Las reglas deny de Claude Code son un cinturón de seguridad; la protección de ramas y la comprobación obligatoria son el límite.
Preguntas frecuentes
¿Puede AI CodeOps someter a los controles un pull request que Claude Code subió desde mi portátil?
No. El control de publicación evalúa la evidencia de las sesiones de AI CodeOps, así que un pull request que no abrió ninguna sesión recibe allowed false con «No workflow runs found». Haz que Claude Code lance una sesión en lugar de hacer push del cambio por su cuenta.
¿Una persona sigue revisando los pull requests de Claude Code?
Sí. En cuanto el espacio de trabajo tiene una segunda persona que puede aprobar, quien lanzó la sesión no puede dar el voto de aprobación, así que otra persona lee el diff antes de que se abra el pull request.
¿Las reglas deny de Claude Code detienen todos los git push?
No. Una regla de Bash coincide con el texto del comando que escribe Claude, así que otra forma de escribir el push no coincide. Trata la lista deny como un cinturón de seguridad y confía en la protección de ramas y en la comprobación obligatoria como verdadero límite.