Jak Maguyva funguje

Připojte GitHub repozitář a Maguyva ho promění v několik prohledávatelných pohledů, které váš agent může použít na požádání. Místo vysypání celých souborů do kontextu získá model podložený přístup k symbolům, struktuře, dokumentaci, závislostem a seřazeným fragmentům kódu.

Jak vaše projekty rostou, AI agenti se potýkají s:

• Omezení kontextového okna - Příliš mnoho informací zahltí AI modely
• Nerelevantní data - AI agenti plýtvají tokeny na zbytečné informace
• Slabý výkon - Snížená přesnost a pomalejší zpracování
• Ruční správa - Vývojáři tráví hodiny ruční organizací kontextu
• Vyšší náklady - Bez správy kontextu rostou náklady na tokeny s každým dotazem

Když připojíte repozitář, Maguyva spustí cloudové zpracovatelské pipeline nad kódem, dokumentací, manifesty, symboly a metadaty závislostí. Cílem je jednou vybudovat trvalou paměť kódu, místo aby si repozitář znovu objevoval každý běh agenta od nuly.

Tyto pipeline produkují několik specializovaných datových vrstev: přesné textové vyhledávání, sémantické vyhledávání, vyhledávání symbolů a referencí, strukturální pohledy a analýzu grafu závislostí. Různé otázky se směrují do různých vrstev.

Maguyva nabízí 5 schopností vyhledávání: semantic, AST, symbol, dependency a text. V intelligent_search jsou dostupné čtyři modality vyhledávání: sémantická, textová, strukturální a grafová. Výchozí auto/balanced směruje dotazy, u nichž s vysokou jistotou rozpozná hledání definice, na strukturální vyhledávání, dotazy na reference nebo dopady do grafu a dotazy na přesnou shodu na textové vyhledávání. Ostatní dotazy využívají sémantický význam a indexovaný text. Pomocí mode=hybrid nebo auto s quality=thorough požádejte o všechny čtyři modality vyhledávání. Výslovně zvolený režim má přednost před nastavením quality. language_filter vynechá graf v auto/hybrid a s výslovně zadaným mode=graph je odmítnut. Výsledky z více modalit se slučují a řadí podle relevance k dotazu.

Soukromé pohledy na repozitář stojí vedle veřejných referenčních dat podporovaných jazyků a textových technologií. Váš agent se k celému systému dostává přes MCP nástroje, na které se můžete výrazně spolehnout při plánování a validaci, nebo je použít jako namátkovou kontrolu během úprav.

Po připojení k platformě GitHub Maguyva prohledá repozitář v cloudu a extrahuje části, o kterých agent skutečně potřebuje uvažovat:

• Analýza struktury kódu ░╔═╗░ ▓║◉║▓ ░╚═╝░ - Parsuje soubory na symboly, reference a architektonické hranice
• Rozpoznávání závislostí ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - Mapuje, jak na sobě soubory, moduly a symboly vzájemně závisí
• Integrace dokumentace - Zahrnuje dokumentaci repozitáře a související referenční materiály vedle kódu

Místo jednoho obecného indexu Maguyva buduje několik vyhledávacích vrstev, které rychle odpovídají na různé otázky s různými druhy důkazů:

• Skórování relevance ▄█▄ ║⊙⊙║ ╚═█═╝ - Vybírá podklady podle režimu vyhledávání a nastavení kvality a poté řadí shody podle relevance k dotazu
• Potlačení šumu - Omezuje duplicitní shody a počet úryvků na soubor, aby jeden soubor nezaplnil celé okno výsledků
• Priorizace kontextu - Ve výchozím nastavení udržuje výsledky omezené a relevantní. Zvýhodnění podle důležitosti se pro prohlídky architektury zapíná pomocí boost_by_importance=true; nejde o výchozí pravidlo řazení

• Sémantické vyhledávání ┌─◈─┐ ║███║ ╚═══╝ - Najde koncepčně podobný kód a dokumentaci, i když se přesná slova liší
• Symbolické a strukturální pohledy - Podporuje přesné vyhledávání symbolů, reference a otázky tvarované podle AST
• Analýza grafu závislostí ▓█▓ ╔═●═╗ ╚═╤═╝ - Sleduje volající, importy a rozsah dopadu napříč kódovou základnou

Maguyva se dodává jako MCP server hostovaný v cloudu. Váš agent volá nástroje pro pohled, který zrovna potřebuje, místo aby se spoléhal na to, že si model zapamatuje vaši architekturu od nuly. Čtyři plochy výše jsou seskupené pohledy na konkrétní nástroje: Sémantické vyhledávání zahrnuje semantic_search a intelligent_search; Vyhledávání symbolů zahrnuje find_symbol a get_task_context; Strukturální vyhledávání zahrnuje structural_search a text_pattern_search; Graf závislostí zahrnuje dependency_search a analyze_dependencies — spolu s get_file, repository_context a ask_maguyva jako podpůrnými nástroji. Úplný seznam všech 11 nástrojů najdete v referenční příručce MCP API.

• Používejte nástroje podle potřeby - Spolehněte se na Maguyva výrazně při plánování, nebo ji použijte jen pro ověření rizikové změny
• Lepší validace plánu - Ověřte si nápady proti skutečným symbolům, referencím a dokumentaci ještě před úpravou
• Přehlednější rozsah dopadu - Nástroje pro závislosti a grafy ukážou, co by se mohlo rozbít, kdyby se symbol změnil
• Kompatibilní do budoucna - Funguje s jakýmkoliv klientem podporujícím standard MCP

• Zabezpečení přenosu - Připojení ke službě používají HTTPS/TLS
• Spravované úložiště - Indexovaná data jsou uložena na spravované infrastruktuře se šifrováním uložených dat na úrovni úložiště
• Izolace jmenného prostoru - Data repozitáře jsou ohraničena podle workspace a jmenného prostoru v celé pipeline i při databázových dotazech
• Řízení přístupu - Přístup k repozitáři je omezen hranicemi organizace a jmenného prostoru

Výkon se liší podle velikosti kódové základny a složitosti dotazu. Maguyva se zaměřuje na dodání nejrelevantnějšího kontextu místo vysypání celých souborů. Podporované jazyky a klienty najdete v přehledu kompatibility.

Díky inteligentnímu filtrování a organizaci kontextu vaší kódové základny pomáhá Maguyva AI agentům pracovat efektivněji:

• Přesnější plánování - Agenti si mohou ověřit přístup proti skutečnému repozitáři ještě před začátkem psaní kódu
• Bezpečnější refaktoring - Kontroly rozsahu dopadu a závislostí snižují riziko zbytečného rozbití
• Méně plýtvání tokeny - Vracejí se jen relevantní fragmenty místo celých souborů
• Rychlejší pochopení repozitáře - Model rychle dostane podložené odpovědi, místo aby si strukturu projektu znovu objevoval při každém běhu

• Synchronizace repozitáře - Obnovuje se ze synchronizačních úloh GitHub při změně kódu
• Inkrementální zpracování - Kvůli efektivitě zpracovává jen změněné soubory
• Kontext s ohledem na větve - Udržuje samostatné indexy pro každou git větev, aby agenti viděli správný kontext pro danou větev

Připraveni to vyzkoušet?

1. Začněte zdarma - Platební karta není potřeba
2. Připojte svůj repozitář - propojte GitHub repozitář v portálu Maguyva
3. Nasměrujte svého agenta na Maguyva - Používejte MCP nástroje při plánování, kontrole nebo úpravách (průvodce instalací)

Začít zdarma →

Připojte své repozitáře GitHub přes portál Maguyva. Indexy se při změnách kódu obnovují pomocí synchronizačních úloh GitHub. Portál také poskytuje přehled o využití API.