Spring til indhold

Sådan fungerer Maguyva

Forbind et GitHub-repo, og Maguyva gør det til flere søgbare visninger, som din agent kan bruge efter behov. I stedet for at dumpe hele filer ind i konteksten får modellen forankret adgang til symboler, struktur, dokumentation, afhængigheder og rangerede kodefragmenter.

Kontekstproblemet#

Efterhånden som dine projekter vokser, kæmper AI-agenter med:

  • Begrænsninger i kontekstvinduet - For meget information overbelaster AI-modeller
  • Irrelevante data - AI-agenter spilder tokens på unødvendig information
  • Dårlig performance - Reduceret præcision og længere behandlingstid
  • Manuel håndtering - Udviklere bruger timer på at organisere kontekst manuelt
  • Højere omkostninger - Uden konteksthåndtering stiger token-omkostningerne med hver forespørgsel

Jo større et projekt bliver, jo mere støj kommer ind i kontekstvinduet — og agentens præcision falder som følge heraf.

Løsningen fra Maguyva#

Når du forbinder et repo, kører Maguyva cloud-indlæsningspipelines over kode, dokumentation, manifester, symboler og afhængighedsmetadata. Målet er at bygge holdbar kodehukommelse én gang i stedet for at lade hver agentkørsel genopdage repoet fra bunden.

Disse pipelines producerer flere specialiserede datalag: eksakt tekstsøgning, semantisk genfinding, symbol- og referenceopslag, strukturelle visninger og analyse af afhængighedsgrafen. Forskellige spørgsmål routes til forskellige lag.

Søgningen kombinerer 5 genfindingsmetoder: semantic, AST, symbol, dependency og text. Resultaterne samles og rangeres, så vigtige symboler dukker op før hjælpefunktioner med lav værdi.

De private repo-visninger ligger side om side med offentlige referencedata for understøttede sprog og tekstbaserede teknologier. Din agent når hele systemet gennem MCP-værktøjer, som du kan læne dig kraftigt op ad under planlægning og validering, eller bruge som stikprøver under redigering.

1. Indlæsning af repo#

Når GitHub er forbundet, scanner Maguyva repoet i skyen og udtrækker de dele, en agent rent faktisk skal kunne ræsonnere om:

  • Analyse af kodestruktur
     - Parser filer til symboler, referencer og arkitektoniske grænser
  • Afhængighedsopløsning
     - Kortlægger, hvordan filer, moduler og symboler afhænger af hinanden
  • Integration af dokumentation - Henter repo-dokumentation og relateret referencemateriale ind sammen med koden

2. Specialiserede genfindingslag#

I stedet for ét generisk indeks bygger Maguyva flere genfindingsflader, der hurtigt besvarer forskellige spørgsmål med forskellig evidens:

Kontekstbudget: Maguyva returnerer rangerede kodefragmenter med filstier og linjenumre i stedet for at dumpe hele filer ind i konteksten. Den faktiske reduktion i antal tokens afhænger af repoets størrelse og forespørgslens specificitet.

Routing og rangering#

  • Relevansscoring
     - Vælger den rette genfindingsmetode og løfter de vigtigste resultater først
  • Støjreduktion - Fjerner boilerplate, overflødige stykker og lavværdi-match
  • Kontekstprioritering - Sorterer resultaterne, så agenten ser kernesymboler før specialtilfældes hjælpefunktioner

Lagrede repræsentationer#

  • Semantisk genfinding
     - Finder konceptuelt lignende kode og dokumentation, selv når de præcise ord er forskellige
  • Symbol- og strukturvisninger - Understøtter eksakt symbolopslag, referencer og AST-formede spørgsmål
  • Analyse af afhængighedsgraf
     - Følger kaldere, imports og påvirkningsradius på tværs af kodebasen

3. Værktøjslaget for Model Context Protocol (MCP)#

Maguyva leveres som en cloud-hostet MCP-server. Din agent kalder de værktøjer, den har brug for til den vinkel, den skal bruge, i stedet for at stole på, at modellen husker din arkitektur fra bunden. De fire overflader ovenfor er grupperede visninger af de konkrete værktøjer: Semantisk søgning dækker semantic_search og intelligent_search; Symbol Lookup dækker find_symbol og get_task_context; Strukturel søgning dækker structural_search og text_pattern_search; Dependency Graph dækker dependency_search og analyze_dependencies — sammen med get_file, repository_context og ask_maguyva som understøttende hjælpeværktøjer. Se den fulde MCP API-reference for alle 11 værktøjer.

Fordele ved MCP-kompatibilitet#

  • Brug mere eller mindre værktøj - Læn dig kraftigt op ad Maguyva under planlægning, eller brug det blot til at sanity-checke en risikabel ændring
  • Bedre planvalidering - Krydstjek idéer mod rigtige symboler, referencer og dokumentation, før du redigerer
  • Tydeligere blast radius - Afhængigheds- og grafværktøjer viser, hvad der kan gå i stykker, hvis et symbol ændres
  • Fremtidssikret - Fungerer med enhver klient, der understøtter MCP-standarden

Teknisk arkitektur#

Sikker processeringspipeline#

Sikkerhedsfunktioner#

  • Transportsikkerhed - Forbindelser til tjenesten bruger HTTPS/TLS
  • Administreret lagring - Indekserede data lagres på administreret infrastruktur med kryptering på lagerniveau i hvile
  • Namespace-isolation - Repo-data afgrænses efter arbejdsområde og namespace gennem pipeline- og databaseforespørgselsveje
  • Adgangskontrol - Adgang til repos begrænses af organisations- og namespace-grænser

Performance-egenskaber#

Performance varierer med kodebasens størrelse og forespørgslens kompleksitet. Maguyva fokuserer på at levere den mest relevante kontekst frem for at dumpe hele filer. Se kompatibilitet for understøttede sprog og klienter.

Hvad du kan forvente#

Ved intelligent at filtrere og organisere konteksten fra din kodebase hjælper Maguyva AI-agenter med at arbejde mere effektivt:

  • Bedre planlægningspræcision - Agenter kan validere en tilgang mod det faktiske repo, før de begynder at kode
  • Sikrere refaktorering - Tjek af blast radius og afhængigheder reducerer undgåelige nedbrud
  • Mindre spild af tokens - Kun relevante fragmenter returneres i stedet for hele filer
  • Hurtigere forståelse af repoet - Modellen får hurtigt forankrede svar i stedet for at genopdage projektstrukturen ved hver kørsel

Resultaterne varierer afhængigt af din kodebases størrelse, kompleksitet og de typer forespørgsler, din AI-agent håndterer.

Sådan holdes dit indeks opdateret#

Automatiske opdateringer#

  • Reposynkronisering - Opdateres fra GitHub-synkroniseringsjob, efterhånden som koden ændrer sig
  • Inkrementel behandling - Behandler kun ændrede filer for effektivitetens skyld
  • Branch-bevidst kontekst - Vedligeholder separate indekser pr. git-branch, så agenter ser den rette kontekst for hver branch

Kom i gang#

Klar til at prøve det?

  1. Start gratis - Intet kreditkort krævet
  2. Forbind dit repo - link et GitHub-repo i Maguyva-portalen
  3. Peg din agent mod Maguyva - Brug MCP-værktøjerne under planlægning, kontrol eller redigering (installationsguiden)

Start gratis →

Repoadministration#

Forbind dine GitHub-repos gennem Maguyva-portalen. Platformen opdaterer indekserne fra GitHub-synkroniseringsjob, efterhånden som koden ændrer sig, så MCP-værktøjslaget holdes ajour for hver branch. Portalen giver også et grundlæggende overblik over API-forbrug, med mere detaljeret analyse på roadmappet.