# Wie Maguyva funktioniert Canonical source: https://maguyva.ai/de/docs/how-it-works License: text under [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/); code samples under [MIT-0](https://opensource.org/license/mit-0); the Maguyva name, logos, brand assets and other code are not covered. Details: [maguyva.ai/license](https://maguyva.ai/license). Verbinde ein GitHub-Repository, und Maguyva verwandelt es in mehrere durchsuchbare Ansichten, die dein Agent bei Bedarf nutzen kann. Statt ganze Dateien in den Kontext zu kippen, bekommt das Modell fundierte Informationen zu Symbolen, Struktur, Docs und Abhängigkeiten sowie gerankte Code-Fragmente. Wenn du ein Repository verbindest, führt Maguyva Cloud-Ingestion-Pipelines über Code, Docs, Manifeste, Symbole und Dependency-Metadaten aus. Das Ziel: dauerhaftes Code-Gedächtnis einmal aufbauen, statt jeden Agent-Lauf das Repo von Grund auf neu entdecken zu lassen. Diese Pipelines erzeugen mehrere spezialisierte Datenschichten: exakte Textsuche, semantisches Retrieval, Symbol- und Referenz-Lookups, strukturelle Ansichten und Dependency-Graph-Analyse. Unterschiedliche Fragen werden an unterschiedliche Schichten geroutet. Maguyva bietet 5 Retrieval-Fähigkeiten: semantic, AST, symbol, dependency, text. In intelligent_search stehen vier Suchmodalitäten bereit: semantisch, Text, strukturell und Graph. Standardmäßig leitet auto/balanced Definitionsfragen bei sicher erkannter Absicht an die strukturelle Suche weiter, Referenz- oder Auswirkungsfragen an den Graphen und Fragen nach exakten Treffern an die Textsuche. Andere Fragen nutzen semantische Bedeutung und indexierten Text. Mit mode=hybrid oder auto zusammen mit quality=thorough forderst du alle vier Suchmodalitäten an. Ein expliziter mode hat Vorrang vor quality. language_filter lässt den Graphen bei auto/hybrid weg und wird bei explizitem mode=graph abgelehnt. Ergebnisse aus mehreren Modalitäten werden zusammengeführt und nach Relevanz für die Abfrage sortiert. Die privaten Repository-Ansichten stehen neben öffentlichen Referenzdaten für unterstützte languages and text-based technologies. Dein Agent erreicht das gesamte System über MCP-Tools, auf die du dich beim Planen und Validieren stark stützen kannst oder die du beim Editieren als Stichprobenkontrolle nutzt. ### 1. Repository-Ingestion - **Code-Struktur-Analyse**: Parst Dateien in Symbole, Referenzen und architektonische Grenzen - **Dependency-Auflösung**: Kartiert, wie Dateien, Module und Symbole voneinander abhängen - **Dokumentations-Integration**: Zieht Repository-Docs und verwandtes Referenzmaterial neben den Code ### Routing und Ranking - **Relevanz-Scoring**: Wählt Retrieval-Belege anhand des Suchmodus und Qualitätsprofils aus und sortiert Treffer anschließend nach ihrer Relevanz für die Anfrage - **Rauschreduktion**: Reduziert doppelte Treffer und begrenzt Chunks pro Datei, damit nicht eine einzige Datei das Ergebnisfenster füllt - **Kontext-Priorisierung**: Hält Ergebnisse standardmäßig begrenzt und relevant. Eine Gewichtung nach Wichtigkeit wird für Architekturüberblicke mit boost_by_importance=true ausdrücklich aktiviert; sie ist nicht die Standard-Ranking-Strategie ### Gespeicherte Repräsentationen - **Semantisches Retrieval**: Findet konzeptionell ähnlichen Code und Docs, selbst wenn die exakten Wörter abweichen - **Symbol- und strukturelle Ansichten**: Unterstützt exaktes Symbol-Lookup, Referenzen und AST-förmige Fragen - **Dependency-Graph-Analyse**: Verfolgt Aufrufer, Imports und Impact-Radius über die Codebase hinweg ### Sicherheitsfeatures - **Transport-Sicherheit**: Verbindungen zum Dienst nutzen HTTPS/TLS - **Verwalteter Speicher**: Indexierte Daten werden auf verwalteter Infrastruktur mit Verschlüsselung auf Speicherebene im Ruhezustand gespeichert - **Namensraum-Isolation**: Repository-Daten sind über Pipeline- und Datenbank-Query-Pfade nach Workspace und Namespace abgegrenzt - **Zugriffskontrollen**: Repository-Zugriff ist durch Organisations- und Namespace-Grenzen eingeschränkt ### Was dich erwartet - **Bessere Planungsgenauigkeit**: Agents können einen Ansatz gegen das echte Repository validieren, bevor sie mit dem Coden anfangen - **Sicherere Refactorings**: Auswirkungsradius- und Dependency-Checks reduzieren vermeidbare Brüche - **Weniger Token-Verschwendung**: Nur relevante Fragmente werden geliefert, statt ganzer Dateien - **Schnelleres Repo-Verständnis**: Das Modell bekommt schnell fundierte Antworten, statt die Projektstruktur bei jedem Lauf neu zu entdecken ### Automatische Updates - **Repository-Sync**: Aktualisiert aus GitHub-Sync-Jobs, sobald sich Code ändert - **Inkrementelle Verarbeitung**: Verarbeitet aus Effizienzgründen nur geänderte Dateien - **Branch-bewusster Kontext**: Führt separate Indexe pro Git-Branch, damit Agents für jeden Branch den richtigen Kontext sehen Maguyva wird als Cloud-gehosteter MCP-Server ausgeliefert. Dein Agent ruft die Tools für die Linse auf, die er braucht, statt sich darauf zu verlassen, dass sich das Modell deine Architektur jedes Mal von Grund auf neu erschließt. Die vier Oberflächen oben sind gruppierte Ansichten auf die konkreten Tools: Semantische Suche deckt `semantic_search` und `intelligent_search` ab; Symbol-Lookup deckt `find_symbol` und `get_task_context` ab; Strukturelle Suche deckt `structural_search` und `text_pattern_search` ab; Dependency-Graph deckt `dependency_search` und `analyze_dependencies` ab — daneben `get_file`, `repository_context` und `ask_maguyva` als unterstützende Hilfswerkzeuge. Siehe die vollständige [MCP-API-Referenz](https://maguyva.ai/docs/mcp-api) für alle 11 Tools. Die Performance variiert je nach Codebase-Größe und Query-Komplexität. Maguyva konzentriert sich darauf, den relevantesten Kontext zu liefern, statt ganze Dateien zu kippen. Siehe [Kompatibilität](https://maguyva.ai/docs/compatibility) für unterstützte Sprachen und Clients. Die Ergebnisse variieren je nach Größe und Komplexität deiner Codebase und den Arten von Queries, die dein KI-Agent bearbeitet. Verbinde deine GitHub-Repositories über das Portal von Maguyva. Bei Codeänderungen aktualisieren GitHub-Synchronisierungsjobs die Indizes. Das Portal zeigt auch die API-Nutzung an.