Saltar al contenido

Cómo funciona Maguyva

Conecta un repositorio de GitHub y Maguyva lo convierte en varias vistas consultables que tu agente puede usar a demanda. En lugar de volcar archivos enteros en el contexto, el modelo obtiene acceso fundamentado a símbolos, estructura, documentación, dependencias y fragmentos de código clasificados.

El problema del contexto#

A medida que tus proyectos crecen, los agentes de IA tienen problemas con:

  • Límites de la ventana de contexto - Demasiada información abruma a los modelos de IA
  • Datos irrelevantes - Los agentes de IA desperdician tokens en información innecesaria
  • Rendimiento deficiente - Menor precisión y tiempos de procesamiento más lentos
  • Gestión manual - Los desarrolladores pasan horas organizando el contexto manualmente
  • Costos más altos - Sin gestión de contexto, el costo de tokens aumenta con cada consulta

Cuanto más crece un proyecto, más ruido entra en la ventana de contexto, y la precisión del agente cae como resultado.

La solución de Maguyva#

Cuando conectas un repositorio, Maguyva ejecuta pipelines de ingesta en la nube sobre el código, la documentación, los manifiestos, los símbolos y los metadatos de dependencias. El objetivo es construir memoria de código duradera una sola vez, en lugar de hacer que cada ejecución del agente redescubra el repo desde cero.

Esos pipelines producen varias capas de datos especializadas: búsqueda de texto exacta, recuperación semántica, búsqueda de símbolos y referencias, vistas estructurales y análisis de grafo de dependencias. Distintas preguntas se enrutan a distintas capas.

La búsqueda combina 5 modos de recuperación: semantic, AST, symbol, dependency y text. Los resultados se fusionan y clasifican para que los símbolos importantes aparezcan antes que los helpers de bajo valor.

Las vistas privadas del repositorio conviven con datos de referencia públicos para los lenguajes y tecnologías basadas en texto compatibles. Tu agente accede a todo el sistema mediante herramientas MCP, en las que puedes apoyarte mucho durante la planificación y la validación, o usar como verificaciones puntuales durante la edición.

1. Ingesta del repositorio#

Después de conectar GitHub, Maguyva escanea el repositorio en la nube y extrae las partes que un agente realmente necesita para razonar:

  • Análisis de estructura del código
     - Analiza los archivos en símbolos, referencias y límites arquitectónicos
  • Resolución de dependencias
     - Mapea cómo dependen entre sí los archivos, módulos y símbolos
  • Integración de documentación - Incorpora la documentación del repositorio y material de referencia relacionado junto al código

2. Capas de recuperación especializadas#

En lugar de un índice genérico, Maguyva construye varias superficies de recuperación que responden distintas preguntas rápidamente y con distinta evidencia:

Presupuesto de contexto: Maguyva devuelve fragmentos de código clasificados con rutas de archivo y números de línea, en lugar de volcar archivos enteros en el contexto. La reducción real de tokens depende del tamaño del repositorio y la especificidad de la consulta.

Enrutamiento y clasificación#

  • Puntuación de relevancia
     - Elige el modo de recuperación correcto y prioriza primero los resultados importantes
  • Reducción de ruido - Elimina el código repetitivo, los fragmentos redundantes y las coincidencias de bajo valor
  • Priorización de contexto - Ordena los resultados para que el agente vea primero los símbolos principales antes que los helpers de casos límite

Representaciones almacenadas#

  • Recuperación semántica
     - Encuentra código y documentación conceptualmente similares aunque las palabras exactas difieran
  • Vistas de símbolos y estructura - Permite la búsqueda de símbolos exacta, las referencias y las preguntas con forma de AST
  • Análisis de grafo de dependencias
     - Sigue quién llama a qué, las importaciones y el radio de impacto en todo el código

3. Capa de herramientas del Model Context Protocol (MCP)#

Maguyva se entrega como un servidor MCP alojado en la nube. Tu agente llama a las herramientas según la vista que necesita, en lugar de depender de que el modelo recuerde tu arquitectura desde cero. Las cuatro superficies de arriba son vistas agrupadas sobre las herramientas concretas: Búsqueda semántica abarca semantic_search e intelligent_search; Búsqueda de símbolos abarca find_symbol y get_task_context; Búsqueda estructural abarca structural_search y text_pattern_search; Grafo de dependencias abarca dependency_search y analyze_dependencies — junto con get_file, repository_context y ask_maguyva como utilidades de apoyo. Consulta la referencia de la API MCP completa para ver las 11 herramientas.

Beneficios de la compatibilidad con MCP#

  • Usa más o menos herramientas - Apóyate mucho en Maguyva durante la planificación, o úsalo solo para verificar un cambio riesgoso
  • Mejor validación de planes - Contrasta ideas con símbolos, referencias y documentación reales antes de editar
  • Radio de impacto más claro - Las herramientas de dependencias y grafos muestran qué podría romperse si cambia un símbolo
  • Compatible a futuro - Funciona con cualquier cliente que soporte el estándar MCP

Arquitectura técnica#

Pipeline de procesamiento seguro#

Funciones de seguridad#

  • Seguridad en el transporte - Las conexiones al servicio usan HTTPS/TLS
  • Almacenamiento administrado - Los datos indexados se almacenan en infraestructura administrada con cifrado en reposo a nivel de almacenamiento
  • Aislamiento por namespace - Los datos del repositorio se delimitan por espacio de trabajo y namespace a lo largo del pipeline y las rutas de consulta de la base de datos
  • Controles de acceso - El acceso al repositorio está restringido por los límites de organización y namespace

Características de rendimiento#

El rendimiento varía según el tamaño del código y la complejidad de la consulta. Maguyva se enfoca en entregar el contexto más relevante en lugar de volcar archivos enteros. Consulta compatibilidad para ver los lenguajes y clientes compatibles.

Qué esperar#

Al filtrar y organizar de forma inteligente el contexto de tu código, Maguyva ayuda a los agentes de IA a trabajar de forma más eficiente:

  • Mejor precisión de planificación - Los agentes pueden validar un enfoque contra el repositorio real antes de empezar a programar
  • Refactorizaciones más seguras - Las verificaciones de radio de impacto y dependencias reducen roturas evitables
  • Menos desperdicio de tokens - Solo se devuelven los fragmentos relevantes en lugar de archivos completos
  • Comprensión más rápida del repo - El modelo obtiene respuestas fundamentadas rápidamente, en lugar de redescubrir la estructura del proyecto en cada ejecución

Los resultados varían según el tamaño y la complejidad de tu código, y los tipos de consultas que maneje tu agente de IA.

Cómo mantenemos tu índice actualizado#

Actualizaciones automáticas#

  • Sincronización del repositorio - Se actualiza con trabajos de sincronización de GitHub a medida que cambia el código
  • Procesamiento incremental - Solo procesa los archivos modificados para mayor eficiencia
  • Contexto consciente de ramas - Mantiene índices separados por rama de git para que los agentes vean el contexto correcto de cada rama

Primeros pasos#

¿Listo para probarlo?

  1. Empieza gratis - No se requiere tarjeta de crédito
  2. Conecta tu repositorio - vincula un repo de GitHub en el portal de Maguyva
  3. Apunta tu agente a Maguyva - Usa las herramientas MCP mientras planificas, verificas o editas (guía de instalación)

Empieza gratis →

Gestión de repositorios#

Conecta tus repositorios de GitHub a través del portal de Maguyva. La plataforma actualiza los índices con trabajos de sincronización de GitHub a medida que cambia el código, manteniendo la capa de herramientas MCP al día para cada rama. El portal también ofrece visibilidad básica del uso de la API, con analíticas más detalladas en camino.