Cara Kerja Maguyva

Hubungkan repository GitHub, dan Maguyva mengubahnya menjadi beberapa tampilan yang bisa dicari, siap dipakai agen Anda kapan pun dibutuhkan. Alih-alih menjejalkan seluruh file ke konteks, model mendapat akses yang berlandaskan bukti nyata ke simbol, struktur, dokumentasi, dependensi, dan potongan kode yang sudah diranking.

Seiring proyek Anda berkembang, agen AI kesulitan menghadapi:

• Keterbatasan Context Window - Terlalu banyak informasi membanjiri model AI
• Data Tidak Relevan - Agen AI memboroskan token untuk informasi yang tidak perlu
• Performa Buruk - Akurasi menurun dan waktu pemrosesan lebih lama
• Manajemen Manual - Developer menghabiskan berjam-jam mengorganisasi konteks secara manual
• Biaya Lebih Tinggi - Tanpa manajemen konteks, biaya token meningkat di setiap query

Saat Anda menghubungkan repository, Maguyva menjalankan pipeline penyerapan di cloud atas kode, dokumentasi, manifest, simbol, dan metadata dependensi. Tujuannya adalah membangun memori kode yang bertahan lama sekali saja, agar agen tidak perlu menemukan ulang repo dari nol setiap kali dijalankan.

Pipeline-pipeline itu menghasilkan beberapa lapisan data khusus: pencarian teks tepat, pengambilan semantik, pencarian simbol dan referensi, tampilan struktural, dan analisis graf dependensi. Pertanyaan yang berbeda diarahkan ke lapisan yang berbeda pula.

Maguyva menawarkan 5 kemampuan pengambilan informasi: semantic, AST, symbol, dependency, dan text. Di dalam intelligent_search tersedia empat modalitas pencarian: semantik, teks, struktural, dan graf. Pengaturan bawaan auto/balanced mengarahkan kueri yang dikenali dengan keyakinan tinggi sebagai pencarian definisi ke pencarian struktural, pertanyaan tentang referensi atau dampak ke graf, dan pertanyaan tentang kecocokan persis ke pencarian teks. Pertanyaan lainnya menggunakan makna semantik dan teks yang diindeks. Gunakan mode=hybrid atau auto dengan quality=thorough untuk meminta keempat modalitas pencarian. Mode yang dipilih secara eksplisit didahulukan daripada quality. language_filter menghilangkan graf dari auto/hybrid dan ditolak saat mode=graph dipilih secara eksplisit. Hasil dari beberapa modalitas digabungkan dan diperingkat menurut relevansinya terhadap kueri.

Tampilan repository privat berdampingan dengan data referensi publik untuk bahasa dan teknologi berbasis teks yang didukung. Agen Anda menjangkau seluruh sistem lewat tool MCP, yang bisa Anda andalkan secara intensif saat merencanakan dan memvalidasi, atau gunakan sebagai pengecekan sekilas saat mengedit.

Setelah GitHub terhubung, Maguyva memindai repository di cloud dan mengekstrak bagian-bagian yang benar-benar dibutuhkan agen untuk bernalar:

• Analisis Struktur Kode ░╔═╗░ ▓║◉║▓ ░╚═╝░ - Mengurai file menjadi simbol, referensi, dan batas arsitektural
• Resolusi Dependensi ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - Memetakan bagaimana file, modul, dan simbol saling bergantung
• Integrasi Dokumentasi - Menarik dokumentasi repository dan materi referensi terkait bersama kodenya

Alih-alih satu indeks generik, Maguyva membangun beberapa mekanisme pengambilan yang menjawab pertanyaan berbeda dengan cepat berdasarkan bukti yang berbeda pula:

• Penilaian Relevansi ▄█▄ ║⊙⊙║ ╚═█═╝ - Memilih bukti pengambilan sesuai mode pencarian dan preset kualitas, lalu mengurutkan kecocokan berdasarkan relevansinya dengan kueri
• Reduksi Noise - Mengurangi kecocokan duplikat dan membatasi potongan per file agar satu file tidak memenuhi jendela hasil
• Prioritisasi Konteks - Secara default menjaga hasil tetap terbatas dan relevan. Pembobotan kepentingan diaktifkan secara eksplisit dengan boost_by_importance=true untuk meninjau arsitektur, bukan kebijakan pemeringkatan default

• Pengambilan Semantik ┌─◈─┐ ║███║ ╚═══╝ - Menemukan kode dan dokumentasi yang mirip secara konsep, bahkan saat kata-kata persisnya berbeda
• Tampilan Simbol dan Struktural - Mendukung pencarian simbol tepat, referensi, dan pertanyaan berbasis bentuk AST
• Analisis Graf Dependensi ▓█▓ ╔═●═╗ ╚═╤═╝ - Menelusuri pemanggil, import, dan cakupan dampak di seluruh codebase

Maguyva disediakan sebagai server MCP yang di-hosting di cloud. Agen Anda memanggil tool sesuai sudut pandang yang dibutuhkan, alih-alih mengandalkan model untuk mengingat arsitektur Anda dari nol. Keempat kelompok di atas mencakup tool berikut: Pencarian Semantik mencakup semantic_search dan intelligent_search; Pencarian Simbol mencakup find_symbol dan get_task_context; Pencarian Struktural mencakup structural_search dan text_pattern_search; Graf Dependensi mencakup dependency_search dan analyze_dependencies — di samping get_file, repository_context, dan ask_maguyva sebagai utilitas pendukung. Lihat Referensi API MCP lengkap untuk semua 11 tool.

• Gunakan Tooling Sesuai Kebutuhan - Gunakan Maguyva secara intensif saat merencanakan, atau cukup gunakan untuk sanity-check perubahan berisiko
• Validasi Rencana Lebih Baik - Cocokkan ide dengan simbol, referensi, dan dokumentasi sungguhan sebelum mengedit
• Cakupan Dampak yang Lebih Jelas - Tool dependensi dan graf menunjukkan apa yang mungkin rusak jika sebuah simbol berubah
• Kompatibel ke Depan - Bekerja dengan client mana pun yang mendukung standar MCP

• Keamanan Transport - Koneksi ke layanan menggunakan HTTPS/TLS
• Storage Terkelola - Data yang diindeks disimpan pada infrastruktur terkelola dengan enkripsi tingkat storage saat data diam (at rest)
• Isolasi Namespace - Data repository dibatasi ruang lingkupnya berdasarkan workspace dan namespace di sepanjang jalur pipeline dan query database
• Kontrol Akses - Akses repository dibatasi oleh batas organisasi dan namespace

Performa bervariasi tergantung ukuran codebase dan kompleksitas query. Maguyva berfokus memberikan konteks yang paling relevan, bukan menjejalkan seluruh file. Lihat kompatibilitas untuk bahasa dan client yang didukung.

Dengan menyaring dan mengorganisasi konteks codebase Anda secara cerdas, Maguyva membantu agen AI bekerja lebih efisien:

• Akurasi Perencanaan Lebih Baik - Agen bisa memvalidasi pendekatannya terhadap repository sesungguhnya sebelum mulai coding
• Refactor Lebih Aman - Pengecekan cakupan dampak dan dependensi mengurangi kerusakan yang sebenarnya bisa dihindari
• Pemborosan Token Lebih Rendah - Hanya potongan relevan yang dikembalikan, bukan seluruh file
• Pemahaman Repo Lebih Cepat - Model mendapat jawaban yang berlandaskan bukti nyata dengan cepat, alih-alih menemukan ulang struktur proyek setiap kali dijalankan

• Sinkronisasi Repository - Memperbarui dari sync job GitHub setiap kali kode berubah
• Pemrosesan Inkremental - Hanya memproses file yang berubah demi efisiensi
• Konteks yang Peka Branch - Menjaga indeks terpisah per branch git sehingga agen melihat konteks yang tepat untuk setiap branch

Siap mencobanya?

1. Mulai gratis - Tanpa kartu kredit
2. Hubungkan repository Anda - tautkan repo GitHub di portal Maguyva
3. Arahkan agen Anda ke Maguyva - Gunakan tool MCP saat merencanakan, memeriksa, atau mengedit (panduan instalasi)

Mulai gratis →

Hubungkan repositori GitHub melalui portal Maguyva. Pekerjaan sinkronisasi GitHub memperbarui indeks saat kode berubah. Portal juga menampilkan penggunaan API.