Maguyvaの仕組み

GitHubリポジトリを接続すると、Maguyvaはそれを、あなたのエージェントがオンデマンドで使えるいくつもの検索可能なビューへと変換します。ファイル全体をコンテキストに流し込む代わりに、モデルはシンボル、構造、ドキュメント、依存関係、ランク付けされたコードフラグメントへの、根拠のあるアクセスを得ます。

プロジェクトが大きくなるにつれて、AIエージェントは次のような問題に直面します:

• コンテキストウィンドウの制約 - 情報が多すぎるとAIモデルが処理しきれなくなります
• 無関係なデータ - AIエージェントが不要な情報にトークンを浪費します
• 性能の低下 - 精度の低下と処理速度の低下
• 手作業での管理 - 開発者はコンテキストの整理に何時間も費やします
• コストの増大 - コンテキスト管理をしないと、クエリのたびにトークンコストが増加します

リポジトリを接続すると、Maguyvaはコード、ドキュメント、マニフェスト、シンボル、依存関係メタデータに対してクラウド取り込みパイプラインを実行します。目的は、すべてのエージェントが毎回リポジトリをゼロから再発見する代わりに、永続的なコードの記憶を一度だけ構築することです。

これらのパイプラインは、いくつかの専門データレイヤーを生成します: 正確なテキスト検索、セマンティック検索、シンボルおよび参照のルックアップ、構造ビュー、そして依存関係グラフ解析です。質問の種類によって、扱われるレイヤーが変わります。

Maguyva は 5 の検索機能を提供します: semantic、AST、symbol、dependency、text。intelligent_search では、意味、テキスト、構造、グラフの 4 つの検索モダリティを利用できます。 デフォルトの auto/balanced は、意図を高い確度で判定できる定義の質問を構造検索へ、参照や影響の質問をグラフへ、完全一致の質問をテキスト検索へ振り分けます。それ以外の質問には、意味に基づく検索とインデックス済みテキストを使います。 4 つすべてを要求するには mode=hybrid、または auto と quality=thorough を指定します。明示的に指定した mode は quality より優先されます。 language_filter を指定すると auto/hybrid からグラフが除外され、明示的な mode=graph との併用は拒否されます。 複数のモダリティによる結果は統合され、質問との関連性に応じて順位付けされます。

非公開リポジトリのビューは、対応する言語およびテキストベースの技術の公開リファレンスデータと並んで存在します。あなたのエージェントは、MCPツールを通じてシステム全体にアクセスできます。計画や検証の段階で全面的に頼ることも、編集中のスポットチェックとして使うこともできます。

GitHubを接続すると、Maguyvaはクラウド上でリポジトリをスキャンし、エージェントが実際に推論するために必要な部分を抽出します:

• コード構造解析 ░╔═╗░ ▓║◉║▓ ░╚═╝░ - ファイルをシンボル、参照、アーキテクチャ境界に分解します
• 依存関係の解決 ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - ファイル、モジュール、シンボルが互いにどう依存しているかをマッピングします
• ドキュメント統合 - コードと合わせて、リポジトリのドキュメントや関連する参考資料を取り込みます

単一の汎用インデックスの代わりに、Maguyvaは複数の検索サーフェスを構築し、それぞれ異なる種類の質問に、異なる根拠にもとづいて素早く答えます:

• 関連度スコアリング ▄█▄ ║⊙⊙║ ╚═█═╝ - 検索モードと品質プリセットに応じて検索の根拠を選択し、クエリとの関連性に基づいて一致結果を順位付けします
• ノイズ除去 - 重複する一致結果を減らし、ファイルごとのチャンク数を制限して、1 つのファイルが結果枠を埋め尽くさないようにします
• コンテキストの優先順位付け - デフォルトでは結果を関連性のある範囲に絞ります。重要度によるブーストは、アーキテクチャを概観する際に boost_by_importance=true で明示的に有効にするもので、標準の順位付け方針ではありません

• セマンティック検索 ┌─◈─┐ ║███║ ╚═══╝ - 言葉が完全に一致していなくても、概念的に似ているコードやドキュメントを見つけます
• シンボル・構造ビュー - 正確なシンボルルックアップ、参照、AST形式の質問に対応します
• 依存関係グラフ解析 ▓█▓ ╔═●═╗ ╚═╤═╝ - コードベース全体で、呼び出し元、インポート、影響範囲を追跡します

Maguyvaはクラウドホスト型のMCPサーバーとして提供されます。エージェントは、モデルがゼロからあなたのアーキテクチャを記憶していることに頼るのではなく、必要な視点に応じたツールを呼び出します。上記の4つのサーフェスは、具体的なツールをグループ化したビューです: セマンティック検索はsemantic_searchとintelligent_search、シンボルルックアップはfind_symbolとget_task_context、構造検索はstructural_searchとtext_pattern_search、依存関係グラフはdependency_searchとanalyze_dependenciesをカバーし、さらに補助ユーティリティとしてget_file、repository_context、ask_maguyvaがあります。全11ツールについては、完全なMCP APIリファレンスをご覧ください。

• ツールの使用量を調整 - 計画段階でMaguyvaに全面的に頼ることも、リスクの高い変更のサニティチェックとして使うこともできます
• より確実な計画検証 - 編集前に、実際のシンボル、参照、ドキュメントと照らし合わせてアイデアを検証します
• 明確な影響範囲 - 依存関係ツールとグラフツールが、シンボルを変更した場合に何が壊れる可能性があるかを示します
• 将来にわたる互換性 - MCP標準に対応するどのクライアントでも動作します

• 通信のセキュリティ - 本サービスへの接続にはHTTPS/TLSを使用します
• マネージドストレージ - インデックス化されたデータは、保存時にストレージレベルの暗号化が施された管理インフラに保存されます
• ネームスペースの分離 - リポジトリデータは、パイプラインおよびデータベースクエリの経路を通じて、ワークスペースとネームスペースの単位でスコープされます
• アクセス制御 - リポジトリへのアクセスは、組織とネームスペースの境界によって制限されます

パフォーマンスは、コードベースの規模とクエリの複雑さによって変わります。Maguyvaはファイル全体を詰め込むのではなく、最も関連性の高いコンテキストを届けることに重点を置いています。対応言語とクライアントについては互換性をご覧ください。

コードベースのコンテキストを知的にフィルタリングし整理することで、MaguyvaはAIエージェントがより効率的に作業できるよう支援します:

• 計画精度の向上 - エージェントは、コーディングを始める前に、実際のリポジトリに対してアプローチを検証できます
• より安全なリファクタリング - 影響範囲と依存関係チェックにより、避けられる破壊を減らします
• トークンの無駄を削減 - ファイル全体ではなく、関連するフラグメントだけが返されます
• リポジトリ理解の高速化 - モデルは、毎回プロジェクト構造を再発見する代わりに、根拠のある回答をすばやく得られます

• リポジトリ同期 - コードの変更に応じて、GitHub同期ジョブから更新します
• 差分処理 - 効率化のため、変更されたファイルのみを処理します
• ブランチを認識するコンテキスト - gitブランチごとに別々のインデックスを維持し、エージェントが各ブランチに応じた正しいコンテキストを見られるようにします

試してみる準備はできましたか?

1. 無料で始める - クレジットカード不要
2. リポジトリを接続する - MaguyvaポータルでGitHubリポジトリをリンクする
3. エージェントをMaguyvaに向ける - 計画、確認、編集の際にMCPツールを使用する (インストールガイド)

無料で始める →

Maguyva のポータルから GitHub リポジトリを接続します。コードの変更に応じて、GitHub 同期ジョブがインデックスを更新します。ポータルでは API の使用状況も確認できます。