Maguyva의 작동 방식

GitHub 저장소를 연결하면 Maguyva가 이를 에이전트가 필요할 때 활용할 수 있는 여러 검색 가능한 뷰로 변환합니다. 파일 전체를 컨텍스트에 쏟아붓는 대신, 모델은 심볼, 구조, 문서, 의존성, 그리고 랭킹된 코드 조각을 실제 코드에 근거해 조회할 수 있습니다.

프로젝트가 커질수록 AI 에이전트는 다음과 같은 문제를 겪습니다:

• 컨텍스트 윈도우 제약 - 너무 많은 정보가 AI 모델에 과부하를 일으킵니다
• 관련 없는 데이터 - AI 에이전트가 불필요한 정보에 토큰을 낭비합니다
• 저조한 성능 - 정확도가 떨어지고 처리 속도가 느려집니다
• 수동 관리 - 개발자가 컨텍스트를 수동으로 정리하는 데 시간을 소모합니다
• 높은 비용 - 컨텍스트 관리가 없으면 쿼리마다 토큰 비용이 증가합니다

저장소를 연결하면 Maguyva는 코드, 문서, 매니페스트, 심볼, 의존성 메타데이터에 대해 클라우드 수집 파이프라인을 실행합니다. 목표는 모든 에이전트 실행이 저장소를 처음부터 다시 발견하게 하는 대신, 지속적인 코드 메모리를 한 번에 구축하는 것입니다.

이 파이프라인은 정확한 텍스트 검색, 시맨틱 검색, 심볼 및 참조 조회, 구조적 뷰, 의존성 그래프 분석 등 여러 전문 데이터 레이어를 만들어냅니다. 서로 다른 질문은 서로 다른 레이어로 라우팅됩니다.

Maguyva는 5가지 검색 기능을 제공합니다: semantic, AST, symbol, dependency 및 text. intelligent_search에서는 의미, 텍스트, 구조, 그래프의 네 가지 검색 방식을 사용할 수 있습니다. 기본 auto/balanced는 의도를 높은 확신으로 판별할 수 있는 정의 질문을 구조적 검색으로, 참조 또는 영향 질문을 그래프로, 정확히 일치하는 항목을 찾는 질문을 텍스트로 라우팅합니다. 그 외 질문에는 의미 기반 검색과 인덱싱된 텍스트를 사용합니다. 네 가지 검색 방식을 모두 요청하려면 mode=hybrid 또는 auto와 quality=thorough를 사용하세요. 명시적으로 지정한 mode가 quality보다 우선합니다. language_filter는 auto/hybrid에서 그래프를 제외하며, 명시적 mode=graph와 함께 사용하면 거부됩니다. 여러 방식의 결과를 통합하고 쿼리와의 관련성에 따라 순위를 매깁니다.

비공개 저장소 뷰는 지원되는 언어 및 텍스트 기반 기술에 대한 공개 참조 데이터와 나란히 제공됩니다. 에이전트는 MCP 도구를 통해 전체 시스템에 접근하며, 계획 및 검증 단계에서 적극적으로 활용하거나 편집 중 스팟 체크로 사용할 수 있습니다.

GitHub이 연결되면 Maguyva는 클라우드에서 저장소를 스캔하여 에이전트가 실제로 추론에 필요로 하는 부분을 추출합니다:

• 코드 구조 분석 ░╔═╗░ ▓║◉║▓ ░╚═╝░ - 파일을 심볼, 참조, 아키텍처 경계로 파싱합니다
• 의존성 해석 ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - 파일, 모듈, 심볼이 서로 어떻게 의존하는지 매핑합니다
• 문서 통합 - 저장소 문서와 관련 참조 자료를 코드와 함께 가져옵니다

하나의 범용 인덱스 대신, Maguyva는 서로 다른 질문에 빠르고 서로 다른 근거로 답하는 여러 검색 인터페이스를 구축합니다:

• 관련성 스코어링 ▄█▄ ║⊙⊙║ ╚═█═╝ - 검색 모드와 품질 프리셋에 따라 검색 근거를 선택한 뒤 쿼리 관련성에 따라 일치 항목의 순위를 매깁니다
• 노이즈 제거 - 중복 일치를 줄이고 파일별 청크 수를 제한하여 한 파일이 결과 창을 채우지 않도록 합니다
• 컨텍스트 우선순위 지정 - 기본적으로 결과 범위를 제한하고 관련성을 유지합니다. 중요도 부스팅은 아키텍처를 살펴볼 때 boost_by_importance=true로 명시적으로 활성화하는 옵션이며, 기본 순위 정책이 아닙니다

• 시맨틱 검색 ┌─◈─┐ ║███║ ╚═══╝ - 정확한 단어가 달라도 개념적으로 유사한 코드와 문서를 찾아냅니다
• 심볼 및 구조적 뷰 - 정확한 심볼 조회, 참조, AST 형태의 질문을 지원합니다
• 의존성 그래프 분석 ▓█▓ ╔═●═╗ ╚═╤═╝ - 코드베이스 전반에서 호출자, 임포트, 영향 범위를 추적합니다

Maguyva는 클라우드 호스팅 MCP 서버 형태로 제공됩니다. 에이전트는 모델이 아키텍처를 처음부터 기억하는 데 의존하는 대신, 필요한 관점에 맞는 도구를 호출합니다. 위의 네 가지 영역은 구체적인 도구들을 묶어서 보여주는 뷰입니다: 시맨틱 검색은 semantic_search와 intelligent_search, 심볼 조회는 find_symbol과 get_task_context, 구조적 검색은 structural_search와 text_pattern_search, 의존성 그래프는 dependency_search와 analyze_dependencies를 포괄하며, 보조 유틸리티로 get_file, repository_context, ask_maguyva가 함께 제공됩니다. 전체 11개 도구는 MCP API 레퍼런스를 참조하세요.

• 도구 사용량 조절 - 계획 단계에서 Maguyva에 크게 의존하거나, 위험한 변경 사항을 검증하는 용도로만 가볍게 사용할 수 있습니다
• 더 나은 계획 검증 - 편집 전에 실제 심볼, 참조, 문서와 아이디어를 대조 확인합니다
• 더 명확한 영향 범위 - 의존성 및 그래프 도구가 심볼 변경 시 무엇이 깨질 수 있는지 보여줍니다
• 미래 호환성 - MCP 표준을 지원하는 모든 클라이언트와 작동합니다

• 전송 보안 - 서비스 연결은 HTTPS/TLS를 사용합니다
• 관리형 스토리지 - 인덱싱된 데이터는 저장 시 스토리지 수준 암호화가 적용된 관리형 인프라에 저장됩니다
• 네임스페이스 격리 - 저장소 데이터는 파이프라인과 데이터베이스 쿼리 경로 전반에서 워크스페이스와 네임스페이스 단위로 범위가 지정됩니다
• 접근 제어 - 저장소 접근은 조직 및 네임스페이스 경계에 의해 제한됩니다

성능은 코드베이스 크기와 쿼리 복잡도에 따라 달라집니다. Maguyva는 파일 전체를 쏟아붓기보다 가장 관련성 높은 컨텍스트를 제공하는 데 집중합니다. 지원 언어 및 클라이언트는 호환성를 참조하세요.

코드베이스 컨텍스트를 지능적으로 필터링하고 정리함으로써, Maguyva는 AI 에이전트가 더 효율적으로 작업하도록 돕습니다:

• 더 정확한 계획 수립 - 에이전트가 코딩을 시작하기 전에 실제 저장소를 기준으로 접근 방식을 검증할 수 있습니다
• 더 안전한 리팩터링 - 영향 범위와 의존성 점검을 통해 피할 수 있는 오류를 줄입니다
• 낮은 토큰 낭비 - 파일 전체 대신 관련 있는 조각만 반환됩니다
• 더 빠른 저장소 이해 - 모델이 매 실행마다 프로젝트 구조를 다시 파악하는 대신, 근거에 기반한 답을 빠르게 얻습니다

• 저장소 동기화 - 코드가 변경되면 GitHub 동기화 작업을 통해 갱신됩니다
• 증분 처리 - 효율성을 위해 변경된 파일만 처리합니다
• 브랜치 인식 컨텍스트 - git 브랜치별로 별도의 인덱스를 유지하여 에이전트가 각 브랜치에 맞는 컨텍스트를 보게 합니다

시작할 준비가 되셨나요?

1. 무료로 시작 - 신용카드가 필요하지 않습니다
2. 저장소 연결 - Maguyva 포털에서 GitHub 저장소를 연결하세요
3. 에이전트를 Maguyva로 연결 - 계획, 확인, 편집 과정에서 MCP 도구를 사용하세요 (설치 가이드)

무료로 시작하기 →

Maguyva 포털에서 GitHub 저장소를 연결하세요. 코드가 변경되면 GitHub 동기화 작업을 통해 인덱스가 갱신됩니다. 포털에서 API 사용 현황도 확인할 수 있습니다.