Maguyva의 작동 방식

GitHub 리포지토리를 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 조각에 근거한 접근 권한을 얻습니다.

컨텍스트 문제#

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

Maguyva의 해결책#

리포지토리를 연결하면 Maguyva는 코드, 문서, 매니페스트, 심볼, 의존성 메타데이터에 대해 클라우드 수집 파이프라인을 실행합니다. 목표는 모든 에이전트 실행이 리포지토리를 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.

검색은 5가지 검색 모드를 결합합니다: semantic, AST, symbol, dependency 및 text. 결과는 통합되고 랭킹되어 중요한 심볼이 가치가 낮은 헬퍼보다 먼저 드러납니다.

비공개 리포지토리 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.

1. 리포지토리 수집#

GitHub이 연결되면 Maguyva는 클라우드에서 리포지토리를 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 - 리포지토리 문서와 관련 참조 자료를 코드와 함께 가져옵니다

2. 전문 검색 레이어#

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

라우팅과 랭킹#

• 관련성 스코어링

  ▄█▄
   ║⊙⊙║
   ╚═█═╝

  - 적절한 검색 모드를 선택하고 중요한 결과를 먼저 끌어올립니다
• 노이즈 제거 - 상용구 코드, 중복 청크, 가치가 낮은 일치 항목을 제거합니다
• 컨텍스트 우선순위 지정 - 에이전트가 예외 상황 헬퍼보다 핵심 심볼을 먼저 보도록 결과 순서를 정합니다

저장된 표현#

• 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

3. MCP(Model Context Protocol) 도구 레이어#

Maguyva는 클라우드 호스팅 MCP 서버 형태로 제공됩니다. 에이전트는 모델이 아키텍처를 처음부터 기억하는 데 의존하는 대신, 필요한 관점에 맞는 도구를 호출합니다. 위의 네 가지 표면은 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.

MCP 호환성의 이점#

• 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

기술 아키텍처#

보안 처리 파이프라인#

보안 기능#

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

성능 특성#

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

기대할 수 있는 것#

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

• 더 정확한 계획 수립 - 에이전트가 코딩을 시작하기 전에 실제 리포지토리를 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 리포지토리 이해 - 모델이 매 실행마다 프로젝트 구조를 다시 파악하는 대신, 근거에 기반한 답을 빠르게 얻습니다

인덱스를 최신으로 유지하기#

자동 업데이트#

• 리포지토리 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

시작하기#

시작할 준비가 되셨나요?

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

무료로 시작하기 →

리포지토리 관리#

Maguyva 포털을 통해 GitHub 리포지토리를 연결하세요. 코드가 변경되면 플랫폼이 GitHub 동기화 작업을 통해 인덱스를 갱신하여 각 브랜치에 대한 MCP 도구 레이어를 최신 상태로 유지합니다. 포털은 기본적인 API 사용량 가시성도 제공하며, 더 상세한 분석 기능은 로드맵에 포함되어 있습니다.