Hopp til innhold

Slik fungerer Maguyva

Koble til et GitHub-repo, og Maguyva gjør det om til flere søkbare visninger agenten din kan bruke ved behov. I stedet for å dumpe hele filer inn i konteksten, får modellen forankret tilgang til symboler, struktur, dokumentasjon, avhengigheter og rangerte kodefragmenter.

Kontekstproblemet#

Etter hvert som prosjektene dine vokser, sliter AI-agenter med:

  • Begrensninger i kontekstvindu - For mye informasjon overbelaster AI-modeller
  • Irrelevante data - AI-agenter kaster bort token på unødvendig informasjon
  • Dårlig ytelse - Redusert treffsikkerhet og lengre behandlingstid
  • Manuell håndtering - Utviklere bruker timer på å organisere kontekst manuelt
  • Høyere kostnader - Uten konteksthåndtering øker tokenkostnadene for hvert spørsmål

Jo større et prosjekt blir, desto mer støy kommer inn i kontekstvinduet — og agentens treffsikkerhet synker som følge av det.

Løsningen fra Maguyva#

Når du kobler til et repo, kjører Maguyva skybaserte innhentingspipelines over kode, dokumentasjon, manifester, symboler og avhengighetsmetadata. Målet er å bygge varig kodeminne én gang, i stedet for å la hver agentkjøring gjenoppdage repoet fra bunnen av.

Disse pipelinene produserer flere spesialiserte datalag: eksakt tekstsøk, semantisk gjenfinning, symbol- og referanseoppslag, strukturelle visninger og analyse av avhengighetsgrafen. Ulike spørsmål rutes til ulike lag.

Søket kombinerer 5 gjenfinningsmodus: semantic, AST, symbol, dependency og text. Resultatene slås sammen og rangeres, slik at viktige symboler dukker opp før hjelpefunksjoner med lav verdi.

De private repovisningene ligger side om side med offentlige referansedata for støttede språk og tekstbaserte teknologier. Agenten din når hele systemet gjennom MCP-verktøy, som du kan lene deg tungt på under planlegging og validering, eller bruke som stikkprøver mens du redigerer.

1. Innhenting av repo#

Når GitHub er koblet til, skanner Maguyva repoet i skyen og trekker ut delene en agent faktisk trenger å resonnere rundt:

  • Analyse av kodestruktur
     - Parser filer til symboler, referanser og arkitektoniske grenser
  • Avhengighetsløsning
     - Kartlegger hvordan filer, moduler og symboler er avhengige av hverandre
  • Integrasjon av dokumentasjon - Henter inn repo-dokumentasjon og relatert referansemateriale sammen med koden

2. Spesialiserte gjenfinningslag#

I stedet for én generisk indeks bygger Maguyva flere gjenfinningsflater som svarer raskt på ulike spørsmål med ulike typer bevis:

Kontekstbudsjett: Maguyva returnerer rangerte kodefragmenter med filstier og linjenumre, i stedet for å dumpe hele filer inn i konteksten. Faktisk reduksjon i antall token avhenger av repoets størrelse og hvor spesifikt spørsmålet er.

Ruting og rangering#

  • Relevansscoring
     - Velger riktig gjenfinningsmodus og løfter de viktigste resultatene først
  • Støyreduksjon - Fjerner boilerplate, overflødige biter og treff med lav verdi
  • Kontekstprioritering - Sorterer resultatene slik at agenten ser kjernesymboler før hjelpefunksjoner for spesialtilfeller

Lagrede representasjoner#

  • Semantisk gjenfinning
     - Finner konseptuelt lignende kode og dokumentasjon selv når ordene er forskjellige
  • Symbol- og strukturvisninger - Støtter eksakt symboloppslag, referanser og AST-formede spørsmål
  • Analyse av avhengighetsgraf
     - Følger kallere, importer og påvirkningsradius gjennom hele kodebasen

3. Verktøylaget for Model Context Protocol (MCP)#

Maguyva leveres som en skybasert MCP-server. Agenten din kaller på verktøyene for den linsen den trenger, i stedet for å stole på at modellen husker arkitekturen din fra bunnen av. De fire flatene over er grupperte visninger av de konkrete verktøyene: Semantisk søk dekker semantic_search og intelligent_search; Symbol Lookup dekker find_symbol og get_task_context; Strukturelt søk dekker structural_search og text_pattern_search; Dependency Graph dekker dependency_search og analyze_dependencies — i tillegg til get_file, repository_context og ask_maguyva som støtteverktøy. Se hele MCP API-referanse for alle 11 verktøyene.

Fordeler med MCP-kompatibilitet#

  • Bruk mer eller mindre verktøy - Len deg tungt på Maguyva under planlegging, eller bruk det bare til å fornuftssjekke en risikabel endring
  • Bedre planvalidering - Kryssjekk ideer mot faktiske symboler, referanser og dokumentasjon før du redigerer
  • Tydeligere blast radius - Avhengighets- og grafverktøy viser hva som kan gå i stykker om et symbol endres
  • Fremtidskompatibel - Fungerer med enhver klient som støtter MCP-standarden

Teknisk arkitektur#

Sikker prosesseringspipeline#

Sikkerhetsfunksjoner#

  • Transportsikkerhet - Tilkoblinger til tjenesten bruker HTTPS/TLS
  • Administrert lagring - Indekserte data lagres på administrert infrastruktur med kryptering på lagringsnivå i hvile
  • Navneromsisolasjon - Repodata avgrenses etter arbeidsområde og navnerom gjennom pipeline- og databasespørringsveiene
  • Tilgangskontroll - Tilgang til repoer begrenses av organisasjons- og navneromsgrenser

Ytelsesegenskaper#

Ytelsen varierer med størrelsen på kodebasen og hvor komplekst spørsmålet er. Maguyva prioriterer å levere den mest relevante konteksten fremfor å dumpe hele filer. Se kompatibilitet for støttede språk og klienter.

Hva du kan forvente#

Ved å filtrere og organisere konteksten fra kodebasen din på en intelligent måte, hjelper Maguyva AI-agenter med å jobbe mer effektivt:

  • Bedre planleggingspresisjon - Agenter kan validere en tilnærming mot det faktiske repoet før de begynner å kode
  • Tryggere refaktorering - Sjekker av blast radius og avhengigheter reduserer unødvendige brudd
  • Mindre bortkastede token - Kun relevante fragmenter returneres i stedet for hele filer
  • Raskere forståelse av repoet - Modellen får forankrede svar raskt, i stedet for å gjenoppdage prosjektstrukturen for hver kjøring

Resultatene varierer avhengig av kodebasens størrelse, kompleksitet og hvilke typer spørsmål AI-agenten din håndterer.

Slik holdes indeksen oppdatert#

Automatiske oppdateringer#

  • Reposynkronisering - Oppdateres fra GitHub-synkroniseringsjobber etter hvert som koden endres
  • Inkrementell prosessering - Behandler kun endrede filer for økt effektivitet
  • Branch-bevisst kontekst - Holder separate indekser per git-branch, slik at agenter ser riktig kontekst for hver branch

Kom i gang#

Klar for å prøve?

  1. Start gratis - Ikke behov for kredittkort
  2. Koble til repoet ditt - koble til et GitHub-repo i Maguyva-portalen
  3. Pek agenten din mot Maguyva - Bruk MCP-verktøyene under planlegging, kontroll eller redigering (installasjonsguiden)

Start gratis →

Repoadministrasjon#

Koble til GitHub-repoene dine gjennom Maguyva-portalen. Plattformen oppdaterer indeksene fra GitHub-synkroniseringsjobber etter hvert som koden endres, slik at MCP-verktøylaget holdes oppdatert for hver branch. Portalen gir også grunnleggende innsyn i API-bruk, med mer detaljert analyse på veikartet.