Hoe Maguyva werkt

Verbind een GitHub-repository en Maguyva zet die om in meerdere doorzoekbare views die je agent op aanvraag kan gebruiken. In plaats van hele bestanden in de context te dumpen, krijgt het model gefundeerde toegang tot symbolen, structuur, documentatie, dependencies en gerankte codefragmenten.

Naarmate je projecten groeien, hebben AI-agents moeite met:

• Beperkingen van het contextvenster - Te veel informatie overweldigt AI-modellen
• Irrelevante data - AI-agents verspillen tokens aan onnodige informatie
• Slechte performance - Lagere nauwkeurigheid en langzamere verwerkingstijden
• Handmatig beheer - Developers besteden uren aan het handmatig organiseren van context
• Hogere kosten - Zonder contextbeheer stijgen de tokenkosten met elke query

Wanneer je een repository verbindt, draait Maguyva cloud-ingestiepipelines over code, documentatie, manifesten, symbolen en dependency-metadata. Het doel is om één keer een duurzaam code-geheugen op te bouwen, in plaats van elke agent-run de repo helemaal opnieuw te laten ontdekken.

Die pipelines leveren meerdere gespecialiseerde datalagen op: exacte tekstzoekopdrachten, semantic retrieval, symbool- en referentieopzoekingen, structurele views en afhankelijkheidsgraafanalyse. Verschillende vragen worden naar verschillende lagen gerouteerd.

Maguyva biedt 5 mogelijkheden voor informatieophaling: semantic, AST, symbol, dependency en text. Binnen intelligent_search zijn vier zoekmodaliteiten beschikbaar: semantiek, tekst, structuur en graaf. Standaard stuurt auto/balanced vragen die met voldoende zekerheid als definitievragen worden herkend naar structureel zoeken, vragen over verwijzingen of impact naar de graaf en vragen om exacte overeenkomsten naar tekstzoeken. Andere vragen gebruiken semantische betekenis en geïndexeerde tekst. Gebruik mode=hybrid of auto met quality=thorough om alle vier de zoekmodaliteiten aan te vragen; een expliciete modus heeft voorrang op quality. Een language_filter sluit de graaf uit van auto/hybrid en wordt afgewezen bij een expliciete graafmodus. Resultaten uit meerdere modaliteiten worden samengevoegd en gerangschikt op relevantie voor de zoekvraag.

De private repository-views staan naast publieke referentiedata voor ondersteunde talen en tekstgebaseerde technologieën. Je agent bereikt het hele systeem via MCP-tools, waar je zwaar op kunt leunen tijdens planning en validatie, of die je als steekproef kunt gebruiken tijdens het bewerken.

Zodra GitHub is verbonden, scant Maguyva de repository in de cloud en extraheert het de onderdelen waar een agent daadwerkelijk over moet redeneren:

• Analyse van codestructuur ░╔═╗░ ▓║◉║▓ ░╚═╝░ - Parseert bestanden naar symbolen, referenties en architecturale grenzen
• Dependency-resolutie ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - Brengt in kaart hoe bestanden, modules en symbolen van elkaar afhankelijk zijn
• Documentatie-integratie - Haalt repositorydocumentatie en gerelateerd referentiemateriaal binnen naast de code

In plaats van één generieke index bouwt Maguyva meerdere gespecialiseerde zoeklagen die verschillende vragen snel beantwoorden, elk met ander bewijsmateriaal:

• Relevantiescoring ▄█▄ ║⊙⊙║ ╚═█═╝ - Selecteert gegevens op basis van de zoekmodus en kwaliteitsinstelling en rangschikt de overeenkomsten vervolgens op relevantie voor de zoekvraag
• Ruisreductie - Vermindert dubbele overeenkomsten en beperkt het aantal fragmenten per bestand, zodat één bestand niet het hele resultatenvenster vult
• Contextprioritering - Houdt resultaten standaard begrensd en relevant. Geef boost_by_importance=true op om belangrijke symbolen extra gewicht te geven bij het verkennen van de architectuur; dit is niet het standaard rangschikkingsbeleid

• Semantic retrieval ┌─◈─┐ ║███║ ╚═══╝ - Vindt conceptueel vergelijkbare code en documentatie, zelfs als de exacte woorden verschillen
• Symbool- en structurele views - Ondersteunt het exact opzoeken van symbolen, referenties en vragen over de AST-structuur
• Afhankelijkheidsgraafanalyse ▓█▓ ╔═●═╗ ╚═╤═╝ - Volgt callers, imports en impactradius door de hele codebase

Maguyva wordt geleverd als een cloud-gehoste MCP-server. Je agent roept de tools aan voor de invalshoek die het nodig heeft, in plaats van te vertrouwen op het model om je architectuur helemaal uit het hoofd te onthouden. De vier bovenstaande overzichten zijn gegroepeerde weergaven van de concrete tools: Semantisch zoeken omvat semantic_search en intelligent_search; Symbol Lookup omvat find_symbol en get_task_context; Structureel zoeken omvat structural_search en text_pattern_search; Afhankelijkheidsgraaf omvat dependency_search en analyze_dependencies — naast get_file, repository_context en ask_maguyva als ondersteunende hulpmiddelen. Bekijk de volledige MCP API-referentie voor alle 11 tools.

• Meer of minder tooling gebruiken - Leun zwaar op Maguyva tijdens het plannen, of gebruik het alleen om een risicovolle wijziging te controleren
• Betere planvalidatie - Toets ideeën aan echte symbolen, referenties en documentatie voordat je gaat bewerken
• Duidelijkere impactradius - Dependency- en graphtools laten zien wat er kan breken als een symbool verandert
• Toekomstbestendig - Werkt met elke client die de MCP-standaard ondersteunt

• Transportbeveiliging - Verbindingen met de service verlopen via HTTPS/TLS
• Beheerde opslag - Geïndexeerde data wordt opgeslagen op beheerde infrastructuur met versleuteling van opgeslagen gegevens op opslagniveau
• Namespace-isolatie - Repositorydata is afgebakend per workspace en namespace, via de pipeline- en databasequerypaden
• Toegangscontrole - Repositorytoegang is beperkt tot organisatie- en namespacegrenzen

De performance varieert met de grootte van de codebase en de complexiteit van de query. Maguyva richt zich op het leveren van de meest relevante context, in plaats van hele bestanden te dumpen. Zie compatibiliteit voor ondersteunde talen en clients.

Door je codebasecontext intelligent te filteren en te organiseren, helpt Maguyva AI-agents efficiënter te werken:

• Betere plannauwkeurigheid - Agents kunnen een aanpak toetsen aan de daadwerkelijke repository voordat ze beginnen met coderen
• Veiligere refactors - Impactradius- en dependencycontroles verminderen vermijdbare schade
• Minder tokenverspilling - Alleen relevante fragmenten worden geretourneerd in plaats van hele bestanden
• Sneller repo-begrip - Het model krijgt snel gefundeerde antwoorden, in plaats van elke run de projectstructuur opnieuw te ontdekken

• Repository-sync - Vernieuwt via GitHub-syncjobs zodra code verandert
• Incrementele verwerking - Verwerkt voor de efficiëntie alleen gewijzigde bestanden
• Branch-bewuste context - Houdt aparte indexen bij per git-branch, zodat agents de juiste context zien voor elke branch

Klaar om het te proberen?

1. Start gratis - Geen creditcard nodig
2. Verbind je repository - koppel een GitHub-repo in het Maguyva-portaal
3. Verbind je agent met Maguyva - Gebruik de MCP-tools tijdens het plannen, controleren of bewerken (installatiegids)

Start gratis →

Verbind je GitHub-repository's via het Maguyva-portaal. Indexen worden via GitHub-synchronisatietaken bijgewerkt als de code verandert. Het portaal geeft ook inzicht in API-gebruik.