Maguyva ondersteunt Python met AST-parsing en symboolextractie, en helpt AI-agents decorators, self/cls-methods, imports en cross-module-afhankelijkheden te volgen in echte Python-repositories.
Python is de plek waar veel AI-codetools er eerst goed uitzien en vervolgens in productie beginnen te gokken. De lastige delen zijn bekend: gedecoreerde entrypoints, service-classes, type stubs, overal kleine helpermodules, en methods die alleen zinvol zijn zodra je self of cls weer verbindt met de class waartoe ze behoren.
Voor Python is de echte vraag niet “kan het .py-bestanden lezen?” De vraag is of de agent onderbouwd kan blijven terwijl hij beweegt van een endpoint naar een service, van een achtergrondtaak naar een helper, of van een classnaam naar de methods die het gedrag daadwerkelijk implementeren.
Maguyva behandelt Python als een volwaardige structurele taal. De configuratie dekt .py, .pyw en .pyi; koppelt decorated_definition terug aan een functiesymbool; en kwalificeert self / cls method-calls terug naar de omsluitende class. Dat is belangrijk omdat dit precies de plekken zijn waar Python-repositories een mens voor de hand liggend beginnen te lijken en een LLM vaag.
Het filtert ook veel standaardbibliotheekruis uit de relatie-extractie. Dat betekent dat veelvoorkomende runtime-calls uit modules zoals pathlib, typing of logging minder snel de repository-specifieke relaties overstemmen waar het je daadwerkelijk om gaat.
De eenvoudigste nuttige workflow is:
intelligent_search voor een gedragsvraag zoals “retrylogica rond factuursynchronisatie” of “permissiecontroles in facturatie-endpoints”.find_symbol zodra je de classnaam of functienaam kent waar het je om gaat.dependency_search met inkomende traversal voordat je een gedeelde service, helper of basisclass refactoreert.Dat patroon is beter dan een agent vanaf nul vragen om “de facturatieflow bij te werken”. Het laat de agent eerst een kaart opbouwen en pas daarna code wijzigen.
Deze pagina is voor Python-repo’s die al enige ouderdom en complexiteit hebben: servicecode, jobs, scripts, gegenereerde types en omliggende config. Als jouw belangrijkste vergelijking over polyglot webmonorepo’s gaat, lees dan ook de TypeScript-gids. Heb je alleen de volledige ondersteuningsmatrix nodig, gebruik dan compatibiliteit.
Beste toepassing
Agentworkflows
Enginedetails
Nuttige MCP-instappunten
intelligent_search
Begin met een conceptuele query zoals “retry-logica rond factuursynchronisatie” en stel `language_filter="python"` in als de repo meertalig is.
find_symbol
Gebruik dit wanneer je de klasse- of functienaam kent en de definitie plus referenties nodig hebt voordat je gaat wijzigen.
dependency_search
Gebruik de inkomende richting voordat je een gedeelde service of helper refactort, om te zien wat ervan afhangt.
Gerelateerde gidsen
Nuttig wanneer de repo vol staat met Spring-services, interne frameworks en code die meerdere organisatorische tijdperken heeft overleefd.
Extensies
.java
Relevant wanneer je repo appcode, libraries, API-clients, tests en config combineert over meerdere packages.
Extensies
.cts, .d.ts, .mts, .spec.ts, +3 meer