Dać agentowi AI kontekst dużego repozytorium bez lokalnego indeksera

Duże repozytorium nie mieści się w oknie kontekstu, a jeśli kiedykolwiek skierowałeś indekser laptopa na prawdziwe monorepo, wiesz, że tam też nie mieści się wygodnie — RAM skacze, pierwsze indeksowanie trwa godzinę, a twój agent i tak zaczyna kolejną sesję od zgadywania, które pliki mają znaczenie.

Zwykłą odpowiedzią jest uruchomienie indeksera obok edytora i dla repozytorium, które wygodnie mieści się na jednej maszynie, to dobra odpowiedź. Jeśli twoje monorepo już szybko indeksuje się w Cursor, a to jedyne miejsce, w którym potrzebujesz mapy, ten tekst nie ma nic do dodania — pomiń go.

Ten tekst dotyczy innego przypadku — kiedy agent potrzebuje przeszukiwalnej mapy dużego repozytorium, a ty nie chcesz uruchamiać do tego lokalnego indeksera.

Kiedy lokalny indekser jest złym narzędziem

Lokalny indeks zakłada, że kod żyje na maszynie, która go odpytuje, a przy prawdziwej skali monorepo to założenie napina się nawet wewnątrz jednego edytora. Repozytorium jest po prostu większe, niż chcesz trzymać „rozgrzane” na laptopie: pracujesz w jednym pakiecie, podczas gdy zasięg wpływu leży trzy katalogi dalej, a pierwsze, zimne indeksowanie drzewa liczącego dwa miliony linii to nie jest coś, co chcesz przeżyć dwukrotnie — ani na własnej maszynie, ani na runnerze CI, który nigdy wcześniej nie sklonował tego drzewa. Albo współpracownik powinien móc odpytywać tę samą mapę co ty, nie czekając, aż jego własna maszyna przebrnie przez ten sam indeks.

Nic z tego nie jest powodem, by wyrzucać dobry indekser edytora. To powód, by mieć dodatkowo hostowaną mapę, którą każdy z twoich agentów może odpytać przez MCP.

A problem skali sięga głębiej niż „za dużo plików, żeby je wkleić”. Na dużym drzewie interesujące pytanie prawie nigdy nie brzmi „pokaż mi ten plik” — brzmi który plik, który symbol, którzy wywołujący, które testy. Agent, który zaczyna od wylistowania src/ i przeczytania pierwszych trzech wyników, beztrosko przeoczy handler w apps/api i wygenerowany klient w packages/sdk. Potrzebujesz wyszukiwania zbudowanego z całego drzewa, potem uszeregowanego, potem zacytowanego.

Co naprawdę oznacza „kontekst dużego repozytorium”

Wrzucanie plików do promptu to nie kontekst — to mniejsza, gorsza kopia drzewa. To, czego naprawdę potrzebuje twój agent, to zadawanie pytań i otrzymywanie w odpowiedzi zacytowanych odpowiedzi: gdzie zdefiniowano ten symbol i kto go wywołuje, co zależy od modułu, który zamierzam zmienić, który plik testu obejmuje to zachowanie, i jak drzewo wygląda teraz, a nie w zeszłym kwartale.

Te odpowiedzi muszą pochodzić z indeksu zbudowanego z twojego repozytorium, a nie z pamięci modelu o cudzych repozytoriach, a ten indeks musi żyć gdzieś poza oknem kontekstu agenta. W tym problemie powinien też żyć gdzieś poza twoim laptopem.

Jeszcze jedna rzecz, której pliki instrukcji nie mogą za ciebie zrobić: CLAUDE.md i AGENTS.md to właściwe miejsce na konwencje i zachowanie, ale nie są żywą, uszeregowaną, przeszukiwalną mapą drzewa liczącego dwa miliony linii. Używaj reguł do zachowania; używaj inteligencji repozytorium do faktów.

Budujemy mapę w chmurze, odpytujemy ją z dowolnego klienta

Maguyva to zdalna warstwa kontekstu bazy kodu oparta na MCP. Łączysz GitHub, wybierasz swoje repozytoria i możesz odejść, podczas gdy chmurowe pipeline’y parsują drzewo, budują symbole i krawędzie grafu oraz utrzymują uszeregowaną mapę — nigdy bez lokalnego indeksera.

Gdy wypychasz kod, zmienione pliki są parsowane przyrostowo, a warstwy grafu i rankingu przebudowują się według harmonogramu: codziennie w planie darmowym, co godzinę w płatnych. Każda migawka jest opatrzona znacznikiem czasu, więc twój agent może stwierdzić, którą wersję drzewa czyta. Uczciwym ograniczeniem jest tu niezsynchronizowana praca lokalna — edycja istniejąca tylko w twoim drzewie roboczym, nigdy niewypchnięta, jeszcze nie jest w hostowanej mapie.

Potem podłączasz dowolnego klienta, którego już używasz, dodając klucz API do jego konfiguracji MCP. Istnieją przewodniki konfiguracji dla 24 udokumentowanych klientów MCP, a każdy inny klient zgodny z MCP, który obsługuje standardową konfigurację, też może się połączyć. Jeśli Cursor jest twoim domem, strona Cursor przeprowadzi przez tę ścieżkę; ten sam serwer odpowiada Claude Code, VS Code, Windsurf, Codex CLI i innym.

Nie zmieniasz edytora. Dajesz swojemu agentowi powierzchnię narzędzi — 11 narzędzi MCP w zakresie wyszukiwania, symboli, analizy zależności, pobierania plików i kontekstu repozytorium — z pokryciem ponad 279 języków i technologii tekstowych, co znaczy więcej, niż myślisz, na monorepo, które przestało być jednojęzyczne wiele lat temu.

Odpowiedzi wracają ugruntowane, jako ścieżki plików z numerami linii. Wyszukiwanie semantyczne, strukturalne, grafowe i tekstowe są łączone w uszeregowane wyniki, więc pytanie w rodzaju „co zależy od parseConfig” daje nie zrzut grep ani pojedynczy fragment semantyczny, tylko garść miejsc, które naprawdę mają znaczenie.

Konkretna instrukcja

Nie zaczynaj od zindeksowania całej firmy. Oto ścieżka, która działa:

1. Wybierz jedno repozytorium, które już dobrze znasz — pakiet, który potrafisz ocenić ręcznie, jest wart więcej niż największe drzewo, jakie masz.
2. Zacznij za darmo: 3 repozytoria, 50 tys. zindeksowanych linii, wszystkie 11 narzędzi, bez miesięcznego limitu zapytań. Jeśli twoje reprezentatywne repozytorium jest większe, strona cen wymienia poziomy workspace ($0, $19, $49, $149) według zindeksowanej objętości — nie liczby miejsc.
3. Połącz GitHub i poczekaj na zakończenie pierwszego indeksowania. Nie kompilujesz niczego lokalnie.
4. Podłącz klienta MCP — kilka linii konfiguracji. Maguyva to zdalny serwer MCP, więc nie ma wtyczek, rozszerzeń ani drugiego edytora do przyswojenia.
5. Zadaj jedno pytanie, które możesz sprawdzić. „Co zależy od parseConfig?” albo „Gdzie obsługiwane jest wygaśnięcie sesji logowania?” Potem otwórz zacytowane wyniki file.ext:line i sprawdź je względem drzewa przed tobą.
6. Dopiero gdy cytaty przetrwają ten kontakt, pozwól agentowi edytować.

Jeśli pierwsze repozytorium dobrze pasuje, a twoje drzewo jest duże, podnieś workspace, dopasowując go do zindeksowanych linii i częstotliwości przebudowy. Ludzie i agenci dzielą tę samą liczbę użytkowników — Maguyva pobiera opłaty za workspace, nie za miejsce — więc dodanie trzeciego agenta do pętli nic cię nie kosztuje.

Test aktywacji jest taki sam, jak dokumentacja zaleca przy każdym pierwszym uruchomieniu: zindeksuj repozytorium, które już znasz, zadaj jedno pytanie, które możesz sprawdzić. Duże repozytorium nie zmienia testu; sprawia tylko, że błędny pierwszy plik jest droższy.

Na co zwracać uwagę po podłączeniu

Miej oko na trzy rzeczy. Aktualność: plany płatne przebudowują się co godzinę, darmowe codziennie, a niewypchnięta praca lokalna nie znajdzie się w mapie — to kompromis, na który się godzisz. Zakres: indeksuj reprezentatywny zbiór repozytoriów, nie każdy zarchiwizowany fork; darmowy poziom jest celowo tak dobrany, by dowiedzieć się, czy odpowiedzi warte są zachowania. I weryfikacja: mapa dużego repozytorium, która nie potrafi zacytować ścieżek i numerów linii, jest po prostu wolniejszym silnikiem zgadywania, więc niech twój agent pokaże lokalizację, zanim dostarczy łatkę.

Potem uruchom ten sam test, który uruchomiłbyś na małym repozytorium. Zindeksuj repozytorium, które już znasz. Zadaj jedno pytanie, które możesz sprawdzić. Jeśli mapa jest prawdziwa, twój agent przestanie zaczynać od zimnego drzewa.

// no laptop got hot building this map.