O Maguyva oferece suporte a Python com parsing de AST e extração de símbolos, ajudando agentes de IA a seguir decorators, métodos self/cls, imports e dependências entre módulos em repositórios Python reais.
Python é onde muitas ferramentas de IA para código parecem boas no início e depois começam a chutar em produção. As partes difíceis são conhecidas: pontos de entrada decorados, classes de serviço, type stubs, pequenos módulos auxiliares por toda parte, e métodos que só fazem sentido depois de reconectar self ou cls à classe a que pertencem.
Para Python, a pergunta real não é “ele consegue ler arquivos .py?”. A pergunta é se o agente consegue se manter fundamentado enquanto se move de um endpoint para um service, de uma task em background para um helper, ou de um nome de classe para os métodos que de fato implementam o comportamento.
O Maguyva trata Python como uma linguagem estrutural completa. A configuração cobre .py, .pyw e .pyi; mapeia decorated_definition de volta a um símbolo de função; e qualifica chamadas de método self / cls de volta à classe que as envolve. Isso importa porque são exatamente os pontos em que repositórios Python começam a parecer óbvios para um humano e nebulosos para um LLM.
Ele também filtra bastante ruído de biblioteca padrão na extração de relacionamentos. Isso significa que chamadas comuns de runtime vindas de módulos como pathlib, typing ou logging têm menos chance de afogar os relacionamentos específicos do repositório que realmente importam para você.
O workflow útil mais simples é:
intelligent_search para uma pergunta de comportamento, como “lógica de retry em torno da sincronização de faturas” ou “verificações de permissão em endpoints de cobrança”.find_symbol assim que souber o nome da classe ou função de interesse.dependency_search com travessia de entrada antes de refatorar um service, helper ou classe base compartilhada.Esse padrão é melhor do que pedir a um agente para “atualizar o fluxo de cobrança” a partir do zero. Ele deixa o agente construir um mapa primeiro e mudar o código depois.
Esta página é para repositórios Python que já têm alguma idade e complexidade: código de serviço, jobs, scripts, tipos gerados e configuração ao redor. Se a sua principal comparação é entre monorepos web poliglotas, leia também o guia de TypeScript. Se você só precisa da matriz de suporte completa, use compatibilidade.
Melhor encaixe
Fluxos de trabalho de agente
Detalhes do engine
Pontos de entrada MCP úteis
intelligent_search
Comece com uma consulta conceitual como “lógica de retry ao redor da sincronização de fatura” e defina `language_filter="python"` se o repositório for poliglota.
find_symbol
Use quando você souber o nome da classe ou função e precisar da definição mais as referências antes de editar.
dependency_search
Use a direção incoming antes de refatorar um serviço ou helper compartilhado, para ver o que depende dele.
Guias relacionados
Útil quando o repositório está repleto de serviços Spring, frameworks internos e código que sobreviveu a várias eras organizacionais.
Extensões
.java
Relevante quando o seu repositório mistura código de aplicação, bibliotecas, clients de API, testes e configuração em vários pacotes.
Extensões
.cts, .d.ts, .mts, .spec.ts, +3 mais