# Maguyva Nasıl Çalışır

Canonical source: https://maguyva.ai/tr/docs/how-it-works

License: text under [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/); code samples under [MIT-0](https://opensource.org/license/mit-0); the Maguyva name, logos, brand assets and other code are not covered. Details: [maguyva.ai/license](https://maguyva.ai/license).

Bir GitHub reposu bağlayın, Maguyva onu ajanınızın ihtiyaç duyduğu anda kullanabileceği birkaç aranabilir görünüme dönüştürsün. Bütün dosyaları bağlama boca etmek yerine, model sembollere, yapıya, dokümanlara, bağımlılıklara ve sıralanmış kod parçalarına temellendirilmiş erişim kazanır.

Bir repo bağladığınızda Maguyva; kod, dokümanlar, manifestolar, semboller ve bağımlılık meta verileri üzerinde bulut işleme hatları çalıştırır. Amaç, her ajanın reponuzu sıfırdan yeniden keşfetmesi yerine kalıcı kod belleğini bir kez oluşturmaktır.

Bu hatlar birkaç uzman veri katmanı üretir: tam metin arama, anlamsal getirme, sembol ve referans aramaları, yapısal görünümler ve bağımlılık grafı analizi. Farklı sorular farklı katmanlara yönlendirilir.

Maguyva, 5 bilgi getirme yeteneği sunar: semantic, AST, symbol, dependency, text. intelligent_search içinde dört arama yöntemi vardır: anlamsal, metin, yapısal ve graf. Varsayılan auto/balanced, tanım aradığı yüksek güvenle belirlenen sorguları yapısal aramaya, referans veya etki sorgularını grafa, tam eşleşme sorgularını ise metin aramasına yönlendirir. Diğer sorgular anlamsal anlamı ve dizinlenmiş metni kullanır. Dört arama yönteminin tümünü istemek için mode=hybrid veya quality=thorough ile auto kullanın; açıkça belirtilen mod, quality ayarından önce gelir. language_filter, grafı auto/hybrid kapsamından çıkarır ve açıkça belirtilen graf moduyla birlikte kullanıldığında reddedilir. Birden çok yöntemden gelen sonuçlar birleştirilir ve sorguyla ilgilerine göre sıralanır.

Özel repo görünümleri, desteklenen languages and text-based technologies için genel referans verileriyle yan yana durur. Ajanınız tüm sisteme MCP araçları üzerinden erişir; bunlara planlama ve doğrulama sırasında ağırlıklı olarak dayanabilir ya da düzenleme sırasında nokta kontrolü olarak kullanabilirsiniz.

### 1. Repo İşleme

- **Kod Yapısı Analizi**: Dosyaları sembollere, referanslara ve mimari sınırlara ayrıştırır
- **Bağımlılık Çözümlemesi**: Dosyaların, modüllerin ve sembollerin birbirine nasıl bağlı olduğunu haritalar
- **Dokümantasyon Entegrasyonu**: Repo dokümanlarını ve ilgili referans materyalini kodun yanına çeker

### Yönlendirme ve Sıralama

- **Alaka Puanlaması**: Arama moduna ve kalite önayarına göre erişim kanıtını seçer, ardından eşleşmeleri sorguyla ilgilerine göre sıralar
- **Gürültü Azaltma**: Yinelenen eşleşmeleri azaltır ve tek bir dosyanın sonuç penceresini doldurmaması için dosya başına parça sayısını sınırlar
- **Bağlam Önceliklendirme**: Varsayılan olarak sonuçları sınırlı ve ilgili tutar. Önem ağırlıklandırması, mimariyi incelemek için boost_by_importance=true ile isteğe bağlı olarak etkinleştirilir; varsayılan sıralama politikası değildir

### Depolanan Temsiller

- **Anlamsal Getirme**: Tam kelimeler farklı olsa bile kavramsal olarak benzer kodu ve dokümanları bulur
- **Sembol ve Yapısal Görünümler**: Tam sembol arama, referanslar ve AST şeklindeki soruları destekler
- **Bağımlılık Grafı Analizi**: Kod tabanı genelinde çağıranları, importları ve etki yarıçapını takip eder

### Güvenlik Özellikleri

- **Taşıma Güvenliği**: Hizmete bağlantılar HTTPS/TLS kullanır
- **Yönetilen Depolama**: Dizinlenmiş veriler, bekleme durumunda depolama düzeyinde şifrelemeyle yönetilen altyapıda saklanır
- **Ad Alanı İzolasyonu**: Repo verileri, işleme hattı ve veritabanı sorgu yolları boyunca çalışma alanı ve ad alanına göre sınırlandırılır
- **Erişim Kontrolleri**: Repo erişimi organizasyon ve ad alanı sınırlarıyla kısıtlanır

### Neler Bekleyebilirsiniz

- **Daha İyi Planlama Doğruluğu**: Ajanlar, kodlamaya başlamadan önce bir yaklaşımı gerçek repoya karşı doğrulayabilir
- **Daha Güvenli Refactor'lar**: Etki yarıçapı ve bağımlılık kontrolleri önlenebilir bozulmaları azaltır
- **Daha Az Token İsrafı**: Bütün dosyalar yerine yalnızca ilgili parçalar döndürülür
- **Daha Hızlı Repo Anlayışı**: Model, her çalıştırmada proje yapısını yeniden keşfetmek yerine hızla temellendirilmiş yanıtlar alır

### Otomatik Güncellemeler

- **Repo Senkronizasyonu**: Kod değiştikçe GitHub senkronizasyon işlerinden yenilenir
- **Artımlı İşleme**: Verimlilik için yalnızca değişen dosyaları işler
- **Dal Bilinçli Bağlam**: Her git dalı için ayrı dizinler tutar; böylece ajanlar her dal için doğru bağlamı görür

Maguyva, bulutta barındırılan bir MCP sunucusu olarak sunulur. Ajanınız, modelin mimarinizi sıfırdan hatırlamasına güvenmek yerine ihtiyaç duyduğu mercek için araçları çağırır. Yukarıdaki dört yüzey, somut araçlar üzerindeki gruplandırılmış görünümlerdir: Anlamsal Arama `semantic_search` ve `intelligent_search`'ü kapsar; Sembol Arama `find_symbol` ve `get_task_context`'ü kapsar; Yapısal Arama `structural_search` ve `text_pattern_search`'ü kapsar; Bağımlılık Grafı `dependency_search` ve `analyze_dependencies`'i kapsar — destekleyici araçlar olarak `get_file`, `repository_context` ve `ask_maguyva`'nın yanı sıra. Tüm 11 araç için tam [MCP API referansı](https://maguyva.ai/docs/mcp-api) bölümüne bakın.

Performans, kod tabanı boyutuna ve sorgu karmaşıklığına göre değişir. Maguyva, bütün dosyaları boca etmek yerine en ilgili bağlamı sunmaya odaklanır. Desteklenen diller ve istemciler için [uyumluluk](https://maguyva.ai/docs/compatibility) bölümüne bakın.

Sonuçlar, kod tabanınızın boyutuna, karmaşıklığına ve AI ajanınızın işlediği sorgu türlerine göre değişir.

GitHub repolarınızı Maguyva portalından bağlayın. Kod değiştikçe GitHub eşitleme işleri dizinleri yeniler. Portal, API kullanımını da gösterir.