# Як працює Maguyva

Canonical source: https://maguyva.ai/uk/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).

Підключіть репозиторій GitHub — і Maguyva перетворить його на кілька доступних для пошуку зрізів, якими агент може користуватися за потреби. Замість того щоб вивалювати цілі файли в контекст, модель отримує доступ з опорою на дані репозиторію до символів, структури, документації, залежностей і ранжованих фрагментів коду.

Коли ви підключаєте репозиторій, Maguyva запускає хмарні конвеєри обробки коду, документації, маніфестів, символів і метаданих залежностей. Мета — один раз побудувати стійку пам'ять коду, замість того щоб кожен запуск агента заново відкривав репозиторій з нуля.

Ці конвеєри створюють кілька спеціалізованих шарів даних: точний текстовий пошук, семантичний пошук, пошук символів і посилань, структурні представлення та аналіз графа залежностей. Різні запитання маршрутизуються до різних шарів.

Maguyva надає 5 можливостей пошуку: semantic, AST, symbol, dependency, text. У intelligent_search доступні чотири різновиди пошуку: семантичний, текстовий, структурний і графовий. За замовчуванням auto/balanced спрямовує запити, які з високою впевненістю визначено як запити про визначення, до структурного пошуку, запити про посилання чи вплив — до графа, а запити на точний збіг — до текстового пошуку. Інші запити використовують семантичний зміст та індексований текст. Використовуйте mode=hybrid або auto з quality=thorough, щоб запросити всі чотири різновиди пошуку; явно вказаний режим має пріоритет над quality. language_filter виключає граф із auto/hybrid і відхиляється разом із явно вказаним режимом графа. Результати кількох різновидів пошуку об’єднуються й ранжуються за релевантністю запиту.

Приватні представлення репозиторію співіснують із публічними довідковими даними для підтримуваних languages and text-based technologies. Ваш агент отримує доступ до всієї системи через інструменти MCP, на які можна активно спиратися під час планування й перевірки або використовувати як вибіркові перевірки під час редагування.

### 1. Обробка репозиторію

- **Аналіз структури коду**: Розбирає файли на символи, посилання та архітектурні межі
- **Розв'язання залежностей**: Мапує, як файли, модулі й символи залежать один від одного
- **Інтеграція документації**: Підтягує документацію репозиторію та суміжні довідкові матеріали поряд із кодом

### Маршрутизація та ранжування

- **Оцінка релевантності**: Вибирає пошукові докази відповідно до режиму пошуку й профілю якості, а потім ранжує збіги за релевантністю запиту
- **Зниження шуму**: Зменшує кількість повторних збігів і обмежує фрагменти на файл, щоб один файл не заповнював усе вікно результатів
- **Пріоритизація контексту**: За замовчуванням обмежує обсяг результатів і зберігає їхню релевантність. Підсилення за важливістю явно вмикається через boost_by_importance=true для огляду архітектури й не є типовою політикою ранжування

### Збережені представлення

- **Семантичний пошук**: Знаходить концептуально схожий код і документацію, навіть коли точні слова відрізняються
- **Символьні та структурні представлення**: Підтримує точний пошук символів і посилань, а також запити за структурою AST
- **Аналіз графа залежностей**: Відстежує викликачів, імпорти та радіус впливу по всій кодовій базі

### Функції безпеки

- **Безпека передавання даних**: З'єднання із сервісом використовують HTTPS/TLS
- **Кероване сховище**: Проіндексовані дані зберігаються на керованій інфраструктурі із шифруванням на рівні сховища у стані спокою
- **Ізоляція просторів імен**: Дані репозиторію обмежені простором робочого середовища й простором імен на рівні конвеєра та запитів до бази даних
- **Контроль доступу**: Доступ до репозиторію обмежений межами організації та простору імен

### Чого очікувати

- **Точніше планування**: Агенти можуть перевіряти підхід на реальному репозиторії, перш ніж почати писати код
- **Безпечніший рефакторинг**: Перевірки радіуса впливу та залежностей зменшують ризик поломок, яких можна уникнути
- **Менше марно витрачених токенів**: Повертаються лише релевантні фрагменти, а не цілі файли
- **Швидше розуміння репозиторію**: Модель отримує обґрунтовані відповіді швидко, замість того щоб заново відкривати структуру проєкту щоразу

### Автоматичні оновлення

- **Синхронізація репозиторію**: Оновлюється за синхронізаціями з GitHub у міру змін коду
- **Інкрементна обробка**: Обробляються лише змінені файли для ефективності
- **Контекст із урахуванням гілок**: Підтримує окремі індекси для кожної гілки git, щоб агенти бачили правильний контекст для кожної гілки

Maguyva постачається як хмарний MCP-сервер. Ваш агент викликає інструменти для потрібного йому ракурсу, замість того щоб покладатися на те, що модель щоразу відтворить вашу архітектуру з нуля. Чотири наведені вище групи об'єднують конкретні інструменти: Семантичний пошук об'єднує `semantic_search` і `intelligent_search`; Пошук символів об'єднує `find_symbol` і `get_task_context`; Структурний пошук об'єднує `structural_search` і `text_pattern_search`; Граф залежностей об'єднує `dependency_search` і `analyze_dependencies` — а також `get_file`, `repository_context` і `ask_maguyva` як допоміжні утиліти. Повний перелік усіх 11 інструментів — тут: [довідник MCP API](https://maguyva.ai/docs/mcp-api).

Продуктивність залежить від розміру кодової бази та складності запиту. Maguyva зосереджується на видачі найрелевантнішого контексту, а не на вивантаженні цілих файлів. Підтримувані мови та клієнти — на сторінці «[сумісність](https://maguyva.ai/docs/compatibility)».

Результати залежать від розміру та складності вашої кодової бази й типів запитів, які обробляє ваш ШІ-агент.

Підключіть репозиторії GitHub через портал Maguyva. Завдання синхронізації GitHub оновлюють індекси зі змінами коду. Портал також показує використання API.