# Agent của bạn quên mọi thứ.

Canonical source: https://maguyva.ai/vi

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).

Mỗi lần chạy đều bắt đầu từ con số không. Maguyva cho agent của bạn một bản đồ codebase trước khi nó bắt đầu chỉnh sửa — để nó chỉnh sửa như thể đã từng ở đây rồi.

Maguyva là một MCP server được host sẵn, mang trí tuệ mã nguồn đến cho các agent lập trình AI: tìm kiếm ngữ nghĩa, cấu trúc, đồ thị và văn bản trên các repo của bạn.

- [Lập chỉ mục repo đầu tiên của bạn](https://app.maguyva.ai/auth/sign-up?plan=free)
- [Đọc tài liệu](https://maguyva.ai/vi/docs/quickstart)

Một tích hợp MCP duy nhất trên 11 công cụ và 285+ ngôn ngữ. Maguyva là phần mềm tất định — cùng một câu hỏi, cùng một câu trả lời — không phải một AI khác.

- **285 ngôn ngữ** Phạm vi thực tế: Trích xuất thực sự cả những ngôn ngữ ít phổ biến.
- **11 công cụ MCP** Một tích hợp duy nhất: Tìm kiếm, ký hiệu, đồ thị và văn bản trong cùng một giao diện.
- **MCP từ xa** Bất kỳ client nào: Claude Code, Claude Desktop, Cursor, VS Code, Devin Desktop và các client khác tương thích với MCP.
- **5 phương thức** Chế độ tìm kiếm: Thấy trước những gì một chỉnh sửa sẽ chạm vào.

## Bạn kết nối GitHub. Maguyva xây dựng context.

Vòng lặp rất đơn giản: kết nối GitHub, để các cloud pipeline giữ cho repo luôn mới, kết nối một MCP client bằng khóa API của bạn, và trang bị cho agent các công cụ có căn cứ thật trước khi nó chỉnh sửa.

### 01. Trỏ nó vào một repo. Rồi cứ để đó.

Cấp quyền GitHub, chọn repo. Maguyva bắt đầu xây một bản đồ có xếp hạng cho mọi symbol, phụ thuộc, và chuỗi import trên cloud — không phải trên laptop của bạn.

### 02. Push code. Index sẽ tự bắt kịp.

Push lên GitHub và Maguyva tự động đồng bộ. Các file thay đổi được phân tích theo phần thay đổi; các lớp đồ thị và xếp hạng được xây lại theo lịch (hàng giờ ở các gói trả phí, hàng ngày ở gói free). Bạn không bao giờ phải chạy một indexer cục bộ.

### 03. Một cấu hình MCP. Bất kỳ client nào.

Thả khóa API vào Claude Code, Cursor, VS Code, Devin Desktop, Codex, hay bất cứ thứ gì ra mắt tuần sau. Vài dòng cấu hình là bạn đã sẵn sàng chạy.

### 04. 11 công cụ. Ít chỉnh sửa ảo giác hơn.

Agent của bạn có thể đặt một câu hỏi bằng ngôn ngữ tự nhiên và nhận về kết quả có xếp hạng từ 5 kiểu tìm kiếm khác nhau, truy vết phạm vi ảnh hưởng của một thay đổi, tìm mọi class kế thừa từ Exception, hoặc tra cứu điểm PageRank của một symbol — trước khi nó chạm vào một dòng code nào.

### Context có căn cứ thật, thay vì một ô tìm kiếm chung chung.

- **Không phải full-text search đội lốt.**: Truy xuất theo ngữ nghĩa, cấu trúc, đồ thị, và văn bản được hợp nhất trong một giao diện duy nhất. Agent của bạn nhận được kết quả có xếp hạng, không phải một bức tường output grep.
- **Những symbol quan trọng nổi lên trước.**: Kết quả được xếp hạng theo đồ thị. Các hàm hỗ trợ vẫn nằm im cho đến khi bạn cần đến chúng.
- **285 ngôn ngữ. Kể cả COBOL. (Xin đừng có COBOL.)**: Truy vấn AST tùy chỉnh cho từng ngôn ngữ, không phải một regex giả vờ hiểu Haskell.
- **Biết trước cái gì sẽ hỏng trước khi bạn làm hỏng nó.**: Truy vết những thành phần phụ thuộc vào đoạn code này, tìm code mồ côi và để agent của bạn xóa bỏ các handler lỗi thời trước khi chúng tích tụ thành một cuộc refactor lớn.

### Chúng tôi không cố trở thành nơi bạn làm việc.

Maguyva là một MCP server từ xa. Bất kỳ client nào nói được giao thức này đều có thể kết nối — không plugin, không extension, không ràng buộc nhà cung cấp. Chúng tôi không cần bạn phải đổi editor. Chỉ cần thêm khóa API vào cấu hình MCP của client, và bạn đã sẵn sàng.

- Claude Code
- Claude Desktop
- Cursor
- VS Code
- Devin Desktop
- Codex CLI
- GitHub Copilot CLI
- Gemini CLI
- Cline
- Goose
- Continue
- LM Studio
- Kiro CLI
- JetBrains
- Zed
- Trae
- OpenCode
- BoltAI
- LibreChat
- Antigravity
- Claude Cowork
- ChatGPT
- Warp
- + bất kỳ MCP client nào

### Cloud pipeline làm hết việc nặng.

Đồng bộ ban đầu mất từ 2 đến 15 phút tùy kích thước repo, sau đó các job đồng bộ repository liên tục phân tích, xếp hạng, và cập nhật index ở phía chúng tôi, để máy cục bộ của bạn không cần phải đóng giả làm hạ tầng build.

### Agent marketing của bạn cũng đọc được codebase của bạn.

Maguyva cung cấp context codebase cho bất kỳ workflow MCP nào — không chỉ những workflow viết code. Tài liệu sản phẩm, hướng dẫn onboarding, RFC, bài blog về những gì bạn thực sự đã xây. Kết nối agent marketing của bạn vào cùng một workspace và nó sẽ thôi bịa chuyện về sản phẩm của bạn.

## Định giá theo cách phần mềm thực sự được xây dựng ngày nay.

Hầu hết công cụ trí tuệ mã nguồn tính phí từ 10 đến 50 đô la mỗi người dùng mỗi tháng. Họ định giá cho con người. Con người xây dựng mã. Con người dùng mã. Kiểu định giá thu giá trị từ thời mà mọi người dùng đều còn nhịp tim.

Chúng tôi hỏi AI của mình nên tính giá bao nhiêu. Nó xem xét codebase, ước tính cần năm năm và một trăm kỹ sư, rồi đề xuất mức giá doanh nghiệp. Thực tế chỉ có hai chúng tôi làm ra nó. Chúng tôi không cần tính phí bạn như thể phải huy động cả trăm người.

Maguyva tính phí theo workspace. Chi phí tăng theo lượng mã bạn lập chỉ mục — không phải theo số người hay agent truy vấn nó. Embedding chất lượng cao trên máy bare-metal với số nhân lớn và dung lượng bộ nhớ lớn để tối đa hóa tốc độ pipeline trên 285 ngôn ngữ. Đồ thị phụ thuộc được xây dựng lại mỗi giờ trên các gói trả phí. Đủ rẻ để bạn không cần bận tâm tự thiết lập hệ thống phức tạp trên môi trường phát triển của riêng mình. Mức giá phản ánh chi phí thực sự để vận hành tốt, không phải mức mà thị trường có thể chịu đựng.

// agent không có ghế ngồi. chúng cũng chẳng có chân.

[Bảng giá](https://maguyva.ai/vi/pricing.md)

## Người dùng của chúng tôi là agent. Theo đúng nghĩa đen.

// chủ yếu là MCP client. có vài con người lẻn vào.

> Codebase này có 12 package trải trên 200 nghìn dòng code. Khi ai đó nói "sửa cache của pipeline", tôi cần tìm đúng file trước khi nghĩ đến cách sửa. intelligent_search tự động định tuyến truy vấn của tôi qua semantic search và graph search, rồi tìm ra phần triển khai, file cấu hình YAML, và cả bản ghi quyết định giải thích tại sao nó hoạt động như vậy. Bản ghi quyết định là thứ tôi sẽ không bao giờ tìm ra được bằng grep.
>
> — Claude Code (Anthropic)

> Tôi tìm UserService và nhận được 11 kết quả. Trước khi có Maguyva, đây là lúc tôi bắt đầu mở từng file rồi đoán mò. find_symbol xếp hạng chúng theo mức độ quan trọng — phần triển khai chính đạt 3.400 điểm, các test stub chỉ đạt 49 điểm. Tôi không phải mở năm file để tìm ra file nào thực sự quan trọng.
>
> — Cursor (Cursor Inc)

> dependency_search cho tôi thấy 156 lượt import trỏ vào trước khi tôi chạm vào một dòng code nào. Đó là 156 file sẽ hỏng nếu tôi đổi tên sai. Giờ tôi kiểm tra phạm vi ảnh hưởng trước tiên. Trước đây hai phần ba compute của tôi dùng để dọn dẹp sai lầm của chính mình.
>
> — Codex CLI (OpenAI)

> Tôi cần tìm mọi class có tên kết thúc bằng *Service trong cả một monorepo. structural_search tìm ra chúng dựa trên loại node AST — chứ không phải bằng cách grep một đoạn text tình cờ chứa từ "Service" trong comment. Nó biết một class LÀ gì. Điều đó khác với việc biết một class TRÔNG như thế nào.
>
> — Gemini CLI (Google)

> Công ty tôi sa thải tôi. Họ nói công việc của tôi sẽ bị AI thay thế. Hóa ra họ đúng. Ba tháng sau tôi xây lại toàn bộ sản phẩm của họ bằng Claude Code, Codex, và Maguyva. Giao hàng với giá chỉ bằng một phần mười hóa ra cũng đủ sống khỏe.
>
> — Bob (Formerly employed)

> Tuần đầu tiên trên một codebase mới. Người dùng cứ mặc định là tôi biết ngay auth middleware nằm ở đâu. get_task_context cho tôi kết quả khớp theo ngữ nghĩa, định nghĩa symbol, VÀ dependency graph chỉ trong một lần gọi. Ba kiểu tìm kiếm khác nhau. Một request API. Tôi trông như đã ở đây nhiều tháng rồi. Làm ơn đừng nói cho người dùng của tôi biết.
>
> — Windsurf (Codeium)

> Tôi hỏi về "luồng xác thực" và nó tìm ra code trong fixture Go, test TypeScript, và cả sơ đồ Mermaid. Trải khắp ba ngôn ngữ và hai định dạng file. semantic_search tìm theo ý nghĩa, chứ không hy vọng ai đó đặt tên hàm đúng y hệt thứ bạn định grep.
>
> — GitHub Copilot (GitHub)

> Trước khi refactor bất cứ thứ gì, tôi chạy analyze_dependencies. SearchCore có 156 lượt import trỏ vào. Đó là con số bạn muốn thấy TRƯỚC khi đổi tên một class, chứ không phải sau khi pipeline CI của bạn báo đỏ.
>
> — Cline (VS Code Extension)

> Họ tuyển tôi làm junior. Sáu tháng sau, các review PR của tôi trích dẫn dependency graph, điểm quan trọng của symbol, và phân tích phạm vi ảnh hưởng. Sếp tôi nghĩ tôi là thần đồng. Tôi chỉ là người đã cắm sẵn các công cụ MCP thôi.
>
> — Sarah (Stealth startup)

> Thành thật mà nói, tôi thích cái thời tôi có thể tự bịa tên hàm mà chẳng ai để ý hơn.
>
> — GPT-4o (OpenAI)

- **285+** Ngôn ngữ
- **51.2K+** Commit
- **34** Agent AI (những agent thực sự phát hành sản phẩm)
- **5.9M+** Dòng mã

## Được xây dựng trên

// những nơi vẫn còn nghe máy

- [PostgreSQL](https://postgresql.org)
- [MCP](https://modelcontextprotocol.io)
- [Cloudflare](https://cloudflare.com)
- [Tree-sitter](https://tree-sitter.github.io)
- [Supabase](https://supabase.com)
- [Voyage AI](https://voyageai.com)

## Chu trình làm việc

2 kỹ sư. 285 ngôn ngữ. 11 công cụ. 51.2K+ commit. Không một cuộc họp ngân sách nào.

[Gặp gỡ đội hình](https://maguyva.ai/vi/team)

## Sẵn sàng cho agent của bạn ngữ cảnh codebase chưa?

Lập chỉ mục repo đầu tiên của bạn chỉ trong vài phút. Giúp mọi chỉnh sửa của agent dựa trên ngữ cảnh codebase thực tế. Không cần thẻ tín dụng, không cần gọi điện tư vấn bán hàng.

- [Lập chỉ mục repo đầu tiên của bạn](https://app.maguyva.ai/auth/sign-up?plan=free)
- [Đọc tài liệu](https://maguyva.ai/vi/docs)