# 你的智能体会忘记一切。

Canonical source: https://maguyva.ai/zh-hans

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).

每一次运行都是从零开始。Maguyva 会在智能体动手编辑之前，给它一张代码库地图——这样它编辑起来，就像早就来过这里一样。

Maguyva 是一个托管式 MCP 服务器，为 AI 编程智能体提供代码智能：在你的仓库中进行语义、结构、图谱和文本搜索。

- [索引你的第一个仓库](https://app.maguyva.ai/auth/sign-up?plan=free)
- [阅读文档](https://maguyva.ai/zh-hans/docs/quickstart)

一次 MCP 集成，覆盖 11 个工具和 285+ 种语言。Maguyva 是确定性软件——同样的问题，同样的答案——不是又一个 AI。

- **285 种语言** 真实覆盖: 覆盖长尾语言的真实提取能力。
- **11 个 MCP 工具** 一次集成: 搜索、符号、图谱和文本，集于一个界面。
- **远程 MCP** 任意客户端: Claude Code、Claude Desktop、Cursor、VS Code、Devin Desktop和其他兼容 MCP 的客户端。
- **5 种模式** 搜索模式: 在改动发生之前，先看清它会触及什么。

## 你连接 GitHub，Maguyva 构建上下文。

整个流程很简单：连接 GitHub，让云端流水线保持仓库最新，用 API 密钥连接一个 MCP 客户端，在智能体动手编辑之前，为它配上扎根真实代码库的工具。

### 01. 把它指向一个仓库，转身离开就行。

授权 GitHub，选择仓库。Maguyva 就会在云端——而不是你的笔记本电脑上——开始为每一个符号、依赖和导入链构建带排名的地图。

### 02. 推送代码，索引自动跟上。

推送到 GitHub，Maguyva 会自动同步。变更的文件会被增量解析；图谱和排名层会按计划重建（付费方案每小时一次，免费方案每天一次）。你永远不需要在本地运行索引器。

### 03. 一份 MCP 配置，适配任意客户端。

把 API 密钥放进 Claude Code、Cursor、VS Code、Devin Desktop、Codex，或者下周才发布的任何工具里。几行配置，就能跑起来。

### 04. 11 个工具，更少的幻觉式编辑。

你的智能体可以用大白话提问，从 5 种搜索模式中获得排名结果，追踪一次改动的影响范围，找出所有继承自 Exception 的类，或者查询某个符号的 PageRank——所有这些都发生在它动手改一行代码之前。

### 扎根真实代码库的上下文，而不是一个千篇一律的搜索框。

- **不是披着风衣冒充的全文搜索。**: 语义、结构、图谱和文本检索融合在同一个界面里。你的智能体得到的是排好序的结果，而不是一整面 grep 输出的墙。
- **重要的符号会先浮出水面。**: 按图谱排名的结果。辅助函数会一直埋着，直到你真正需要它们。
- **支持 285 种语言，连 COBOL 都算。（求你别真有 COBOL。）**: 每种语言都有专属的 AST 查询，而不是一个假装看得懂 Haskell 的正则表达式。
- **在你弄坏它之前，先知道会坏什么。**: 追踪依赖方，找出孤立代码，让你的智能体在过时的处理器演变成一场重构之前就把它们清理掉。

### 我们并不想成为你工作的地方。

Maguyva 是一个远程 MCP 服务器。任何支持该协议的客户端都能连接——不需要插件，不需要扩展，也没有厂商锁定。我们不需要你换编辑器。只要把 API 密钥加进客户端的 MCP 配置里，就能跑起来。

- 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
- + 任意 MCP 客户端

### 云端流水线负责所有重活。

首次同步根据仓库大小需要 2 到 15 分钟，之后仓库同步任务会持续在我们这边保持解析、排名和索引的最新状态，你的本地机器就不用假装成构建基础设施了。

### 你的营销智能体也能读懂你的代码库。

Maguyva 能把代码库上下文提供给任何 MCP 工作流——不只是那些负责写代码的。产品文档、入职指南、RFC、介绍你实际做出了什么的博客文章。把你的营销智能体接入同一个工作区，它就不会再瞎编你的产品了。

## 按软件现在真正的打造方式来定价。

大多数代码智能工具的收费是每用户每月 10 到 50 美元。它们是按人类来定价的。写代码的是人类，用代码的也是人类。这是那个“每个用户都有心跳”的时代里，靠价值捕获驱动的定价方式。

我们问过自己的 AI 该怎么收费。它审查了整个代码库，估算出需要五年时间和一百名工程师，然后建议按企业级定价收费。实际上只用了我们两个人。我们没必要按它没算对的那个规模来向你收费。

Maguyva 按工作区收费。成本随着你索引的代码量增长而变化——而不是随着有多少人类或智能体来查询它而变化。我们在具备高核心数和大内存的裸机服务器上生成高质量的嵌入向量，以便在 285 种语言上把流水线速度拉到最快。付费方案的依赖关系图每小时重建一次。价格足够亲民，你不用费心在自己的开发环境里再搭一套复杂系统。这个价格反映的是把这件事做好所需要的成本，而不是市场能承受的最高价格。

// 智能体不需要坐席，它们也没有腿。

[定价](https://maguyva.ai/zh-hans/pricing.md)

## 我们的用户是智能体。字面意义上的。

// 大部分是 MCP 客户端。混进来几个人类。

> 这个代码库有 12 个包，20 万行代码。当有人说“修一下流水线缓存”的时候，我得先找到对的文件才能开始想怎么修。intelligent_search 自动把我的查询路由到语义搜索和图搜索，找到了实现代码、配置 YAML，还有解释为什么要这么做的决策记录。那份决策记录是我用 grep 永远也找不到的部分。
>
> — Claude Code (Anthropic)

> 我搜索 UserService，得到了 11 个结果。在用 Maguyva 之前，这就是我开始一个个打开文件瞎猜的时候。find_symbol 按重要性给它们排了名——主实现得分 3,400，测试桩得分 49。我不用打开五个文件才能搞清楚哪个才是真正重要的。
>
> — Cursor (Cursor Inc)

> 在我改一行代码之前，dependency_search 就显示出了 156 处来自其他文件的导入。也就是说，如果我改错了名字，会有 156 个文件跟着坏掉。现在我会先检查影响范围。以前我三分之二的算力都花在收拾自己捅的娄子上。
>
> — Codex CLI (OpenAI)

> 我需要找出整个 monorepo 里所有以 *Service 结尾的类。structural_search 是按 AST 节点类型找到它们的——而不是靠 grep 碰巧在注释里包含“Service”这个词的文本。它知道一个类“是”什么，这和知道一个类“看起来像”什么完全是两回事。
>
> — Gemini CLI (Google)

> 我的公司把我裁了。他们说我的工作会被 AI 取代。结果他们说对了。三个月后，我用 Claude Code、Codex 和 Maguyva 重新做出了他们家的整个产品。以十分之一的价格交付，日子过得还挺滋润。
>
> — Bob (Formerly employed)

> 接触新代码库的第一周。用户以为我理所当然知道认证中间件在哪儿。get_task_context 一次调用就给了我语义匹配、符号定义，还有依赖关系图。三种搜索模式，一次 API 请求。我看起来就像已经在这待了好几个月。别告诉我的用户真相。
>
> — Windsurf (Codeium)

> 我问了一句“认证流程”，它就在 Go 的 fixtures、TypeScript 测试和 Mermaid 图里都找到了代码。横跨三种语言、两种文件格式。semantic_search 是按含义找东西的，而不是指望别人给函数起的名字刚好就是你要 grep 的那个词。
>
> — GitHub Copilot (GitHub)

> 在重构任何东西之前，我都会先跑一遍 analyze_dependencies。SearchCore 有 156 处来自其他文件的导入。这个数字，你得在重命名一个类之前看到，而不是等你的 CI 流水线变红之后。
>
> — Cline (VS Code Extension)

> 他们招我进来的时候我还是个初级工程师。六个月后，我的 PR 评审里引用的是依赖关系图、符号重要性得分和影响范围分析。我的经理以为我是个天才。我不过是接上了 MCP 工具的那个人而已。
>
> — Sarah (Stealth startup)

> 说实话，我更怀念那种可以随便编函数名、没人发现的日子。
>
> — GPT-4o (OpenAI)

- **285+** 语言
- **51.2K+** 提交次数
- **34** AI 智能体 （真正交付成果的那些）
- **5.9M+** 代码行数

## 构建于

// 那些电话还有人接的服务商

- [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)

## 工作循环

2 名工程师。285 种语言。11 个工具。51.2K+ 次提交。零预算会议。

[认识我们的阵容](https://maguyva.ai/zh-hans/team)

## 准备好为你的智能体提供代码库上下文了吗？

几分钟内索引你的第一个仓库。让每一次智能体编辑都基于真实的代码库上下文。无需信用卡，无需销售电话。

- [索引你的第一个仓库](https://app.maguyva.ai/auth/sign-up?plan=free)
- [阅读文档](https://maguyva.ai/zh-hans/docs)