Copilot-Programmier-Agent ist ein autonomer, KI-gestützter Agent, der auf GitHub Softwareentwicklungstasks ausführt. Durch die Einführung von Copilot-Programmier-Agent in einer Organisation können Entwicklungsteams mehr Zeit für die Entwicklung von Strategien aufwenden und müssen weniger Zeit für Routinekorrekturen und Wartungsupdates in einer Codebasis aufwenden.

Copilot-Programmier-Agent:

• Tritt deinem Team bei: Entwickler können Arbeit an Copilot delegieren. Das ist bei IDE-basierten Programmier-Agents, die synchrone Tandemsitzungen erfordern, nicht möglich. Copilot öffnet Pull-Request-Entwürfe für Reviews für Teammitglieder und iteriert basierend auf Feedback, wie es ein Entwickler tun würde.
• Reduziert die Anzahl der Kontextwechsel: Entwickler, die in JetBrains-IDEs, VS Code, Visual Studio oder GitHub.com arbeiten, können Copilot-Programmier-Agent auffordern, einen Pull Request zu erstellen, um kleine Tasks auszuführen, ohne die aktuelle Arbeit zu unterbrechen.
• Führt Tasks parallel aus: Copilot kann an mehreren Issues gleichzeitig arbeiten und somit Tasks im Hintergrund ausführen, während sich dein Team um wichtigere Dinge kümmert.

1. Auswerten

Bevor du Copilot-Programmier-Agent für Mitglieder aktivierst, musst du verstehen, wie Copilot-Programmier-Agent in deine Organisation passt. Auf diese Weise kannst du ermitteln, ob Copilot-Programmier-Agent für deine Anforderungen geeignet sind, und du kannst Kommunikations- und Schulungssitzungen für Entwickler planen.

1. Hier erfährst du mehr über Copilot-Programmier-Agent, einschließlich der Kosten, der integrierten Sicherheitsfeatures und der Unterschiede zwischen anderen KI-Tools, mit denen die Entwickler möglicherweise vertraut sind. Weitere Informationen findest du unter Informationen zum Copilot-Programmier-Agent.
2. Hier erfährst du mehr über die Aufgaben, für die Copilot-Programmier-Agent am besten geeignet ist. Dies sind im Allgemeinen gut definierte und bereichsbezogene Issues, z. B. Erhöhung der Testabdeckung, Beheben von Fehlern oder unzuverlässigen Tests oder Aktualisieren von Konfigurationsdateien oder Dokumentationen. Weitere Informationen findest du unter Bewährte Methoden für die Verwendung von Copilot für die Arbeit an Aufgaben.
3. Überlege, wie Copilot-Programmier-Agent zusammen mit anderen Tools in den Workflows deiner Organisation passen. Ein Beispielszenario zur Erläuterung, wie Copilot-Programmier-Agent zusammen mit anderen KI-Features auf GitHub verwendet wird, findest du unter Integration von Agentic AI in den Lebenszyklus der Softwareentwicklung deines Unternehmens.

2. Sicher

Alle KI-Modelle werden so trainiert, dass sie eine Anforderung beantworten, auch wenn sie nicht über alle Informationen verfügen, die für eine gute Antwort erforderlich sind. Das kann dazu führen, dass sie Fehler machen. Durch die folgenden Best Practices kannst du auf den Standardsicherheitsfeatures von Copilot-Programmier-Agent aufbauen.

1. Stelle Copilot mithilfe einer copilot-instructions.md-Datei die Informationen zur Verfügung, die der Assistent benötigt, um in einem Repository erfolgreich arbeiten zu können. Weitere Informationen findest du unter Hinzufügen benutzerdefinierter Repositoryanweisungen für GitHub Copilot.
2. Richte die Entwicklungsumgebung von Copilot mithilfe einer copilot-setup-steps.yml-Datei und lokalen MCP-Servern für ein Repository mit Zugriff auf die Tools und Paketrepositorys ein, die von der Organisation genehmigt wurden. Weitere Informationen findest du unter Anpassen der Entwicklungsumgebung für den Copilot-Programmier-Agent und Erweitern des Copilot-Programmier-Agent mit Model Context Protocol (MCP).
3. Befolge bewährte Methoden zum sicheren Speichern von Geheimnissen. Weitere Informationen findest du unter Verwenden von Geheimnissen in GitHub-Aktionen.
4. Aktiviere Codesicherheitsfeatures, um das Risiko der Preisgabe von Geheimnissen und der Einschleusung von Sicherheitsrisiken in den Code weiter zu senken. Weitere Informationen findest du unter Anwendung der von GitHub empfohlenen Sicherheitskonfiguration in Ihrer Organisation.
5. Konfiguriere deine Branchregelsätze so, dass sichergestellt ist, dass alle Pull Requests, die von Copilot ausgelöst werden, von einem zweiten Benutzer mit Schreibberechtigungen genehmigt werden (eine Unteroption von „Require a pull request before merging“). Weitere Informationen findest du unter Erstellen von Regelsätzen für Repositorys in deiner Organisation und Verfügbare Regeln für Regelsätze.

3. Pilotphase

Für Copilot registrieren

Wie bei jeder anderen Änderung der Arbeitsabläufe muss du eine Testphase durchführen, um zu ermitteln, wie Copilot-Programmier-Agent in deiner Organisation oder deinem Unternehmen sinnvoll bereitgestellt werden kann.

1. Stelle für die Testphase ein funktionsübergreifendes Team zusammen, sodass verschiedene Rollen, Hintergründe und Perspektiven in das Projekt einfließen. Dadurch wird es einfacher sicherzustellen, dass du ein breites Spektrum an Möglichkeiten für die Definition von Issues untersuchst, Copilot Arbeit zuweist und ein klares Feedback zum Review gibst.
2. Wähle ein isoliertes oder risikoarmes Repository, zum Beispiel eines, das Dokumentation oder interne Tools enthält. Als Playground könntest du ein neues Repository erstellen. Copilot braucht jedoch einen Kontext, um erfolgreich zu sein. Also müsstest du eine Menge Kontext wie etwa Teamprozesse, Entwicklungsumgebung und allgemeine Abhängigkeiten hinzufügen.
3. Aktiviere Copilot-Programmier-Agent im Repository, und aktiviere optional MCP-Server von Drittanbietern für eine erweiterte Kontextfreigabe. Weitere Informationen findest du unter Hinzufügen von Copilot-Programmier-Agent zu deiner Organisation.
4. Erstelle Repositoryanweisungen, und installiere vorab alle Tools, die in der von Copilot verwendeten Entwicklungsumgebung benötigt werden. Weitere Informationen findest du unter Anpassen der Entwicklungsumgebung für den Copilot-Programmier-Agent.
5. Ermittle einige überzeugende Anwendungsfälle für deine Organisation, zum Beispiel Testabdeckung oder Verbesserung der Barrierefreiheit. Weitere Informationen findest du unter Auswählen des richtigen Tasktyps, der Copilot zugewiesen werden soll im Leitfaden mit bewährten Methoden.
6. Verwende in deinem Pilotrepository zum Erstellen oder Optimieren von Issues für Copilot bewährte Methoden.
7. Weise Copilot Issues zu, und bereite Teammitglieder auf den Review der Arbeit vor.
8. Nimm dir Zeit, dir die Codebasis oder Dokumentation in VS Code oder GitHub.com anzuschauen, und fordere Copilot auf, einen Pull Request zum Beheben von Fehlern, die dir auffallen, oder zum Vornehmen kleinerer Verbesserungen zu erstellen.

Während der Testphase sollte das Team die Repositoryanweisungen, installierte Tools, den Zugriff auf MCP-Server und Issuedefinitionen testen, um zu ermitteln, wie Copilot-Programmier-Agent in deiner Organisation optimal eingesetzt werden kann. Mithilfe dieses Prozesses kannst du bewährte Methoden für deine Organisation für die Arbeit mit Copilot ermitteln und eine effiziente Rolloutstrategie entwickeln.

Zudem erhältst du Informationen darüber, wie du Copilot-Programmier-Agent optimal einrichtest und erfährst, wie Copilot Premium-Anforderungen und Actions-Minuten nutzt. Diese Informationen sind wertvoll, wenn du dein Budget für eine breitere Testphase oder einen vollständigen Rollout festlegen und verwalten willst. Weitere Informationen findest du unter Verwalten der Unternehmensausgaben für GitHub Copilot.

Verbessern mit MCP

Bei Model Context Protocol (MCP) handelt es sich um einen offenen Standard, der definiert, wie Anwendungen Kontext mit großen Sprachmodellen (LLMs) teilen. MCP bietet eine standardisierte Möglichkeit, Copilot-Programmier-Agent Zugriff auf verschiedene Datenquellen und Tools zu verschaffen.

Copilot-Programmier-Agent hat über den integrierten GitHub-MCP-Server Zugriff auf den vollständigen GitHub-Kontext des Repositorys, in dem gearbeitet wird, also auch auf Issues und Pull Requests. Standardmäßig ist der Zugriff auf externe Daten durch Authentifizierungsbarrieren und eine Firewall eingeschränkt.

Du kannst dafür sorgen, dass Copilot-Programmier-Agent mehr Informationen zur Verfügung stehen, indem du für Tools, die in deiner Organisation verwendet werden, Zugriff auf lokale MCP-Server gewährst. So könntest du zum Beispiel den Zugriff auf lokale MCP-Server für einige der folgenden Kontexte ermöglichen:

• Projektplanungstools: Gewähre Copilot den direkten Zugriff auf private Planungsdokumente, die außerhalb von GitHub in Tools wie Notion oder Figma gespeichert sind.
• Ergänze Trainingsdaten: Jedes LLM enthält Trainingsdaten bis zu einem bestimmten Stichtag. Wenn du mit schnelllebigen Tools arbeitest, hat Copilot möglicherweise keinen Zugang zu Informationen über neue Features. Diese Informationslücke kannst du schließen, indem du den MCP-Server des Tools verfügbar machst. Wenn du beispielsweise den Terraform-MCP-Server hinzufügst, erhält Copilot Zugriff auf die zuletzt unterstützten Terraform-Anbieter.

Weitere Informationen finden Sie unter Erweitern des Copilot-Programmier-Agent mit Model Context Protocol (MCP).

Nächste Schritte

Wenn du mit dem Pilotprojekt zufrieden bist, kannst du Folgendes tun:

• Copilot-Programmier-Agent in mehr Organisationen oder Repositorys aktivieren
• Weitere Anwendungsfälle für Copilot-Programmier-Agent identifizieren und Entwickler entsprechend schulen
• Weiterhin Feedback sammeln und Ergebnisse messen

Um die Auswirkungen eines neuen Tools zu bewerten, wird empfohlen, die Auswirkungen des Tools auf die nachgelagerten Ziele deiner Organisation zu messen. Einen systematischen Ansatz zur Steigerung und Messung von Verbesserungen in Engineering-Systemen findest du im Engineering System Success Playbook von GitHub.