Copilot コーディング エージェント は、GitHub 上でソフトウェア開発タスクを完了する自律的な AI 搭載エージェントです。 Organization に Copilot コーディング エージェント を導入すると、エンジニアリング チームはコードベースの日常的な修正やメンテナンスの更新に費やす時間を減らし、戦略的な思考に多くの時間を費やすことができるようになります。

Copilot コーディング エージェント:

• チームに参加する: 同期ペアリング セッションを必要とする IDE ベースのコーディング エージェントとは異なり、開発者は作業を Copilot に委任できます。 Copilot は、開発者と同じように、チーム メンバーがレビューできるように下書きの pull request を開き、フィードバックに基づいて反復処理します。
• コンテキスト切り替えを減らす: JetBrains IDE、VS Code、Visual Studio、または GitHub.com で作業している開発者は、Copilot コーディング エージェント に pull request の作成を依頼して、現在行っている作業を中断せずに小規模なタスクを完了できます。
• タスクを並列で実行する: Copilot を使うと、複数の issue に同時に取り組み、チームが他の優先事項に集中している間にバックグラウンドでタスクを処理できます。

1.計算

メンバーに対して Copilot コーディング エージェント を有効にする前に、Copilot コーディング エージェント が自分の organization にどのように適合するかを理解します。 これは、Copilot コーディング エージェント が自分のニーズに適しているかどうかを評価し、開発者向けのコミュニケーションとトレーニング セッションを計画するのに役立ちます。

1. コスト、組み込みのセキュリティ機能、開発者が使い慣れている可能性のある他の AI ツールとの違いなど、Copilot コーディング エージェント について理解します。 「Copilot コーディング エージェントについて」を参照してください。
2. Copilot コーディング エージェント が最適なタスクについて理解します。 これらは一般に、テスト スコープの拡大、バグや不安定なテストの修正、構成ファイルやドキュメントの更新など、明確に定義され、スコープが限定された issue です。 「Copilot を使用してタスクに取り組むためのベスト プラクティス」を参照してください。
3. Organization のワークフロー内の他のツールと Copilot コーディング エージェント がどのように適合するかを検討します。 Copilot コーディング エージェント を GitHub の他の AI 機能と併用する方法を説明したシナリオ例については、「エージェント型 AI を Enterprise のソフトウェア開発ライフサイクルに統合する」を参照してください。

2.セキュリティで保護

すべての AI モデルは、適切な回答を提供するために必要なすべての情報がない場合でも、リクエストを満たすようにトレーニングされているため、誤回答する可能性があります。 ベスト プラクティスに従うと、Copilot コーディング エージェント の既定のセキュリティ機能に基づいて構築できます。

1. copilot-instructions.md ファイルを使って、リポジトリ内で正常に機能するために必要な情報を Copilot に提供します。 「GitHub Copilot のリポジトリ カスタム命令を追加する」を参照してください。
2. copilot-setup-steps.yml ファイルとローカル MCP サーバーを使って、organization によって承認されたツールとパッケージ リポジトリへのアクセス権を持つリポジトリの Copilot 開発環境を設定します。 「Copilot コーディング エージェントの開発環境のカスタマイズ」と「モデル コンテキスト プロトコル (MCP) を使用した Copilot コーディング エージェントの拡張」を参照してください。
3. シークレットを安全に格納するためのベスト プラクティスに従ってください。 「GitHub Actions でのシークレットの使用」を参照してください。
4. コード セキュリティ機能を有効にすると、シークレットが漏えいしたり、コードに脆弱性が生じたりするリスクがさらに低くなります。 「組織での GitHub で推奨されるセキュリティ構成の適用」を参照してください。
5. Copilot から発行されたすべての pull request は、書き込みアクセス許可を持つ 2 人目のユーザーが承認するようにブランチ ルールセットを構成します ([Require a pull request before merging] のサブオプション)。 「組織内のリポジトリのルールセットを作成する」、「ルールセットで使用できるルール」を参照してください。

3.パイロット

Copilot にサインアップする

Organization または Enterprise に Copilot コーディング エージェント を効果的に配置する方法を学ぶ場合、作業プラクティスの他の変更と同様に、試用版を実行することが重要です。

1. さまざまな役割、背景、視点をプロジェクトに取り込むために、さまざまな部門が関与する試用版チームを編成します。 こうすることで、issue を定義し、Copilot に作業を割り当て、明確なレビュー フィードバックを提供するための幅広い方法をレビューしやすくなります。
2. ドキュメントや内部ツールを含むものなど、分離されたリポジトリまたはリスクの低いリポジトリを選びます。 プレイグラウンドとして使う新しいリポジトリを作成することもできますが、Copilot を成功させるにはコンテキストが必要なので、チーム プロセス、開発環境、共通の依存関係など、多くのコンテキストを追加する必要があります。
3. リポジトリで Copilot コーディング エージェント を有効にし、必要に応じてサード パーティの MCP サーバーを有効にして、コンテキストの共有を強化します。 「Organization への Copilot コーディング エージェント の追加」を参照してください。
4. リポジトリの指示を作成し、Copilot で使う開発環境に必要なツールを事前にインストールします。 「Copilot コーディング エージェントの開発環境のカスタマイズ」を参照してください。
5. テスト カバレッジやユーザー補助の向上など、organization に必要なユース ケースをいくつか特定します。 ベスト プラクティス ガイドの「Copilot に割り当てる適切なタスクの種類を選ぶ」を参照してください。
6. ベスト プラクティスを使って、パイロット リポジトリ内の Copilot に関する issue を作成または改良します。
7. Issue を Copilot に割り当て、チーム メンバーがその作業をレビューできるように準備します。
8. VS Code または GitHub.com のコードベースまたはドキュメントをよく確認し、Copilot に pull request の作成を依頼し、見つかったバグや小さな改善点を修正します。

試用版の期間中、チームはリポジトリの指示、インストールされているツール、MCP サーバーへのアクセス、issue の定義を繰り返して、organization が Copilot コーディング エージェント を最大限に活用する方法を特定する必要があります。 このプロセスは、Copilot の使用に関する organization のベスト プラクティスを特定し、有効なロールアウト戦略を計画するのに役立ちます。

Copilot コーディング エージェント を成功させるための設定方法に関する分析情報に加えて、Copilot による Premium リクエストとアクション分数の使用方法についても説明します。 これは、より広範な試験的導入や完全なロールアウトのために予算を設定し、管理するときに役立ちます。 「GitHub Copilot に対する会社の支出を管理する」を参照してください。

MCP を使用した拡張

モデル コンテキスト プロトコル (MCP) は、アプリケーションが大規模言語モデル (LLM) とコンテキストを共有する方法を定義するオープン標準です。 MCP には、Copilot コーディング エージェント にさまざまなデータ ソースとツールへのアクセスを提供する標準化された方法が用意されています。

Copilot コーディング エージェント は、組み込みの GitHub MCP サーバーを使って、作業しているリポジトリの完全な GitHub コンテキスト (issue や pull request など) にアクセスできます。 既定では、認証バリアとファイアウォールによって外部データへのアクセスが制限されています。

Organization で使っているツールのローカル MCP サーバーへのアクセス権を付与することで、Copilot コーディング エージェント で使用できる情報を拡張できます。 たとえば、次のコンテキストの一部に対してローカル MCP サーバーへのアクセス権を付与したい場合があります。

• プロジェクト計画ツール: Notion や Figma などのツールで、Copilot が GitHub の外部に格納されているプライベート計画ドキュメントに直接アクセスできるようにします。
• トレーニング データの拡張: 各 LLM には、特定の期日までのトレーニング データが含まれています。 変化の激しいツールを使っている場合、Copilot は新機能に関する情報にアクセスできなくなる可能性があります。 ツールの MCP サーバーを使用できるようにすることで、この知識のギャップを埋めることができます。 たとえば、Terraform MCP サーバーを追加すると、Copilot に最近サポートされた Terraform プロバイダーへのアクセス権が付与されます。

詳しくは、「モデル コンテキスト プロトコル (MCP) を使用した Copilot コーディング エージェントの拡張」をご覧ください。

次のステップ

パイロットに満足したら、次のことができます。

• より多くの organization またはリポジトリで Copilot コーディング エージェント を有効にします。
• Copilot コーディング エージェント のユース ケースをさらに見つけ、それに応じて開発者をトレーニングします。
• フィードバックの収集と結果の測定を続けます。

新しいツールの影響を評価するには、organization のダウンストリームの目標に対するツールの影響を測定することをお勧めします。 エンジニアリング システムでの改善を推進および測定するための体系的なアプローチについては、GitHub の「エンジニアリング システムの成功するプレイブック」をご覧ください。