在组织中试用 Copilot 编码智能体

注意

Copilot 编码智能体为公共预览版，可能会变动。在预览期间，该功能的使用须遵循“GitHub 预发行许可条款”。

Copilot 编码智能体是一种自主的 AI 支持的智能体，用于完成 GitHub 上的软件开发任务。在组织中采用 Copilot 编码智能体可让你的工程团队腾出更多时间进行战略性思考，而减少在代码库中进行常规修复和维护更新的时间。

Copilot 编码智能体：

加入团队：开发人员可以将工作委托给 Copilot，它与基于 IDE 的编码智能体不同（这些智能体需要同步配对会话）。 Copilot 会打开拉取请求草稿供团队成员审查，然后像开发人员那样根据反馈进行迭代。
减少上下文切换：使用 JetBrains IDE、VS Code、Visual Studio 或 GitHub.com 的开发人员可以要求 Copilot 编码智能体创建拉取请求来完成小型任务，而无需停止当前正在执行的任务。
并行执行任务：Copilot 能够同时处理多个问题，在后台执行任务，而你的团队专注于其他优先事项。

1.评估

在为成员启用 Copilot 编码智能体之前，请了解 Copilot 编码智能体如何融入组织。这有助于你评估 Copilot 编码智能体是否满足你的需求，并为开发人员规划沟通和培训课程。

了解 Copilot 编码智能体，包括成本、内置安全功能，以及它与开发人员习惯使用的其他 AI 工具有何不同。请参阅“关于 Copilot 编码代理”。
了解 Copilot 编码智能体最适合完成的任务。这些通常是定义清晰且范围明确的问题，例如提高测试覆盖率、修复 bug 或不可靠的测试，或者更新配置文件或文档。请参阅“使用 Copilot 处理任务的最佳做法”。
考虑 Copilot 编码智能体如何与其他工具一起融入组织的工作流中。有关如何在 GitHub 上结合使用 Copilot 编码智能体和其他 AI 功能的示例场景，请参阅将代理式 AI 集成到企业的软件开发生命周期中。

所有 AI 模型都经过训练来满足请求，即使它们没有提供优质答案所需的全部信息，这可能导致它们犯错。通过遵循最佳做法，可以依靠 Copilot 编码智能体的默认安全功能。

使用 copilot-instructions.md 文件，为 Copilot 提供它在存储库中成功工作所需的信息。请参阅“为 GitHub Copilot 添加存储库自定义说明”。
使用 copilot-setup-steps.yml 文件和本地 MCP 服务器，为有权访问组织批准的工具和包存储库的存储库设置 Copilot 开发环境。请参阅“自定义 Copilot 编码代理的开发环境”和“使用模型上下文协议 (MCP) 扩展 Copilot 编码助手”。
遵循最佳做法安全地存储机密。请参阅“在 GitHub Actions 中使用机密”。
启用代码安全功能，进一步降低泄露机密和在代码中引入漏洞的风险。请参阅“在组织中应用 GitHub 建议的安全配置”。
配置分支规则集来确保 Copilot 发出的所有拉取请求均获得具有写入权限的第二位用户批准（“Require a pull request before merging”子选项）。请参阅创建组织中存储库的规则集和规则集的可用规则。

提示

需要 GitHub Copilot Pro、GitHub Copilot Pro+、GitHub Copilot Business 或 GitHub Copilot Enterprise 才能使用 Copilot 编码智能体。

与工作实践的任何其他更改一样，请务必运行试用版，了解如何在组织或企业中有效地部署 Copilot 编码智能体。

组建一个跨职能团队来参与试用版，为项目引入不同的角色、背景和视角。这将使你更容易确保探索多种方式来定义问题、将工作分配给 Copilot，并提供明确的评审反馈。
选择独立或低风险的存储库，例如包含文档或内部工具的存储库。你可以创建一个用作操场的新存储库，但 Copilot 需要上下文才能成功，因此你需要添加大量上下文，包括团队流程、开发环境和常见依赖项。
在存储库中启用 Copilot 编码智能体，并选择性地启用第三方 MCP 服务器来增强上下文共享。请参阅“将 Copilot 编码智能体添加到组织”。
创建存储库说明，并预安装开发环境中所需的任何工具供 Copilot 使用。请参阅“自定义 Copilot 编码代理的开发环境”。
为组织确定几个引人注目的用例，例如：测试覆盖率或改进辅助功能。请在最佳做法指南中参阅选择要提供给 Copilot 的适当任务类型。
按照最佳做法为试点存储库中的 Copilot 创建或优化问题。
将问题分配给 Copilot，并准备团队成员查看其工作。
花点时间查看 VS Code 或 GitHub.com 中的代码库或文档，要求 Copilot 创建拉取请求来修复你识别的任何 bug 或小改进。

在试用过程中，团队应持续优化存储库说明、已安装的工具、对 MCP 服务器的访问权限和问题定义，从而确定你的组织可以如何充分利用 Copilot 编码智能体。此过程将帮助你确定组织使用 Copilot 的最佳做法，并规划有效的推出策略。

除了让你深入了解如何设置 Copilot 编码智能体来取得成功，你还将了解 Copilot 如何使用高级请求和操作分钟数。当你开始为更广泛的试用或全面推出设置和管理预算时，这将很有价值。请参阅“在 GitHub Copilot 上管理公司的支出”。

模型上下文协议 (MCP) 是一个开放标准，用于定义应用程序与大型语言模型 (LLM) 共享上下文的方式。 MCP 提供一种标准化的方法，用于为 Copilot 编码智能体提供访问不同数据源和工具的权限。

Copilot 编码智能体有权使用内置的 GitHub MCP 服务器访问其正在操作的存储库的完整 GitHub 上下文，包括问题和拉取请求。默认情况下，身份验证屏障和防火墙限制它访问外部数据。

你可以通过让 Copilot 编码智能体访问你的组织使用的工具的本地 MCP 服务器，扩展其可获取的信息范围。例如，你可能想要为下面某些上下文提供访问本地 MCP 服务器的权限：

项目规划工具：允许 Copilot 在 Notion 或 Figma 等工具中直接访问存储在 GitHub 外部的专用规划文档。
扩充训练数据：每个 LLM 均包含特定截止日期的训练数据。如果你正在使用快速迭代的工具，Copilot 可能无法访问新功能的相关信息。你可以通过提供工具的 MCP 服务器来填补这一知识空白。例如，添加 Terraform MCP 服务器将使Copilot 能够访问最近支持的 Terraform 提供程序。

对试点感到满意后，可以：

为了评估新工具的影响，我们建议衡量该工具对组织下游目标的影响。有关在工程系统中推动和衡量改进效果的系统性方法，请参阅 GitHub 的工程系统成功 Playbook。