· AI Engineer World's Fair 2025
Пробуждение агента: совместная разработка с Copilot
The Agent Awakens: Collaborative Development with Copilot
Результат GitHub Copilot определяется контекстом: читаемостью кода, файлами инструкций в репозитории и окружением, в котором работает coding агент.
- Инструкции на уровне репозитория —
copilot-instructions.mdчитают и Copilot Chat, и coding агент, а файлы*.instructions.mdс полем applyTo подхватываются автоматически для файлов по заданному шаблону пути. Так правила команды не нужно повторять в каждом запросе. - Песочница coding агента — агент работает в GitHub Actions, по умолчанию не ходит в интернет и пишет только в свою ветку. Pull request остаётся черновиком, пока кто-то не запустит проверки, и тот, кто назначил агента на задачу, не может сам проверить его работу.
- Итерация без потери контекста — правки вносятся комментариями в pull request. Если результат совсем неверен, Copilot снимают и заново назначают на issue, и агент начинает с нуля.
- MCP-серверы — их список задаётся в
mcp.jsonна уровне репозитория или организации, а учётные данные вводит каждый пользователь. Если агент путает серверы, спикеры советуют прямо указать нужный сервер в инструкциях.
Кому полезно: командам, которые подключают coding агента к своим репозиториям и хотят получать повторяемые результаты.
Статья по теме
Главы
Ещё доклады: Christopher Harrison
Страница спикера →Практическая разработка с GitHub Copilot и VS Code
Harald Kirschner, Christopher Harrison
AI Engineer World's Fair 2025
Пилотирование agents в GitHub Copilot
AI Engineer World's Fair 2025
Совместная работа с agents в процессе разработки ПО
Christopher Harrison, Jon Peck
AI Engineer World's Fair 2025
Похожие доклады
От написания кода к проектированию систем: как меняется роль разработчика
AI Engineer Europe 2026
Близко по содержанию
MCP на практике в GitHub Copilot Agent Mode
AI Engineer World's Fair 2025
Близко по содержанию


