Erprobung des GitHub Copilot-Codierungsagenten in Ihrer Organisation

Copilot Codierungsassistent ist ein autonomer, KI-basierter Agent, der Softwareentwicklungsaufgaben für GitHub ausführt. Durch die Einführung von Copilot Codierungsassistent 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 Codierungsassistent:

•         **Tritt dem Team bei**: Entwickler können Arbeit an Copilot delegieren, im Gegensatz zu IDE-basierten Kodierungsagenten, die synchrone Paarungssitzungen erfordern. 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 Codierungsassistent 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 Codierungsassistent für Mitglieder aktivierst, musst du verstehen, wie Copilot Codierungsassistent in deine Organisation passt. Auf diese Weise kannst du ermitteln, ob Copilot Codierungsassistent für deine Anforderungen geeignet sind, und du kannst Kommunikations- und Schulungssitzungen für Entwickler planen.

1. Hier erfährst du mehr über Copilot Codierungsassistent, 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 zu GitHub Copilot Coding-Assistent.
2. Hier erfährst du mehr über die Aufgaben, für die Copilot Codierungsassistent 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 GitHub Copilot für die Arbeit an Vorgängen.
3. Überlege, wie Copilot Codierungsassistent zusammen mit anderen Tools in den Workflows deiner Organisation passen. Ein Beispielszenario, das zeigt, wie man Copilot Codierungsassistent zusammen mit anderen KI-Funktionen auf GitHub verwendet, finden Sie 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 Codierungsassistent 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. Siehe Hinzufügen von benutzerdefinierten Repositoryanweisungen für GitHub Copilot.
2. Richten Sie die Copilot Entwicklungsumgebung für ein Repository mit Zugriff auf die von der Organisation genehmigten Tools und Paketrepositorys ein, indem Sie eine copilot-setup-steps.yml-Datei und lokale MCP-Server verwenden. Siehe Anpassen der Entwicklungsumgebung für GitHub Copilot-Codierungs-Agent und Erweiterung des GitHub Copilot Codierungsagenten mit dem Model Context Protocol (MCP).
3. Befolge bewährte Methoden zum sicheren Speichern von Geheimnissen. Siehe 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. Siehe Anwenden der 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

          <a href="https://github.com/github-copilot/purchase?ref_product=copilot&ref_type=trial&ref_style=button&ref_plan=enterprise" target="_blank" class="btn btn-primary mt-3 mr-3 no-underline">
          <span>Melden Sie sich an für Copilot</span> <svg version="1.1" width="16" height="16" viewBox="0 0 16 16" class="octicon octicon-link-external" aria-label="link external icon" role="img"><path d="M3.75 2h3.5a.75.75 0 0 1 0 1.5h-3.5a.25.25 0 0 0-.25.25v8.5c0 .138.112.25.25.25h8.5a.25.25 0 0 0 .25-.25v-3.5a.75.75 0 0 1 1.5 0v3.5A1.75 1.75 0 0 1 12.25 14h-8.5A1.75 1.75 0 0 1 2 12.25v-8.5C2 2.784 2.784 2 3.75 2Zm6.854-1h4.146a.25.25 0 0 1 .25.25v4.146a.25.25 0 0 1-.427.177L13.03 4.03 9.28 7.78a.751.751 0 0 1-1.042-.018.751.751 0 0 1-.018-1.042l3.75-3.75-1.543-1.543A.25.25 0 0 1 10.604 1Z"></path></svg></a>

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

1. Sammeln Sie ein funktionsübergreifendes Team für die Testversion, um verschiedene Rollen, Hintergründe und Perspektiven zum project zu bringen. 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 Codierungsassistent im Repository, und aktiviere optional MCP-Server von Drittanbietern für eine erweiterte Kontextfreigabe. Siehe Hinzufügen des GitHub Copilot Coding-Assistenten zu Ihrer 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 GitHub Copilot-Codierungs-Agent.
5. Ermittle einige überzeugende Anwendungsfälle für deine Organisation, zum Beispiel Testabdeckung oder Verbesserung der Barrierefreiheit. Weitere Informationen findest du unter Den richtigen Aufgabentyp für Copilot auswählen im Leitfaden für bewährte Praktiken.
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.

Im Laufe der Testphase sollte das Team die Repository-Anweisungen, installierten Tools, den Zugriff auf MCP-Server sowie die Problematik definieren, um zu ermitteln, wie Ihre Organisation das meiste aus Copilot Codierungsassistent herausholen 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 Codierungsassistent 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. Siehe Verwalten der Ausgaben Ihres Unternehmens für GitHub Copilot.

Optimieren 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 Codierungsassistent Zugriff auf verschiedene Datenquellen und Tools bereitzustellen.

Copilot Codierungsassistent hat Zugriff auf den vollständigen GitHub Kontext des Repositories, in dem es arbeitet, einschließlich Issues und Pullanforderungen, mithilfe des integrierten GitHub MCP-Servers. Standardmäßig ist der Zugriff auf externe Daten durch Authentifizierungsbarrieren und eine Firewall eingeschränkt.

Sie können die verfügbaren Informationen für Copilot Codierungsassistent erweitern, indem Sie ihm Zugriff auf die lokalen MCP-Server für die von Ihrer Organisation verwendeten Tools gewähren. Sie möchten beispielsweise Zugriff auf lokale MCP-Server für einige der folgenden Kontexte bereitstellen:

•         **Projektplanungstools**: Ermöglichen Copilot direkten Zugriff auf private Planungsdokumente, die in Tools wie Notion oder Figma gespeichert sind und außerhalb von GitHub liegen.
  

•         **Ergänze Trainingsdaten**: Jedes LLM enthält Trainingsdaten bis zu einem bestimmten Stichtag. Wenn Sie mit schnell bewegenden Tools arbeiten, hat Copilot möglicherweise keinen Zugang zu Informationen über neue Funktionen. Diese Informationslücke kannst du schließen, indem du den MCP-Server des Tools verfügbar machst. Wenn Sie beispielsweise den Terraform MCP-Server hinzufügen, erhält Copilot Zugriff auf die zuletzt unterstützten Terraform-Anbieter.
  

Weitere Informationen finden Sie unter Erweiterung des GitHub Copilot Codierungsagenten mit dem Model Context Protocol (MCP).

Nächste Schritte

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

• Aktivieren Sie Copilot Codierungsassistent in mehr Organisationen und Repositories.
• Weitere Anwendungsfälle für Copilot Codierungsassistent 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 zum Vorantreiben und Messen von Verbesserungen in Ingenieurwesen-Systemen erhalten Sie im Engineering System Success Playbook von GitHub.