Sobre agentes de IA no GitHub
Os desenvolvedores em sua empresa podem estar acostumados a usar a IA como uma ferramenta de programação em par. Nesse modelo, os desenvolvedores trabalham com assistentes de IA de maneira síncrona e recebem sugestões de código durante a fase de desenvolvimento do projeto.
Agentes de IA são mais semelhantes a programadores pares. Os agentes podem:
- Realizar tarefas assíncronas, como executar testes ou corrigir problemas em sua lista de pendências, com menos necessidade de intervenção humana.
- Contribuir para fluxos de trabalho além da fase de desenvolvimento, como ideação ou otimização após uma versão.
Colaborar com os agentes pode dar aos seus funcionários mais tempo para se dedicar a outras prioridades, como planejamento de alto nível, e trazer os benefícios da IA para funções que não são de desenvolvimento, dando mais poder aos prompts de linguagem natural.
O recursos de IA com agente do GitHub Copilot são integrados à plataforma coesa do GitHub, proporcionando uma experiência do usuário mais alinhada e controles de licenciamento e governança simplificados em comparação à adoção de uma variedade de ferramentas de terceiros.
Cenário de exemplo
Você é gerente de engenharia na Mona's, uma boutique de guarda-chuvas. Sua equipe foi encarregada de adicionar um widget alimentado por IA à loja online da empresa. O widget ajudará os clientes a escolher o guarda-chuva certo fazendo recomendações personalizadas com base em fatores como a localização do usuário e tendências climáticas locais.
Para cumprir um prazo apertado, você pretende acelerar cada fase do processo, tanto para os desenvolvedores quanto para os outros profissionais de sua equipe. Você também quer garantir que a equipe não seja sobrecarregada com tarefas de manutenção após o novo recurso ser implantado.
Observação
O GitHub expande continuamente sua plataforma alimentada por IA. Alguns dos recursos descritos neste artigo estão em versão prévia pública e podem não estar habilitados para empresas por padrão. Você encontrará informações sobre cada recurso na seção Introdução à IA com agente.
1. Planejar com Copilot Chat
-
Para começar a planejar, um gerente de produto trabalha com o Copilot Chat em
https://github.com/copilot
.Ele faz perguntas de alto nível ao Copilot para ter uma noção do trabalho de desenvolvimento necessário para o novo recurso. Para dar ao Copilot acesso ao contexto importante sobre o projeto, ele carrega arquivos de simulação e os vincula ao repositório em que a base de código está armazenada.
-
Quando o PM trabalha com o Copilot para ter uma visão geral das tarefas necessárias, ele pede ao Copilot para criar issues para cada parte do trabalho.
O Copilot faz um rascunho dos issues na exibição imersiva, e o PM pode refiná-los e publicá-los no repositório.
O PM marca alguns dos issues como opcionais ou de manutenção. Eles podem ser bons candidatos para o Agente de codificação do Copilot.
2. Criar com o GitHub Models e o modo de agente
-
O PM compartilha os resultados com o desenvolvedor e pede que ele encontre o melhor modelo de IA para fornecer as recomendações de guarda-chuva personalizadas, com base no custo e na eficácia dos modelos.
-
O desenvolvedor solicita que o Copilot Chat recomende vários modelos de IA para o trabalho, bem como os prós e contras de cada um. Para fornecer um contexto útil, ele pede ao Copilot que considere as informações no artigo Como escolher o modelo de IA certo para sua tarefa GitHub Docs.
-
Para escolher um modelo da lista, o desenvolvedor usa o playground do GitHub Models para comparar os resultados do mesmo prompt entre os modelos. Ele economiza tempo testando os modelos em uma só plataforma, em vez de precisar configurar uma chave de API para cada modelo separadamente.
-
Com o modelo decidido, o desenvolvedor abre o código no VS Code.
-
O desenvolvedor começa a escrever código para o novo widget. Para acelerar o trabalho, ele usa o Copilot Chat no modo "Ask" e "Edit" para perguntas de sintaxe e sugestões de alto nível.
Dica
O desenvolvedor trabalha com a IA da maneira que funciona melhor para ele, mas sua organização tem controle sobre a experiência. Por exemplo, você pode:
- Controlar os modelos que o desenvolvedor pode usar para o trabalho de desenvolvimento, de modo a atender aos requisitos de conformidade e gerenciar custos.
- Remover determinados arquivos do alcance do Copilot Chat.
- Salvar prompts eficazes que foram testados com o GitHub Models, para que outros usuários possam se beneficiar.
-
Quando o desenvolvedor escreve código, ele alterna para modo de agente para pedir ao Copilot para refatorar o código em várias funções diferentes para melhor legibilidade.
No modo de agente, o Copilot funciona de forma mais autônoma e é capaz de atualizar vários arquivos e, com a autorização do desenvolvedor, executar comandos para ações como instalar dependências ou executar testes.
Dica
Você pode criar uma experiência mais consistente adicionando um arquivo de instruções personalizadas ao repositório. Por exemplo, o arquivo pode ajudar a garantir que o modo de agente use convenções de nomenclatura estabelecidas e execute os comandos corretos para criar, testar e fazer lint do código de acordo com os padrões da organização.
-
O desenvolvedor analisa a comparação do trabalho do agente e escolhe qual código manter.
3. Testar com um servidor MCP
-
Quando o código é concluído, o desenvolvedor deseja executar testes na compilação local do site usando o Playwright, um serviço de teste no navegador automatizado.
- Um administrador do repositório adicionou o servidor MCP (Model Context Protocol) para o Playwright, que fornece ao agente do Copilot uma interface predefinida para integração com o Playwright.
- O desenvolvedor solicita que o Copilot estruture cenários de teste em um arquivo
.feature
e pede ao Copilot para executar os testes no navegador. - No modo de agente, o Copilot solicita ao desenvolvedor que autorize suas ações enquanto abre o navegador e clica em elementos diferentes na interface do usuário. Conforme o desenvolvedor observa os testes no navegador, o Copilot identifica um teste com falha e sugere uma correção no código.
-
Quando fica satisfeito com os testes, o desenvolvedor solicita ao modo de agente que abra uma pull request para o trabalho no GitHub.
Dica
Com o servidor MCP do GitHub habilitado, o Copilot pode executar o comando para abrir uma pull request diretamente no VS Code, com o título e a descrição já preenchidos.
4. Revisar com o Revisão de código do Copilot
- Um proprietário do repositório configurou revisões de código automáticas pelo Copilot no repositório. O Copilot fornece uma revisão inicial na pull request, identificando bugs e possíveis problemas de desempenho que o desenvolvedor pode corrigir antes que um revisor humano chegue à pull request.
- O colega do desenvolvedor revisa e aprova a pull request. O trabalho está pronto para ser mesclado.
5. Otimizar com o Agente de codificação do Copilot
-
Após a versão, o gerente de produto recebe comentários dos clientes e identifica uma oportunidade de melhorar as sugestões do widget mudando para uma API mais confiável de dados meteorológicos. Ele cria um issue para implementar essa alteração e o atribui ao Copilot diretamente ao GitHub.
-
O Agente de codificação do Copilot funciona em segundo plano e abre uma pull request, que o gerente de produto marca como pronta para revisão.
-
Um desenvolvedor revisa a pull request do Copilot e deixa comentários, que o Copilot incorpora. Por fim, o desenvolvedor mescla a pull request.
Dica
O Agente de codificação do Copilot vem com proteções padrão. Por exemplo, o Copilot não pode mesclar pull requests por conta própria. Você pode definir proteções adicionais para branches de destino usando conjuntos de regras do repositório.
-
Posteriormente, ao trabalhar em um recurso separado, o desenvolvedor observa um pequeno bug no código do widget de IA. Para evitar a alternância de contexto, o desenvolvedor instrui o Copilot a abrir uma pull request diretamente no VS Code.
@github Create a PR for the widget function to correctly validate that the user's age is a positive integer.
-
O Copilot trabalha em segundo plano e abre uma pull request no GitHub, pronta para revisão por outro desenvolvedor.
6. Proteger com o Correção automática do Copilot
-
Um administrador habilitou a code scanning no repositório, e um alerta do code scanning sugere uma vulnerabilidade potencial no código.
-
Um gerente de segurança solicita que o Correção automática do Copilot sugira automaticamente uma correção para a vulnerabilidade, que um desenvolvedor analisa e aprova.
Introdução à IA com agente
Para começar a usar os recursos mencionados neste artigo, use os links na tabela a seguir.
Para integrar efetivamente os recursos da IA com agente aos seus fluxos de trabalho, você precisará investir em treinamento, governança e mudanças culturais eficazes. Recomendamos experimentar os recursos com agente com uma coorte multifuncional para receber comentários antes de fazer uma distribuição maior.
Observação
Alguns desses recursos usam solicitações premium. Confira Sobre solicitações premium.
Recurso | Mais informações |
---|---|
Exibição imersiva do Copilot Chat | Como fazer perguntas ao GitHub Copilot no GitHub |
Modo do agente do Copilot Chat | Usar o modo de agente no VS Code |
Exclusões de conteúdo | Como realizar a exclusão de conteúdo do GitHub Copilot |
Servidores MCP (versão prévia pública) | Como estender o Copilot Chat com o MCP |
Playground do GitHub Models (versão prévia pública) | Prototipagem com modelos de IA |
Instruções personalizadas | Como adicionar instruções personalizadas de repositório no GitHub Copilot |
Revisão de código do Copilot | Configuração da revisão automática do Copilot |
Agente de codificação do Copilot (versão prévia pública) | Como usar o Agente de codificação do Copilot de modo eficaz na sua organização |
Correção automática do Copilot | Como definir a configuração padrão da verificação de código |