近來，GitHub 發表了一個新功能：Agent Mode（代理模式）。這模式的目標，是讓 Copilot 不只是「跟著你做提示（prompt）」或補完程式碼，而是能「替你動手做」—自動執行整個工作流程或多步驟任務，幫你處理那些耗時、重複或次要的工作，讓你能把注意力放在領域設計、架構思考、核心邏輯等比較高階的部分。
一、什麼是 Agent Mode？
企業或資深開發者常常會需要的不只是單一步驟的提示，而是：「我想做某件事」，讓工具幫你拆解流程、自動執行並修正錯誤。Agent Mode 正是這樣一個模式：它是一個同步（real-time）的、自主（agentic）的協作者，當你用自然語言告訴它需求，它會理解你的意圖，規劃解決方案、執行、測試、修正，直到結果符合預期為止。
Agent Mode 的核心能力包括：
- 分析你的整個程式碼庫，以獲得上下文資訊
- 規劃並執行多步驟方案（multi-step tasks）
- 執行命令或測試指令（run commands / tests）
- 利用外部工具（或擴充工具）完成特定任務
- 建議架構改善或設計優化
- 自主檢查錯誤並修正（agentic loop）—包含規劃、修改、測試與迭代
簡單來說，你給一個高階需求，它會幫你想怎麼做、做什麼步驟、做哪幾個檔案的改動、跑測試、看看哪裡有錯誤，再自動修正。你在過程中可以觀察它如何思考、決定與使用哪些工具。
二、Agent Mode 跟其他工具／模式的比較
為了清楚理解這模式的定位，下面是與 GitHub 中其它相關功能的對比：
| 功能／模式 | 定義／特點 | 適用情況 |
|---|---|---|
| Agent Mode | 同步（real-time）、多步驟任務、自主檢查與修正，能呼叫外部工具、自動化流程。The GitHub Blog | 新功能開發、代碼重構、測試撰寫、語言／技術棧遷移、原型驗證等需要完整流程的任務。 |
| Coding Agent | 異步（asynchronous）的 agent，能在後台執行任務，例如解問題、回應人類反饋。The GitHub Blog | 長期任務、自動化腳本、需要持續處理 issue 或支援請求等。 |
| Code Completion（程式碼補全） | 在你輸入時即時補齊程式碼片段，只針對短程式碼片段的補全建議。The GitHub Blog | 編寫函式、補一行或一段程式碼，效率型小改動。 |
三、Agent Mode 的工作機制
它是怎麼運作的？核心流程大致如下：
- 你提出需求：用自然語言描述你要達成的目標，例如「我想要把這個專案從 Python 遷移到 Go」、「我想新增單元測試／整合測試」，或「幫我重構這一組程式碼使它更模組化」。
- 系統整合背景資訊：Agent Mode 會擷取你的工作空間 (workspace) 結構、機器環境（machine context）、工具說明、程式碼庫摘要等資訊，好讓模型理解目前狀態與限制條件。
- 規劃與執行：模型規劃執行步驟，開始進行改動／測試／命令操作。這可能包括修改多個檔案、呼叫終端指令、建立新檔案、跑測試套件等。
- 錯誤檢測與修正：在過程中，如果有語法錯誤、測試失敗、build 錯誤等，Agent Mode 會嘗試修正，或者請你提供回饋調整。這是一個不斷迭代（agentic loop）的過程。
- 使用工具與擴充能力：你可以選擇讓 Agent Mode 使用哪些內建工具，如
read_file、edit_file、run_in_terminal等；也可以透過 MCP（Model Context Protocol）伺服器或擴充插件連接外部工具或服務來增強其能力。
四、Agent Mode 的應用情境與案例
常見用途
- 重構現有程式碼（Refactoring）
- 專案遷移（Migrating project）到新語言或新技術棧
- 撰寫測試（Writing tests）
- 現代化舊有或過時的程式碼（Legacy code modernization）
- 自動修復程式碼產生時的錯誤（autofixing code gen errors）
- 新增功能（Adding new features）
- 根據功能規格或 UI 草圖進行原型設計（Prototyping）
- 實現非功能需求或樣板程式碼（non-functional requirements or boilerplate）
- 規劃／界定新功能要做哪些工作（Scoping & planning）
- 非程式碼類的工作，比如文件撰寫（documentation）
開發者經驗
一個例子是 Zhe-You Liu（Apache Airflow 的 contributor）曾經使用 Agent Mode + GPT-4o／Claude 3.7，在他們的開源 histograms（直條圖）可視化腳本上做改造。他讓 Agent Mode 將傳統的 matplotlib 圖表改成具有動畫與 SVG 輸出的線條圖（animated line charts + SVG），第一次就生成了一個完美的 SVG Histogram。這樣的智慧幫助不僅加快開發，也改變了他做原型與重構的方式。
五、如何開始使用 Agent Mode
想實際用起來？以下是操作步驟和配置提示：
- 開啟 VS Code，進入 Copilot Chat 視圖（Chat view）裡，從模式（mode）下拉選單選擇 Agent 模式。
- 在 Visual Studio（VS）中也可以 預覽（preview） Agent Mode。
- 配置工具（tools）：在 Agent Mode 裡會有一個工具按鈕（tools button），你可以新增或設定你要 Agent 使用的工具（閱讀檔案、編輯、終端機命令等）以擴充功能。
- 選擇模型（Model）：從模型下拉選單選你想使用的 LLM，例如內建模型／外部模型。模型選擇會影響輸出品質與效能。
六、搭配其他功能與實踐建議
為了讓 Agent Mode 用得更順、效果更好，這裡有一些建議與相關功能搭配方法：
- 使用 Custom Instructions（客製指令）：指定你希望 Copilot 在程式碼中遵守哪些風格、架構、測試框架等。這樣 Agent Mode 的輸出會更貼近你的代碼風格或團隊慣例。
- 搭配其他 Chat 模式：GitHub Copilot 還有 Ask Mode（提問模式） 和 Edit Mode（編輯模式）。如果只是想詢問某段代碼在做什麼或要了解概念，用 Ask Mode；想在多個檔案進行改動但控制比較多細節的，用 Edit Mode。Agent Mode 則適合從高階需求一路自動往下拆任務。
- 提供足夠上下文與明確需求：給 Agent Mode 的 prompt／需求越具體、越完整，包含你希望結果的樣子或範例、程式碼庫的背景、哪些檔案不能動、哪些工具／框架要用等，往往結果會越準。
- 持續檢查與回饋：即使 Agent Mode 很強，也建議你在過程中 review（審查）它的改動、測試結果、效能等，以確保整體質量符合需求。
七、小結與未來展望
Agent Mode 是 GitHub Copilot 的重大功能升級，它讓 AI 不再只是補全或協作，而可自主執行開發流程、處理錯誤、呼叫工具，甚至整合外部資源。對多數開發者來說，這意味著可以節省很多時間與精力，把注意力放在更有價值的設計與思維層面。
未來可以期待的方向包括：
- 更精細的錯誤預測與自我修復能力
- 更強的多工具／多平臺整合能力
- 改善用戶介面與使用者體驗，讓設定與監控更直觀、透明
- 在企業環境中更完善的權限與安全控制政策
參考資料
- GitHub 博客 — “GitHub Copilot Agent Mode 101”，認識Agent Mode 功能。 The GitHub Blog
- GitHub 博客 — “GitHub Copilot: The agent awakens”，介紹 Agent Mode 的推出與功能細節。 The GitHub Blog
- GitHub 文檔 — “Use Copilot Agent Mode in Visual Studio (Windows)”，說明如何在 Visual Studio 開啟與操作 Agent Mode。 Microsoft Learn
- GitHub 文檔 — “Enhancing GitHub Copilot agent mode with MCP”，介紹 MCP 如何與 Agent Mode 結合以擴展能力。 GitHub Docs
- GitHub 文檔 — “Context passing for your agent”，說明 Agent 如何接收與使用 IDE 中的上下文（檔案內容、選擇範圍、倉庫資訊等）。 GitHub Docs
- 開發者實作案例 — “My Practical Dive into GitHub Copilot Agent Mode”（Dev.to），展示實際操作與心得。
