GitHub 最近推出了一個整合、適合企業使用的功能——Coding Agent，作為 Copilot 的一部分。它像是一位能夠在後台獨立工作的軟體工程隊友：你下達任務，它會負責寫程式、執行測試、開 PR（Pull Request）讓你審查。
什麼是 GitHub Copilot 的 Coding Agent？
- 角色定位
你可以把它想成是一位非同步（asynchronous）、類似同儕開發者（peer developer）的 AI 合作者。你指派任務，它在後台幫你完成。 - 可以做哪些事？
它能處理如下一類層級的任務：bug 修復、漸進式功能實作、重構（refactoring）、提升測試覆蓋率、更新文件 (documentation)、秘密掃描加速（secret scanning）、技術債務處理等等。 - 安全性／控制機制
為了讓這樣一個 AI 自動化 agent 不會出錯或造成風險，GitHub 加入了很多保護機制：- 所有 Pull Request（PR）都需要人工審查，agent 本身無法自動 approve 或 merge。
- CI/CD 工作流程（例如 GitHub Actions）在 agent 完成任務後才會運行，且需要 human approval 才觸發。
- 所有 commit 都會被標註共同作者（co-author）以便追蹤。
- 原有的組織政策、分支保護（branch protection）設定仍然適用。
- 啟動方式
可從 GitHub Issue 指派給 Copilot、透過 VS Code 的擴充功能、或在 Agents 面板操作。
與傳統 AI 助手相比，有什麼不同？
| 項目 | 傳統 AI 助手 | Coding Agent |
|---|---|---|
| 工作形式 | 通常在 IDE 裡，你寫大部分程式碼、開 branch、commit、PR 等等 | Agent 可自動建立分支、撰寫 commit、開 draft PR，整個流程透明可追蹤 (The GitHub Blog) |
| 實時 vs 非同步 | 多屬於實時合作（在 IDE 中進行交互） | 非同步—you 下任務後 Agent 在後台完成工作，然後你 review (The GitHub Blog) |
| 流程控制 | 開發者手動主導整個流程 | Agent 幫你做重複／瑣碎步驟；你保有審查、合併等關鍵控制權 (The GitHub Blog) |
Coding Agent 是怎麼運作的？
- 任務指派方式
- 在 GitHub Issues 指派給 Copilot。
- 在 Agents 面板中啟動任務。
- 或透過 Copilot Chat 在 VS Code（或其他支持 MCP 的工具）開始任務。
- PR 流程
- Agent 建立一個 草稿 pull request（draft PR），通常加上
[WIP]標記，以追蹤工作進行中。 - 完成後更新 PR 的標題與描述，並 tag 你進行 Review。
- 若有需要改動，你可以在 PR 裡留言、標記 @copilot，Agent 會根據反饋做調整。
- Agent 建立一個 草稿 pull request（draft PR），通常加上
- 環境與工具
解鎖 Copilot 更強的潛力：MCP（Model Context Protocol）
- 什麼是 MCP
MCP 是一個開放標準（open standard），用來讓應用程式提供額外的上下文給大型語言模型（LLMs），比如外部資料來源、截圖或 mockup 圖像等。這讓 agent 更懂你的環境與需求。 - 如何使用 MCP
- 管理員可以在 repo 設定中，用一個 JSON 檔案來配置 MCP server。
- 當啟用後，agent 可以存取那些被允許的主機（Hosts），下載依賴，取得必要的上下文，但它仍受限於防火牆規則（firewall），不能任意瀏覽 Internet。
- 舉例
如果你有設計 mockup 圖片、或是有外部服務的 API 文件，你可以把這些納入 MCP，agent 就能根據這些資料做出更貼近你需求的程式碼／測試。
如何在你的專案中開始使用 Coding Agent
以下是啟動與使用步驟（含 MCP 的拓展）：
- 指派任務
- 用 GitHub Issue 指派給 @github Copilot。
- 或在 Agents 面板或 CLI 上操作。
- Agent 開始之後流程
- Agent 建立草稿 PR → 寫 commit → 當完成就更新描述與標題 → tag 你來看。
- 你 review → 若有問題回饋 → Agent 根據回饋 iterate。
- 擴充能力：Model Context Protocol (MCP)
- MCP 是一個公開標準，讓應用程式把額外「上下文」傳給大型語言模型（LLM），讓 Agent 能更聰明。例如可加 mockups、截圖、外部資料源等。
- 管理員可以透過在 repository 設定中放 MCP 伺服器設定（JSON 檔案），讓 Agent 使用這些資源。
核心優勢與使用情境
- 減少重複性 / 瑣碎性的開發工作，讓你把時間放在更富創造性或更複雜的部分。
- 適合團隊想要提升流程效率／標準化／一致性。
- 在敏捷開發環境中，可以快速處理 bug、技術債、測試漏掉的部分。
- 也適合遠端團隊，用這樣的方式保持流程與審查透明。
