github.com上のCopilot Chat

本節ではgithub.com上のGitHub Copilot Chat（以降、Copilot Chat）のアクセス方法、主要機能、そしてMCPによる拡張について紹介します。

ブラウザから使えるCopilot

github.com上のCopilot Chatには、図1の3つの導線のいずれかからアクセスできます。いずれの導線からでも、ソフトウェア開発に関する一般的な質問から、リポジトリ固有のコードに関する具体的な質問まで幅広く対応します。

主な機能を表1にまとめます。VS Code上のCopilot Chatとの主な違いは、コード補完（inline suggestions）やファイルへの直接編集・適用機能がない点です。github.com版はチャットによる対話型AIアシスタントとして位置づけられています。

なお、Copilot Freeプランでもgithub.com上のCopilot Chatは利用可能です[1]。

リポジトリコンテキストの活用

github.com上のCopilot Chatの大きな特長は、リポジトリのコンテキストを活用した質問ができる点です。検索バーから「repo:OWNER/リポジトリ」の形式で質問すると、Copilotは指定リポジトリのコード、issue、pull request（以降、PR）などを参照しながら回答を生成します（図2）。

コンテキストの種類によって、さまざまな質問が可能です。

• リポジトリ：コード構成や実装方針に関する質問
• issue：バグの原因調査や対応方針の相談
• PR：変更内容の要約や影響範囲の確認
• コードファイル：特定ファイルの処理内容の解説

Copilotは質問内容に応じてAgent Skills（スキル機能。以降、Skills）を動的に選択し、GitHub APIを通じてリポジトリデータにアクセスします。Skillsにはコード検索やBing Web検索などがあり、「⁠Use the Bing skill to find...」のようにスキルを明示的に指定することも可能です。「⁠What skills are available?」と尋ねれば、利用可能なスキルの一覧を確認できます。

Copilotの拡張 ─ MCPとサードパーティエージェント

MCP（Model Context Protocol）は、AIモデルと外部データソースやツールとの接続を標準化するオープン標準です。特定のベンダーに依存しない仕様であり、Copilot以外のAIツールからも利用できます。Copilot cloud agent（後述）およびGitHub CLIではGitHub MCP Serverがデフォルトで構成済みです。github.com上のCopilot ChatではSkills機能が動的に選択され、GitHubデータの取得を通じてリポジトリ操作を支援します（図3）。

GitHub MCP Registry[2]では、パートナーやコミュニティが公開したMCPサーバーの一覧を確認できます（public preview⁠）⁠。IDEにMCPサーバーを追加することで、Copilotの機能を外部ツールやデータソースへ拡張できます。

Copilot FreeプランおよびStudentプランを除く有料プランの場合、コーディングエージェント（Anthropic Claude、OpenAI Codex等）をサードパーティエージェントとして利用できます[3]（public preview⁠）⁠。利用にはGitHub Actions minutesとプレミアムリクエスト（コラム「プレミアムリクエストとは何か」参照）を消費します。

さらに、Copilot BusinessプランおよびEnterpriseプランでは、組織やエンタープライズの管理者がMCPの有効・無効をポリシーとして制御できます。必要なToolset（機能グループ）のみを有効化することで、セキュリティとパフォーマンスの両立が可能です（表2）。

Copilot code review

前節ではgithub.com上のCopilot Chatを紹介しました。本節では、PRに対してAIがコードレビューを行う「GitHub Copilot code review（以降、Copilot code review⁠）⁠」を取り上げます[4]。人間のレビューワークフローにCopilotを組み込む方法を、基本操作から応用設定まで段階的に解説します。

Copilot code reviewの概要と利用方法

Copilot code reviewは、PRの変更内容を複数の観点から分析し、問題の指摘と修正コードの提案を行う機能です。あらゆるプログラミング言語に対応しており、専用にチューニングされたモデルを使用します[5]。利用手順は次の3ステップです。

1. PRを作成、または既存のPRに移動する
2. Reviewersメニューを開き、［⁠Copilot］を選択する（図4）
   

   

3. 通常30秒未満でレビューが完了し、コメントが投稿される（図5）
   

   

Copilotのレビューは常に「Comment」として投稿され、「⁠Approve」や「Request changes」として行われることはありません。そのため、PRの必須承認数にはカウントされず、マージをブロックしない特性を持っています。投稿されたコメントは、人間のレビューと同様にリアクション・返信・解決・非表示が可能です。なお、コードの変更をプッシュしても自動で再レビューは実行されないため、再確認が必要な場合はReviewersメニューの再リクエストボタンから手動で要求を行う必要があります。

自動レビューの設定

デフォルトでは、CopilotをReviewerに手動で指定する必要があります。しかし自動レビューを設定すれば、PR作成時にCopilotが自動的にレビューを開始します。設定は3つのレベルで行えます（表3）。

リポジトリや組織レベルの設定では、Branch Rulesetに「Automatically request Copilot code review」ルールを追加します。さらに次のオプションで自動レビューの範囲を拡張できます。

• Review new pushes：新しいコミットがプッシュされるたびに再レビューを実行する
• Review draft pull requests：Draft状態のPRでもレビューを実行する（人間のレビュー前にエラーを早期発見できる）

カスタム指示によるレビューの最適化

Copilot code reviewは、リポジトリに配置したカスタム指示ファイルを読み取り、レビュー観点をカスタマイズできます。指示は3つの範囲で設定可能です。

• リポジトリ全体：.github/copilot-instructions.mdに自然言語[6]で記述する（リスト1）
• パス指定：.github/instructions/**/*.instructions.mdにファイルパス条件付きの指示を記述する
• 組織全体：組織設定でカスタム指示を定義する（Business、Enterprise）

コードレビュー時は可読性を重視し、ネストした三項演算子を避けてください。
コードレビュー時に /security/security-checklist.md のチェック項目を適用してください。

PRをレビューする際、CopilotはPRのベースブランチにある指示ファイルを使用します。たとえばmy-feature-branchをmainにマージするPRでは、mainブランチのカスタム指示が適用されます。フィーチャーブランチ上で指示を変更しても、そのPRのレビューには反映されない点に注意してください。

エージェンティック機能 ─ 提案の自動実装

Copilot code reviewには、レビュー精度と利便性を高めるエージェンティック機能が搭載されています。

フルプロジェクトコンテキスト収集は、リポジトリ全体を分析してコード変更のコンテキストを理解する機能です。変更差分だけでなくプロジェクト全体の構造をふまえた、より的確なレビューコメントが得られます。

「Fix with Copilot」機能（public preview）[7]を使うと、レビューコメントの修正提案をGitHub Copilot cloud agent（以降、Copilot cloud agent）に委任できます。Copilotのレビューコメントに表示される［Fix with Copilot］ボタンをクリックすると、Copilot cloud agentが指摘内容に基づいてコードを修正し、元のブランチに対する新しいPRを自動作成します。フローは次のとおりです（図6）。

1. Copilotのレビューコメントで［Fix with Copilot］をクリックする
2. PRにDraftコメントが作成され、Copilotへの指示を入力できる
3. CopilotがCopilot cloud agentとして修正を実施し、元のブランチに対する新PRを自動作成する

この機能により、レビュー指摘の反映を手作業で行う必要がなくなります。次に紹介するCopilot cloud agentの入口としても機能しており、コードレビューから自律的なコード修正へとシームレスにつながる設計です。

エージェンティック機能の実行にはGitHub Actionsランナーが使用されます[8]。また、Copilot code reviewの実行ごとにCopilot プレミアムリクエストのクォータを1件消費します。プランごとの月間クォータや、クォータ到達後の挙動については、コラム「プレミアムリクエストとは何か」を参照してください。

Copilot cloud agent

前節のCopilot code reviewでは 「⁠Fix with Copilot」でCopilot cloud agentにレビュー提案の実装を委任できることを紹介しました。本節ではこのCopilot cloud agent自体の概要と、issueを起点としたPR自動生成のフローを解説します。

なお、Copilot cloud agentを導入する際には、表4の制限事項を把握しておく必要があります。

Copilot cloud agentの概要とagent modeとの違い

Copilot cloud agent（旧称：GitHub Copilot coding agent）は、開発タスクを自律的にバックグラウンドで完了するCopilotの機能です。GitHub Actionsを基盤とした一時的な開発環境で動作し、リポジトリの調査から実装計画の作成、コード変更、Draft PRの作成までを自動で実行します。

対応するタスクは幅広く、バグ修正、新機能の実装、テストカバレッジの向上、ドキュメント更新、技術的負債の解消、マージコンフリクトの解決などに活用できます。Copilot Freeプランを除く有料プラン（Student、Pro、Pro+、Business、Enterprise）で利用可能です。

第2章で紹介したagent modeと名前は似ていますが、動作のしくみは大きく異なります。表5にその違いをまとめます。

agent modeが開発者のそばでペアプログラミングのように動作するのに対し、Copilot cloud agentはタスクを委任して結果をPRとして受け取る非同期型のワークフローです。全ステップがコミットとログで記録されるため、チーム全体での可視性にも優れています。

issueからPR自動生成までのフロー

issueにCopilotをアサインする

Copilot cloud agentの最も代表的な利用方法は、GitHub issueにCopilotをアサインすることです。github.comでの手順は次のとおりです。

1. リポジトリのIssuesページで対象issueを開く
2. 右サイドバーの［Assignees］をクリックする
3. 一覧から［Copilot］を選択する
4. 「Assign agent to issue」ダイアログが開くので、オプションを確認・指定し、［⁠Assign］をクリックする

ダイアログでは、ターゲットリポジトリ、ベースブランチ、カスタムエージェント、追加の指示、使用モデルなどを指定できます（図7）。

アサイン後、Copilotはissueのタイトル・本文・既存コメント・追加指示を読み取り、リポジトリを調査して実装計画を作成します。その後ブランチ上でコードを変更し、テストやLintを実行したうえでDraft PRを作成します。完了するとレビュアーとしてユーザーを追加し、通知が届きます（図8、図9⁠）⁠。

Deep Research⁠・計画⁠・反復

github.comのAgentsパネルやAgentsタブからCopilot cloud agentを利用する場合、PR作成前にDeep Research（リポジトリの深い調査⁠）⁠→計画作成→コード変更という反復的なステップを踏むことができます。Diff画面で変更内容を確認し、追加指示で何度でもやり直しを指示できます（図10）。満足したら［Create pull request］をクリックすることで、初めてPRが作成されます[9]。

issueアサイン後にissueへ追加したコメントはCopilotからは見えません。追加の情報や要件変更は、Copilotが作成したPRのコメントで伝える必要があります。

なお、Copilot cloud agentのエントリーポイントはissueだけではありません。Agentsパネル、GitHub CLI、IDE連携、GitHub MCP Server等、多彩な方法が用意されています。

開発環境のカスタマイズ

Copilot cloud agentはGitHub Actions環境で動作するため、プロジェクト固有のツールや依存関係を事前にセットアップしておくことで、作業の精度と速度が向上します。主なカスタマイズ手段を紹介します。

copilot-setup-steps.yml

.github/workflows/copilot-setup-steps.ymlをリポジトリのデフォルトブランチに配置すると、Copilot cloud agentの作業開始前に依存関係のインストール等を自動実行できます。GitHub Actionsと同じ構文で、ジョブ名はcopilot-setup-steps固定です（リスト2）。

name: "Copilot Setup Steps"
on:
　　workflow_dispatch:
　　push:
　　　　paths:
　　　　　　- .github/workflows/copilot-setup-steps.yml

jobs:
　　# ジョブ名はcopilot-setup-steps固定
　　copilot-setup-steps:
　　　　runs-on: ubuntu-latest
　　　　permissions:
　　　　　　contents: read
　　　　steps:
　　　　　　- uses: actions/checkout@v5
　　　　　　- uses: actions/setup-node@v4
　　　　　　　with:
　　　　　　　　　node-version: "20"
　　　　　　　　　cache: "npm"
　　　　　　- run: npm ci  # 依存関係を事前インストール

Copilot自身でも依存関係を発見・インストールできますが、LLMの非決定的な性質上、試行錯誤が発生しがちです。確実に環境を整えるにはこのファイルの活用が推奨されます。

MCP設定

Copilot cloud agentにはGitHub MCP ServerとPlaywright MCP Serverがデフォルトで構成されており、リポジトリの設定でサードパーティMCPサーバーを追加して機能を拡張できます。

カスタムエージェントとhooks

.github/agents/ディレクトリにMarkdownファイルを配置すると、特定タスクに特化したカスタムエージェントを定義できます。YAMLフロントマターで名前と説明を指定し、本文にプロンプト（行動指示）を記述します。たとえばフロントエンド専門、テスト専門、ドキュメント専門といった役割ごとに異なるエージェントを用意できます。

また.github/hooks/にJSONファイルを配置して、エージェント実行の各フェーズでカスタムコマンドを実行できます[10]。このほかCopilot Memory（public preview）を有効にすると、リポジトリの学習情報を蓄積して作業精度を向上できます[11]。

まとめ

本章では、github.com上で利用できるCopilotの3つの主要機能を紹介しました。

Copilot Chatは、ブラウザからアクセスできる対話型AIアシスタントです。リポジトリのコンテキストを活用した質問や、MCPによる外部ツール連携により、コードの調査・理解を効率化できます。

Copilot code reviewは、PRに対するAI自動コードレビュー機能です。Reviewerに指定するだけで問題の指摘と修正コードの提案が得られ、カスタム指示によるレビュー観点の調整や、「⁠Fix with Copilot」による修正の自動実装まで対応します。

Copilot cloud agentは、issueを起点にリポジトリの調査から実装・PR作成までを自律的に実行する機能です。GitHub Actions環境でバックグラウンド動作し、全ステップがコミットとログで可視化されます。

いずれの機能も、IDEをインストールすることなくWebブラウザだけで利用できる点が共通しています。第2章で紹介したエディター上のCopilotと組み合わせることで、コーディングからレビュー、タスク委任まで、開発ワークフロー全体をCopilotでカバーできます。

次の第4章では、ターミナルで活用するCopilot CLIと、Copilotの動作をカスタマイズするAgent Skillsを取り上げます。ローカル環境でのCopilot活用をさらに深めていきましょう。