GitHub publica una guía sobre cómo personalizar Copilot para flujos de trabajo específicos de repositorios
GitHub publicó un tutorial sobre 2026-10-12, explicando cómo los desarrolladores pueden configurar el Copilot IA asistente para seguir convenciones específicas del proyecto y acceder a herramientas externas. La guía, escrita por el Senior Developer Advocate Christopher Harrison, describe métodos de personalización cuatro destinados a reducir explicaciones repetitivas de los estándares de la base de código.
Cuatro enfoques de personalización
Según la entrada del blog de GitHub, la empresa documentó instrucciones personalizadas del repositorio, habilidades de agentes, agentes personalizados y servidores Model Context Protocol (MCP) como formas de adaptar el comportamiento de Copilot. Las instrucciones personalizadas del repositorio utilizan un .github/copilot-instructions.md archivo para definir patrones de arquitectura, convenciones de nombres y expectativas de pruebas que se aplican a toda una base de código. Los archivos de instrucciones específicos de ruta pueden colocarse .github/instructions con un campo applyTo para limitar la orientación sobre tipos de archivo coincidentes.
Las habilidades del agente empaquetan procedimientos repetibles en .github/skills subcarpetas. El ejemplo de Harrison describe una habilidad de control de calidad que contiene un SKILL.md archivo que documenta qué scripts ejecutan pruebas y linting, qué valida cada script y cómo solucionar fallos comunes. La descripción ayuda a Copilot a determinar cuándo cargar la habilidad.
Los agentes personalizados están posicionados para tareas que abarcan varios archivos, como revisiones de accesibilidad. Los perfiles de agentes a nivel de repositorio permanecen en .github/agents y definen el propósito del agente, las instrucciones, las herramientas y el contexto del proyecto, según la publicación.
Integración de herramientas externas a través de servidores MCP
Los servidores MCP conectan Copilot a herramientas, fuentes de datos y servicios externos más allá del repositorio. Harrison citó a Playwright como ejemplo: tras la configuración, los desarrolladores pueden indicar a Copilot que use el servidor MCP de Playwright para probar la funcionalidad manualmente, permitiendo al asistente abrir la aplicación en un navegador e interactuar con la interfaz. La publicación indica que los servidores MCP disponibles pueden navegarse en la app Copilot o añadirse como servidores personalizados.
La documentación de GitHub, verificada a 2026-10-13, describe Copilot como un asistente de IA que ofrece sugerencias de código en línea, preguntas sobre la base de código, revisión de código y agentes que investigan repositorios y preparan cambios para revisión humana. El sistema preprocesa el código alrededor del cursor, lo combina con información contextual de las pestañas abiertas del editor y envía prompts a un gran modelo de lenguaje para generar propuestas de completado. GitHub aplica filtrado de contenido y puede bloquear o anotar sugerencias que coincidan con el código público, aunque el código generado puede ser incorrecto o inseguro y requerir revisión por parte del desarrollador.
Recursos comunitarios y directrices de implementación
El tutorial hace referencia a Awesome Copilot, un repositorio comunitario de instrucciones, habilidades y agentes listos para que los desarrolladores puedan adaptar a sus propios proyectos. Harrison recomendó empezar con una convención frecuentemente explicada, añadirla a .github/copilot-instructions.md, y observar cómo Copilot aplica la guía.
Entradas recientes de GitHub Changelog de 2026-10 documentan actualizaciones relacionadas, incluyendo la atribución de usuarios por telemetría del cliente el 12 de octubre y nuevas mejoras en controles y chat en Copilot para JetBrains el 10 de octubre. La disponibilidad de las funciones de Copilot depende del plan, del cliente y de las políticas organizativas.
Fuente: github.blog.