GitHub Copilot 如何在 github.com 透過瀏覽器完成程式碼調查、PR 審查與自主實作
github.comでCopilotを使いこなす ~コードの調査、AIレビュー、自律実装をWebブラウザで完結
GitHub Copilot 可在 github.com 透過瀏覽器協助調查程式碼、審查 PR,並委派開發任務予 Copilot cloud agent,自動修改程式碼及建立 Draft PR。
『Software Design 2026年6月号』の第1特集「 GitHub Copilot完全入門 」から第3章「github.comでCopilotを使いこなす」を公開します。本特集のほかの章では、VS CodeやCLIからGitHub Copilotと使う方法や、組織でGitHub Copilotを導入するノウハウについて解説しています。ぜひ本誌にてご確認ください。
また、本記事で説明されているCopilotの課金体系には変更が入っています。最新の情報を、
追録記事で説明していますので、併せてご確認ください。
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。
- PRを作成、または既存のPRに移動する
- Reviewersメニューを開き、[Copilot]を選択する(図4)
- 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)。
- Copilotのレビューコメントで[Fix with Copilot]をクリックする
- PRにDraftコメントが作成され、Copilotへの指示を入力できる
- 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。
- リポジトリのIssuesページで対象issueを開く
- 右サイドバーの[Assignees]をクリックする
- 一覧から[Copilot]を選択する
- 「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。
來源:gihyo.jp · gihyo.jp