-
Добавлено пользователем arturbaranok - 02.11.2026 - 15:29
GitHub расширяет возможности Copilot, превращая его из помощника для написания кода в полноценную платформу управления разработкой с использованием нескольких ИИ-агентов. Компания представила переработанное приложение Copilot и новую функцию Projects, которая позволяет распределять задачи между агентами, передавать им контекст из различных источников и координировать работу сразу с несколькими репозиториями.
Обновления анонсировали на ежегодной конференции GitHub Universe 30 октября 2026 года. Нововведения ориентированы прежде всего на корпоративных пользователей, которые внедряют агентный искусственный интеллект в процессы разработки, тестирования и обслуживания программного обеспечения.
Ранее приложение Copilot было сосредоточено преимущественно на работе с отдельными сессиями агентов, изменении кода, просмотре различий и создании Pull Request. Теперь GitHub предлагает более широкую среду, в которой можно управлять практически всем процессом разработки.
Новое приложение Copilot объединяет инструменты разработки
Переработанное приложение GitHub Copilot становится центральным рабочим пространством для управления разработкой с помощью ИИ. Оно связывает агентов с инструментами разработчиков, репозиториями и информацией о проектах, позволяя передавать им не только отдельные инструкции по написанию кода, но и более широкий контекст поставленных задач.
Помимо непосредственной работы с программным кодом, разработчики смогут использовать приложение для:
- подготовки технических спецификаций;
- обсуждения архитектуры и проектных решений;
- анализа телеметрии приложений;
- взаимодействия с внешними инструментами и информацией о проектах.
Такой подход позволяет агентам лучше понимать цели разработки и учитывать взаимосвязанные требования, а не выполнять изолированные команды.
Copilot Projects распределяет задачи между несколькими агентами
Главным нововведением стала функция Copilot Projects, расширяющая возможности делегирования задач искусственному интеллекту.
Разработчик может сформулировать общую цель, которая охватывает сразу несколько репозиториев, а затем предоставить агентам необходимую информацию из разных источников. В качестве контекста можно использовать:
- исходный код и данные репозиториев;
- макеты интерфейсов и дизайн-материалы;
- обсуждения в Slack;
- заметки с рабочих встреч.
После этого Copilot распределяет работу между несколькими ИИ-агентами, которые выполняют задачи параллельно. Система позволяет отслеживать их прогресс и получать результаты, в том числе Pull Request, которые разработчики могут проверить перед внесением изменений.
Таким образом, вместо последовательной передачи небольших поручений пользователь сможет делегировать ИИ более масштабные задачи, охватывающие разные части программного продукта.
Разработчики смогут сосредоточиться на постановке задач и проверке результатов
Обновлённое приложение может повысить производительность за счёт сокращения переключений между средами разработки, инструментами управления проектами и другими сервисами.
Вместо самостоятельного выполнения каждой операции разработчики смогут поручать более крупные задачи облачным агентам. Те будут работать независимо и отправлять предложенные изменения в виде Pull Request для последующей проверки.
Это постепенно меняет роль программиста: вместо постоянного непосредственного написания и редактирования кода больше времени может уходить на формулирование задач, подготовку контекста для ИИ и оценку полученных результатов.
Для руководителей IT-подразделений единая среда также открывает возможности стандартизации использования ИИ, контроля активности агентов и внедрения общих политик безопасности.
Однако расширение самостоятельности ИИ требует усиления контроля:
- ограничивать доступ агентов конкретными репозиториями;
- использовать защиту веток разработки;
- требовать подтверждения человека перед слиянием изменений, созданных ИИ;
- отслеживать действия агентов через журналы аудита;
- интегрировать эти данные с системами управления информационной безопасностью (SIEM).
Без достаточной прозрачности действий агентов компаниям будет сложнее контролировать изменения в коде и определять ответственность за них по мере масштабирования автоматизированной разработки.
Параллельная работа агентов может создать новые проблемы
Несмотря на потенциальный рост производительности, одновременная работа нескольких ИИ-агентов несёт дополнительные риски. В частности, речь идёт о координации изменений, тестировании и увеличении расходов на использование моделей.
Copilot Projects может оказаться особенно полезным при модернизации крупных программных систем. Например, агенты способны параллельно выполнять обновление зависимостей, заменять устаревшие API и SDK, а также переносить проекты на новые версии Java или .NET.
Однако чем больше агентов одновременно работают над связанными репозиториями, тем выше вероятность конфликтов.
Проверка кода может стать новым узким местом
Ещё одна проблема связана с проверкой результатов. Если десять агентов одновременно создадут десять Pull Request, разработчикам потребуется проверить, протестировать и интегрировать каждое изменение.
Это может увеличить количество конфликтов при слиянии, нагрузку на конвейеры непрерывной интеграции (CI) и время, необходимое для проверки кода.
Дополнительные расходы также станут важным фактором. Нечётко сформулированные задачи могут приводить к повторным запускам агентов, переделкам и увеличению потребления ИИ-кредитов.
Поэтому компаниям рекомендуют устанавливать лимиты расходов для отдельных проектов и назначать ответственных сотрудников, которые смогут отслеживать прогресс и при необходимости останавливать работу агентов.
GitHub представила многоагентную проверку кода
Помимо обновления приложения и запуска Projects, GitHub расширяет возможности проверки Pull Request. Компания добавляет новый уровень Max, использующий несколько ИИ-агентов для поиска дефектов и проблем безопасности в изменениях кода.
В отличие от традиционных инструментов, которые полагаются на одну модель, Max запускает несколько независимых агентов с моделями от разных поставщиков.
Затем отдельный агент объединяет результаты проверок, сопоставляет обнаруженные проблемы, разрешает разногласия между моделями и оценивает достоверность выводов. После этого разработчик получает сводный отчёт.
Использование нескольких моделей может повысить вероятность обнаружения ошибок, которые остались бы незамеченными при проверке одним ИИ. Особенно это актуально для логики аутентификации, общих библиотек и компонентов, связанных с безопасностью.
Однако такой подход не гарантирует обнаружения всех дефектов и уязвимостей. Аналитики подчёркивают, что разработчикам по-прежнему необходимо проверять критически важные замечания, запускать автоматические тесты и сохранять обязательное участие человека при работе с изменениями высокого риска.
Сколько стоят проверки Copilot
GitHub также раскрыла ориентировочное потребление ИИ-кредитов для разных уровней проверки кода.
| Уровень проверки | Средний расход |
|---|---|
| Lite | $0,25 |
| Balanced | $1,50 |
| Max | $10 |
Таким образом, наиболее глубокая проверка с использованием нескольких агентов обходится примерно в 40 раз дороже базового варианта Lite. Поэтому компаниям придётся определять, какие изменения действительно требуют расширенного анализа.
GitHub меняет модель оплаты Copilot для бизнеса
Ещё одно изменение касается корпоративных подписок. GitHub планирует включить Copilot в состав подписок GitHub Enterprise и перейти на модель потребления, основанную на ИИ-кредитах.
Это позволит компаниям расширять доступ к Copilot для больших команд разработчиков без необходимости отдельно приобретать подписку для каждого сотрудника. Вместо фиксированной оплаты за отдельные лицензии расходы будут зависеть от фактического использования ИИ.
Такой подход может упростить масштабирование платформы внутри организаций, но одновременно потребует более внимательного контроля потребления кредитов, особенно при запуске нескольких агентов и использовании расширенных проверок кода.
GitHub делает ставку на мультиагентную разработку
Обновления Copilot отражают переход от использования ИИ в качестве вспомогательного инструмента к модели, в которой несколько автономных агентов выполняют взаимосвязанные задачи на разных этапах разработки.
Новый подход может ускорить модернизацию крупных приложений, автоматизировать повторяющиеся операции и сократить время на переключение между инструментами. Однако параллельная работа агентов увеличивает требования к координации, тестированию, безопасности и контролю расходов.
В результате роль разработчика постепенно смещается от непосредственного написания каждой строки кода к управлению процессом: постановке задач, подготовке контекста, проверке изменений и принятию окончательных решений. Именно от того, насколько эффективно компании смогут организовать этот контроль, будет зависеть практическая польза мультиагентной разработки.