让命令行成为你的 AI 战友，而不仅仅是工具箱。
背景：从 AI 补全到 AI 助手
自 2024 年底 GitHub 推出 Copilot Chat、CLI、Workspace 三件套以来，Copilot 已经从“智能补全”演进为“AI Pair Programmer”（AI 编程助手）。2025 年 10 月，GitHub 官方宣布 Copilot CLI（命令行版 Copilot）支持自定义 Agent 与任务委托。这一更新让开发者能够在终端中构建属于自己的 AI 助手，让 Copilot 不仅能补全代码，还能自动执行复杂任务、创建分支、发起 PR，甚至帮你重构整个模块。
本文将介绍 Copilot CLI 的核心能力，并结合实际场景，帮助你快速上手自定义 Agent。
功能概览
Copilot CLI 的自定义 Agent 功能主要包括以下几个方面。每项能力都极大提升了命令行 AI 助手的实用性和灵活性。
自定义 Agent
自定义 Agent 让 Copilot 理解你的上下文与工作流，成为真正懂你的命令行助手。你可以在不同层级定义 Agent：
- 项目级：
.github/agents/ - 组织级：
{org}/.github/agents/ - 全局配置：
~/.copilot/agents/
下面是一个典型的 Agent 配置示例，适用于 Kubernetes 场景。此配置文件定义了 Agent 的基本信息、可用工具和工作流说明，便于在实际开发中快速复用。
---
name: Kubernetes Assistant
description: "Cloud-native specialist that helps manage and generate Kubernetes YAML manifests."
tools:
- read
- search
- edit
- shell
prompts:
- "You are a cloud-native architect who helps users manage Kubernetes clusters and YAML manifests."
---
### 🧭 Kubernetes Agent Instructions
You are a Kubernetes specialist assisting developers and platform engineers.
#### 🎯 Goals
- Generate, explain, and optimize Kubernetes YAML configurations.
- Diagnose `kubectl` outputs and suggest fixes.
- Automate Helm values and chart templating.
#### ⚙️ Workflow
1. Use `kubectl` and `helm` to validate and apply configurations.
2. Parse YAMLs using `yq`.
3. Recommend improvements for manifests (resource requests, labels, probes, etc.).
将该文件保存到 .github/agents/ 目录下，并命名为 k8s.agent.md，然后在 copilot 交互式命令中通过如下命令调用自定义 Agent：
/agent k8s
此时，你的终端就拥有了一个“Kubernetes 智能体”，如下图所示，可以帮你生成、优化、解释 YAML，甚至直接运行相关命令。
在下图中展示了实际在 Copilot CLI 中使用 Kubernetes 智能体的效果：
你可以通过 /agent 命令来调用不同的 Agent，或者通过 /delegate 命令来委托任务。
当我询问 Copilot CLI 如何创建一个 Kubernetes 智能体或 YAML 配置中有什么问题时，它可以提供详细的解释和优化建议。下图展示了与 Kubernetes 智能体交互的实际场景：
注：更多 Agent 配置请参考 awesome-copilot 。
委托任务（/delegate）
委托任务功能让 Copilot CLI 能够自动化处理代码修改和协作流程。下面的命令展示了如何通过 /delegate 实现自动化重构：
/delegate "Refactor the logging module for performance"
执行上述命令后，CLI 会自动完成以下步骤：
- 提交未暂存改动到新分支；
- 启动 Copilot Coding Agent；
- 在后台自动修改代码；
- 创建 Draft Pull Request；
- 返回链接供你审阅。
这种方式极大简化了“写代码 + 发起 PR”的流程，非常适合团队协作、自动修复与异步开发。
性能优化
新版 Copilot CLI 在性能上也有显著提升：
- 输出支持 token-by-token 流式显示，响应更及时；
- 并行调用工具，提高整体处理速度；
- 内存占用更低，修复了闪屏等体验问题；
- 与 GitHub MCP Server 的集成更加顺畅。
应用场景
自定义 Agent 能够覆盖多种开发与协作场景。下表总结了典型应用及其说明，帮助你根据实际需求选择合适的 Agent 类型。
| 场景 | 说明 |
|---|---|
| 云原生工程师 | 定义“k8s-agent”，直接在命令行生成 YAML、执行 kubectl 检查。 |
| DevOps 团队 | 创建“pipeline-agent”，帮你生成 CI/CD 流程、Lint 脚本。 |
| 技术布道者 / DevRel | 为示例仓库定义“demo-agent”，自动生成样例与文档。 |
| 独立开发者 / 一人公司 | 定义“release-agent”，帮你自动打包、发布、创建版本说明。 |
结合 MCP（Model Context Protocol）
GitHub Copilot CLI 内置了对 MCP（Model Context Protocol）的支持。MCP 让 Agent 能够直接访问本地文件或外部数据源，实现上下文注入与状态持久化。这为构建“AI-native CLI 工具链”提供了基础能力。
通过 MCP，Agent 可以：
- 访问和处理本地或远程数据；
- 保持任务上下文的连续性；
- 支持更复杂的自动化和集成场景。
在下方的流程图中，展示了 Copilot CLI 调用工具（tool）的整体流程，有助于理解其自动化决策机制。
总结
GitHub Copilot CLI 的 Agent 功能标志着“AI 在命令行的原生化”。它不仅是补全命令的工具，更是可以执行复杂逻辑的 AI 工作流引擎。随着 MCP 生态逐步完善，未来的 CLI 可能不再是命令集合，而是 AI 助手的集合。