Integrando a IA com agente ao ciclo de vida de desenvolvimento de software de sua empresa

Sobre agentes de IA em GitHub

Os desenvolvedores em sua empresa podem estar acostumados a usar a IA como uma ferramenta de programação em par. Nesse modelo, os desenvolvedores trabalham com assistentes de IA de forma síncrona e recebem sugestões de código durante a fase de desenvolvimento de um project.

Agentes de IA são mais semelhantes a programadores pares. Os agentes podem:

• Realizar tarefas assíncronas, como executar testes ou corrigir problemas em sua lista de pendências, com menos necessidade de intervenção humana.
• Contribuir para fluxos de trabalho além da fase de desenvolvimento, como ideação ou otimização após uma versão.

Colaborar com os agentes pode dar aos seus funcionários mais tempo para se dedicar a outras prioridades, como planejamento de alto nível, e trazer os benefícios da IA para funções que não são de desenvolvimento, dando mais poder aos prompts de linguagem natural.

GitHub Copilot apresenta recursos de IA com características de agência que são integrados à plataforma coesa do GitHub, proporcionando uma experiência de usuário mais eficiente e controles de licenciamento e governança mais fáceis de usar, comparado à adoção de várias ferramentas de terceiros.

Cenário de exemplo

Você é gerente de engenharia na Mona's, uma boutique de guarda-chuvas. Sua equipe foi encarregada de adicionar um widget alimentado por IA à loja online da empresa. O widget ajudará os clientes a escolher o guarda-chuva certo fazendo recomendações personalizadas com base em fatores como a localização do usuário e tendências climáticas locais.

Para cumprir um prazo apertado, você pretende acelerar cada fase do processo, tanto para os desenvolvedores quanto para os outros profissionais de sua equipe. Você também quer garantir que a equipe não seja sobrecarregada com tarefas de manutenção após o novo recurso ser implantado.

1. Planejar com Chat Copilot

1. Para começar a planejar, um gerente de produto trabalha com Chat Copilot em https://github.com/copilot.

   Ele faz perguntas de alto nível ao Copilot para ter uma noção do trabalho de desenvolvimento necessário para o novo recurso. Para dar ao Copilot acesso ao contexto importante sobre o projeto, ele carrega arquivos de simulação e os vincula ao repositório em que a base de código está armazenada.

2. Quando o PM trabalha com o Copilot para ter uma visão geral das tarefas necessárias, ele pede ao Copilot para criar issues para cada parte do trabalho.

   Copilot elabora os tópicos em https://github.com/copilot, onde o PM pode refiná-los e publicá-los no repositório.

   O PM marca alguns dos issues como opcionais ou de manutenção. Eles podem ser bons candidatos para o agente de codificação Copilot.

   

3. Para ajudar o desenvolvedor a começar rapidamente, o PM cria um espaço com Espaços Copilot em https://github.com/copilot/spaces. O PM coleta recursos como diagramas e referências a arquivos de código, envia algumas perguntas de teste e compartilha o espaço com a organização.

   Então, o desenvolvedor pode fazer perguntas no espaço, e o Copilot já terá todo o contexto que o PM adicionou.

2. Criar protótipos com o GitHub Spark

1. Para prototipar o recurso, o gestor de produto abre GitHub Spark (https://github.com/spark) e solicita que ele crie o widget. Eles podem escrever um prompt, colar a documentação da última fase ou carregar uma captura de tela. O Spark gera um aplicativo funcional com um LLM já integrado para gerar recomendações — sem necessidade de IDE ou codificação.
2. Para refinar o protótipo, o PM pode ativar Spark novamente, usar o editor visual ou editar o código diretamente. Na guia "Prompts", eles podem ajustar o texto que alimenta as recomendações sem editar código. Cada alteração atualiza instantaneamente a visualização ao vivo, para que o PM possa ver como as edições afetam o aplicativo.
3. Para colaborar, o PM publica o spark e atualiza a visibilidade para que a sua organização possa acessá-lo. Eles também podem criar um repositório e convidar colaboradores. As alterações de código feitas no repositório são sincronizadas com o Spark, permitindo que o PM e os designers vejam as atualizações do widget em tempo real.

3. Criar com o GitHub Models e o modo de agente

1. O PM compartilha o espaço do Copilot e o protótipo e o repositório do GitHub Spark com o desenvolvedor e pede que ele encontre o melhor modelo de IA para fornecer as recomendações de guarda-chuva personalizadas, com base no custo e na eficácia dos modelos.

2. O desenvolvedor solicita que o Chat Copilot recomende vários modelos de IA para o trabalho, bem como os prós e contras de cada um. Para fornecer um contexto útil, ele pede ao Copilot que considere as informações no artigo Comparação de modelos de IA GitHub Docs.

3. Para escolher um modelo da lista reduzida, o desenvolvedor usa o playground do GitHub Models para comparar os resultados do mesmo prompt entre diferentes modelos. Em seguida, eles também podem atualizar o protótipo GitHub Spark para usar o modelo específico selecionado para ver como ele afeta toda a experiência do widget no protótipo (todos os modelos compatíveis com GitHub Models têm suporte em Spark). Ele economiza tempo testando os modelos em uma só plataforma, em vez de precisar configurar uma chave de API para cada modelo separadamente.

   

4. Com o modelo decidido, o desenvolvedor abre o código no VS Code.

5. O desenvolvedor começa a escrever código para o novo widget. Para acelerar o trabalho, eles usam o Chat Copilot no modo "Ask" e "Edit" para perguntas de sintaxe e sugestões de alto nível.

   Dica

   O desenvolvedor trabalha com a IA da maneira que funciona melhor para ele, mas sua organização tem controle sobre a experiência. Por exemplo, você pode: * Controlar os modelos que o desenvolvedor pode usar para o trabalho de desenvolvimento, de modo a atender aos requisitos de conformidade e gerenciar custos. * Remover determinados arquivos do alcance do Chat Copilot. * Salvar prompts eficazes que foram testados com o GitHub Models, para que outros usuários possam se beneficiar.

6. Quando o desenvolvedor escreve código, eles alternam para o modo de agente para pedir ao Copilot que refatore o código em várias funções diferentes para tornar o código mais legível.

   No modo de agente, o Copilot funciona de forma mais autônoma e é capaz de atualizar vários arquivos e, com a autorização do desenvolvedor, executar comandos para ações como instalar dependências ou executar testes.

   

   Dica

   Você pode criar uma experiência mais consistente adicionando um arquivo de instruções personalizadas ao repositório. Por exemplo, o arquivo pode ajudar a garantir que o modo de agente use convenções de nomenclatura estabelecidas e execute os comandos corretos para criar, testar e fazer lint do código de acordo com os padrões da organização.

7. O desenvolvedor revisa o diff do trabalho do agente e escolhe qual código manter.

4. Testar com um servidor MCP

1. Quando o código é concluído, o desenvolvedor deseja executar testes na compilação local do site usando o Playwright, um serviço de teste no navegador automatizado.

   • Um administrador do repositório adicionou o servidor MCP (Model Context Protocol) para o Playwright, que fornece ao agente do Copilot uma interface predefinida para integração com o Playwright.
   • O desenvolvedor solicita que o Copilot estruture cenários de teste em um arquivo .feature e pede ao Copilot para executar os testes no navegador.
   • No modo de agente, o Copilot solicita ao desenvolvedor que autorize suas ações enquanto abre o navegador e clica em elementos diferentes na interface do usuário. Conforme o desenvolvedor observa os testes no navegador, o Copilot identifica um teste com falha e sugere uma correção no código.

2. Quando fica satisfeito com os testes, o desenvolvedor solicita ao modo de agente que abra uma pull request para o trabalho no GitHub.

   Dica

   • Com o servidor MCP do GitHub habilitado, o Copilot pode executar o comando para abrir uma pull request diretamente no VS Code, com o título e a descrição já preenchidos.
   • As interações com o servidor GitHub MCP são protegidas por push protection, que impede que segredos sejam incluídos em respostas geradas por IA e impede que você exponha segredos por meio de todas as ações executadas usando o servidor (somente repositórios públicos). Confira Sobre a proteção por push.

5. Revisar com Revisão de código com Copilot e Agentes personalizados do Copilot

1. Um proprietário do repositório configurou revisões de código automáticas pelo Copilot no repositório. O Copilot fornece uma revisão inicial na pull request, identificando bugs e possíveis problemas de desempenho que o desenvolvedor pode corrigir antes que um revisor humano chegue à pull request.
2. Como uma verificação de conformidade adicional, um proprietário da empresa criou um Copilot agente personalizado com contexto chave sobre regulamentos do setor e políticas internas. O desenvolvedor seleciona o agente personalizado em https://github.com/copilot/agents, solicitando Copilot para examinar cuidadosamente a solicitação de pull para conformidade e aplicar todas as alterações necessárias antes de solicitar uma revisão humana.
3. O colega do desenvolvedor revisa e aprova a pull request. O trabalho está pronto para ser mesclado.

6. Otimizar com o agente de codificação Copilot

1. Após a versão, o gerente de produto recebe comentários dos clientes e identifica uma oportunidade de melhorar as sugestões do widget mudando para uma API mais confiável de dados meteorológicos. Ele cria um issue para implementar essa alteração e o atribui ao Copilot diretamente ao GitHub.

2. O agente de codificação Copilot funciona em segundo plano e abre uma pull request, que o gerente de produto marca como pronta para revisão.

   

3. Um desenvolvedor revisa a pull request do Copilot e deixa comentários, que o Copilot incorpora. Por fim, o desenvolvedor mescla a pull request.

   Dica

   O agente de codificação Copilot vem com proteções padrão. Por exemplo, o Copilot não pode mesclar pull requests por conta própria. Você pode definir proteções adicionais para branches de destino usando conjuntos de regras do repositório.

4. Posteriormente, ao trabalhar em um recurso separado, o desenvolvedor observa um pequeno bug no código do widget de IA. Para evitar a alternância de contexto, o desenvolvedor instrui o Copilot a abrir uma pull request diretamente a partir do VS Code.

   @github Create a PR for the widget function to correctly validate that the user's age is a positive integer.

5. O Copilot trabalha em segundo plano e abre uma pull request no GitHub, pronta para revisão por outro desenvolvedor.

7. Proteger com o Autofixo do Copilot

1. Um administrador habilitou a code scanning no repositório, e um alerta do code scanning sugere uma vulnerabilidade potencial no código.

2. Um gerente de segurança solicita que o Autofixo do Copilot sugira automaticamente uma correção para a vulnerabilidade, que um desenvolvedor analisa e aprova.

   

Introdução à IA com agente

          <a href="https://github.com/github-copilot/purchase?ref_product=copilot&ref_type=trial&ref_style=button&ref_plan=enterprise" target="_blank" class="btn btn-primary mt-3 mr-3 no-underline">              <span>Inscreva-se para Copilot</span> <svg version="1.1" width="16" height="16" viewBox="0 0 16 16" class="octicon octicon-link-external" aria-label="link external icon" role="img"><path d="M3.75 2h3.5a.75.75 0 0 1 0 1.5h-3.5a.25.25 0 0 0-.25.25v8.5c0 .138.112.25.25.25h8.5a.25.25 0 0 0 .25-.25v-3.5a.75.75 0 0 1 1.5 0v3.5A1.75 1.75 0 0 1 12.25 14h-8.5A1.75 1.75 0 0 1 2 12.25v-8.5C2 2.784 2.784 2 3.75 2Zm6.854-1h4.146a.25.25 0 0 1 .25.25v4.146a.25.25 0 0 1-.427.177L13.03 4.03 9.28 7.78a.751.751 0 0 1-1.042-.018.751.751 0 0 1-.018-1.042l3.75-3.75-1.543-1.543A.25.25 0 0 1 10.604 1Z"></path></svg></a>

Para começar a usar os recursos mencionados neste artigo, use os links na tabela a seguir.

Para integrar efetivamente os recursos da IA com agente aos seus fluxos de trabalho, você precisará investir em treinamento, governança e mudanças culturais eficazes. Recomendamos experimentar os recursos com agente com uma coorte multifuncional para receber comentários antes de fazer uma distribuição maior.

          [AUTOTITLE](/copilot/using-github-copilot/copilot-chat/asking-github-copilot-questions-in-github#submitting-a-question-to-copilot-chat) |