O GitHub Copilot funciona melhor quando conhece as regras específicas da base de código com a qual trabalha, em vez de depender apenas de instruções gerais. O GitHub explica que grande parte desse contexto pode ser armazenada dentro do repositório, para que o Copilot reconheça automaticamente os métodos de organização dos componentes, os comandos utilizados e os padrões de nomenclatura e teste.
Instruções gerais e específicas para caminhos
A configuração começa com a criação do arquivo .github/copilot-instructions.md, para incluir as regras aplicáveis a todo o repositório, como a arquitetura preferida, as convenções de nomenclatura e os requisitos de teste e validação.
O GitHub também permite criar arquivos de instruções associados a caminhos específicos dentro de .github/instructions. Esses arquivos usam o campo applyTo para definir os arquivos ou situações aos quais as instruções se aplicam. Assim, é possível combinar orientações gerais com regras mais especializadas, sem impor um único estilo a todos os tipos de arquivo.
Transformando procedimentos repetitivos em habilidades
As instruções gerais não são adequadas para todos os procedimentos. Operações como executar verificações de qualidade, preparar uma versão ou diagnosticar uma falha no fluxo de trabalho exigem etapas repetíveis. Para esse fim, o GitHub sugere o uso de habilidades de agentes, que são pastas que podem conter instruções, scripts e recursos adicionais.
As habilidades específicas do projeto podem ser colocadas em .github/skills, com uma pasta dedicada para cada habilidade. Uma pasta como quality-checks pode conter um arquivo SKILL.md que define quando a habilidade deve ser usada, os comandos de teste e de verificação do estilo do código, o que cada comando verifica e como lidar com situações comuns de falha.
Quando você precisa de um agente personalizado?
Algumas tarefas vão além de um único procedimento e abrangem vários arquivos e ferramentas. O GitHub dá como exemplo a revisão de acessibilidade, que pode exigir a verificação de componentes, modelos, estilos e interações. Nesses casos, é possível criar um agente personalizado dentro de .github/agents, definindo seu objetivo, suas instruções, suas ferramentas e o contexto relevante para o projeto.
Essa opção se torna adequada quando determinado tipo de trabalho se repete e se beneficia de uma função especializada ou de uma perspectiva específica, especialmente se exigir o trabalho com vários arquivos e fontes de contexto.
Ampliando o alcance do Copilot por meio de servidores MCP
As instruções, habilidades e agentes ajudam o Copilot a entender como trabalhar dentro do projeto, enquanto os servidores Model Context Protocol (MCP) o conectam a ferramentas, fontes de dados e serviços externos ao repositório. Um servidor de documentação pode fornecer orientações sobre um framework, enquanto um servidor como o Playwright permite abrir o aplicativo e interagir com ele pelo navegador.
Depois de configurar o Playwright, é possível solicitar o teste manual das funcionalidades usando um servidor MCP. Dessa forma, a validação não se limita ao sucesso dos testes automatizados; o Copilot também consegue verificar o comportamento da interface após a alteração e interagir com ela no navegador.
O que muda na prática?
O principal benefício é transferir o conhecimento repetitivo da conversa para arquivos revisáveis dentro do repositório. As instruções definem os padrões, as habilidades documentam os procedimentos, os agentes se concentram nas tarefas complexas, enquanto os servidores MCP acrescentam a capacidade de usar ferramentas externas. O GitHub recomenda começar gradualmente: escolha uma regra cuja explicação você repete, coloque-a em .github/copilot-instructions.md e observe como o Copilot a aplica.
O material também menciona o repositório Awesome Copilot, que reúne instruções, habilidades e agentes prontos para compartilhamento. Ainda assim, adaptar esses recursos às ferramentas e aos padrões do projeto continua sendo necessário antes de adotá-los.