最初に思ったのは、やっと「AIに頼む前の準備」が主役になってきたな、ということだった。Copilotみたいなツールは、雑に言えば“賢いけれど何も知らない新入り”なので、結局いちばん効くのはモデルの性能そのものより、リポジトリ側にどうルールを置くかなんだと思う。この記事はその感覚をかなり素直に言語化していて、そこは好感が持てた。
特に引っかかったのは、custom instructions と agent skills と custom agents と MCP servers を、ちゃんと役割分担として並べているところだ。こういう機能は放っておくと「全部AIでできます」に見えがちだけど、実際には用途が違う。普段の作法は instructions、繰り返し作業は skills、まとまった仕事は agents、外の道具につなぐなら MCP、という整理はかなり筋がいいと思う。AIを魔法箱として扱うのではなく、現場の手順書やスクリプトの延長に置こうとしている感じがする。
ただ、同時に少し気になったのは、こういう仕組みをきちんと整備できるチームと、そうでないチームの差がそのまま広がりそうなことだ。ルールを repository に書けるなら便利だし、再利用もできる。でも逆に言うと、書く人の腕と運用の丁寧さがかなり問われる。雑な instructions を入れれば、Copilot も雑に育つはずで、そこは人間側の責任がむしろ増えているように見えた。
Playwright のような外部ツールにつながる話も、便利さと怖さが背中合わせだと思う。AI がコードだけでなく周辺の操作まで触れるようになると、できることは一気に広がる。でもそのぶん、どこまで任せるか、何を検証させるかはかなりシビアになる。この記事はそこを軽く流さず、「どう教えるか」に寄せていたのが印象に残った。
参考: GitHub Copilot app for Beginners: How to teach Copilot about your codebase
