MF Blogs 便利ツール
緑色の市松模様を背景に、青紫色のヘルメット型キャラクターが横を向いているイラスト

記事

GitHub Copilotでエージェント開発を4段階に——GitHubが計画・実装・検証・観測のガイドを公開

GitHubが、GitHub Copilotを使ったエージェント開発の進め方をまとめたガイドを公開しました。10月には1週間で12億件超のコミットが集まる一方、レビュー待ちが大きく伸びている現状を踏まえ、計画、実装、検証、観測の4段階で使える機能を紹介しています。

0:00 0:00

GitHubは2026年11月6日、公式ブログで「Beyond code generation: A developer’s guide to agentic engineering」と題したガイドを公開しました。GitHub Copilotを中心とするAIエージェントを、コードを書く場面だけでなく、計画、実装、検証、運用後の観測までの開発工程全体でどう使うかを整理した内容です。GitHub Universe 2026のセッション「Agentic Engineering: Past the Pilot」の内容をもとにしています。

コミットは4倍、レビュー待ちも伸びた

GitHubによると、2026年10月には1週間で12億件を超えるコミットがGitHubに集まりました。前年同期の4倍以上で、2025年の1年間に受け取ったコミットの総数よりも多い数字です。

一方でGitHubは、「コミットが増えたぶん、開発者の生産性も上がったと感じられるだろうか」と問いかけています。ガイドではFaros AIの調査を引き、AIの活用度が低いチームから高いチームに移ると、プルリクエストがレビューに費やす時間が441%長くなったと紹介しました。実装が速くなったことで、要件の整理やレビュー、リリース後の調査に負荷が移っているというのがGitHubの見立てです。

緑色の市松模様と淡いグラデーションを背景に、青紫色のヘルメット型キャラクターが描かれたイラスト

画像引用元: The GitHub Blog

4つの段階と主な機能

ガイドは開発の流れを「Plan(計画)」「Build(実装)」「Verify(検証)」「Observe(観測)」の4段階に分け、それぞれで使える機能を挙げています。

段階課題主な機能
Plan設計資料やチャット、過去のPRに散らばった情報集めSlackやTeamsのCopilot、Issue作成、Agentic Workflows、Plan Mode
Build複数の作業を同時に進められないセッションの引き継ぎ、クラウドサンドボックス、共有メモリ、Copilot Dreaming、Copilot Fusion
Verify巨大なPRとレビュー待ちの行列Stacked PR、Code Quality、Copilot code review、AI Scan、Agent Merge
Observeリリース後の障害調査コネクター経由の観測データ参照、Issueの下書き、Dreamingによる改善提案

計画の段階では、SlackやMicrosoft Teams上のCopilotで関係者と要件を詰め、合意した内容を受け入れ条件付きのIssueに落とし込みます。複雑な作業はPlan Modeで実装方針を比較し、人がプランを承認してから実装をCopilotに任せる流れです。

実装は「並行して進める」前提に

実装の段階でGitHubが強調しているのは、1つのセッションに張り付かなくても作業が進むことです。セッションの継続機能を使えば、別のデバイスから同じCopilotのセッションを再開できます。タスクはクラウドのサンドボックスで実行されるため、ノートPCを閉じても処理は止まりません。Copilotアプリはセッションごとにリポジトリを分けて扱うので、実装とドキュメント更新を同時に走らせても、作業途中の変更が混ざらない仕組みです。

チームの慣習は、リポジトリの指示ファイルと共有メモリに蓄えます。「Copilot Dreaming」は過去のセッションやPRへのフィードバックを見直し、メモリを最新に保ちながら指示やスキルの更新を提案します。「Copilot Fusion」では作業に合わせてモデルと推論の深さを選べ、品質とコスト、応答時間のバランスを開発者が決められます。

検証は小さなPRと自動チェックで負担を減らす

ガイドは「小さなリファクタリング」と名付けたPRが47ファイルに及ぶ例を挙げ、こうした状況こそが441%という数字の正体だと指摘しています。対策として示されたのは、変更を人が読みやすくすることと、定型的なチェックを人が見る前に済ませることの2点です。

具体的には、依存関係のある作業をStacked PRで小さく分けることや、GitHub Code Qualityで組織の基準に沿っているかを事前に確認することが挙げられています。Copilot code reviewは変更の規模に応じて分析の深さを変え、AI ScanはCodeQLが対応していない言語やファイルの脆弱性を探します。npm向けにパブリックプレビュー中のGitHub package firewallは、ポリシー違反のパッケージのダウンロードを止められます。さらにAgent Mergeが失敗したチェックやレビューコメント、コンフリクトに対応し、設定すれば検証が通った時点でマージまで進めます。

リリース後の観測を次の計画につなげる

最後の段階は、リリース後に起きたことから学ぶ工程です。ガイドでは、承認もデプロイのチェックも通ったのに、翌朝になってタイムアウトが断続的に発生し、大口顧客から問い合わせが来るという場面を想定しています。

ここでは、Fabricなどのコネクターを通じて観測ツールや業務データにアクセスし、影響を受けたリクエストや顧客層をCopilotと一緒に調べます。わかったことは、根拠と受け入れ条件、回帰テストの方針を含めたIssueとしてCopilotに下書きさせます。調査で得た教訓はDreamingがメモリやスキル、レビューの指針に反映していくため、次の計画は実際の利用状況を踏まえたところから始められるとGitHubは説明しています。

開発チームはどこから手を付けるべきか

GitHubは、すべての工程を一度に変える必要はないとしています。手元の作業を1つ選び、どんな情報が必要か、どうレビューしてテストするか、リリース後にうまくいったとどう判断するかを考えてみることを勧めています。そのうえで、今週いちばん困っている作業にエージェントを1つ割り当て、少しずつ範囲を広げていくのが推奨される進め方です。

コード生成ツールを導入済みのチームにとっては、レビュー待ちの長さやPRの大きさを見直すきっかけになりそうです。まずはStacked PRで変更を小さく分けるか、Copilot code reviewを一次レビューに組み込むところから始めると、人のレビュー時間を確保しやすくなるでしょう。