GitHub Copilotのカスタマイズに関する現在地を確認する

こんにちは、MS開発部の渋谷です。

ソフトウェア開発におけるAIアシスタントの役割は、単なる汎用的なコード補完ツールから、プロジェクト固有の文脈やチームの規約を深く理解する自律的なエージェントへと急速に進化しています。特に、カスタマイズの機能が充実してからは様々なユースケースでこれらのエージェントが活躍するようになりました。

本記事では、GitHub Copilotのカスタマイズ機能が現在どのようなフェーズにあるのかを整理するとともに、新たに導入され「Skill」の概念、およびコミュニティの知見が集積されたウェブサイト「Awesome GitHub Copilot」の具体的な歩き方について、解説していきます。

GitHub Copilotのカスタマイズ概要

GitHub Copilotを最大限に活用するためには、AIに対してプロジェクトの背景、使用している技術スタック、コーディング規約、およびアーキテクチャの指針を正確に伝えることが不可欠です。

これまで、一部のエンタープライズ環境では独自のカスタムモデルを作成するファインチューニングというアプローチが存在していましたが、この機能はそこまで活用されなくなってきました。つまり、静的で更新コストの高いモデル学習から、動的で軽量なコンテキストインジェクションがカスタマイズの主流になってきたことと考えられます。

現在のGitHub Copilotにおけるカスタマイズの基盤は、主にテキストベースの指示ファイルによって構成されており、AIワークフロー全体に対して継続的なガイダンスを提供するカスタムインストラクションがメインです。

AIは強力な推論能力を持っていますが、チームの暗黙知を自動的に読み取ることはできません。プロジェクトの概要やルールを明文化した指示ファイルを用意することで、AIが生成するコードがプロジェクトの規約から逸脱することを未然に防ぎ、一貫性のあるコードベースを維持することができます。

カスタムインストラクションは、その適用範囲に応じて柔軟に配置することが可能です。

リポジトリ全体に適用される全社的またはプロジェクト横断的なルールを定義する場合、リポジトリのルートにある.githubディレクトリ内にcopilot-instructions.mdを配置します。これにより、Copilotがチャットやコード生成を行う際のあらゆるリクエストに対して、このファイルの内容が自動的にコンテキストとして追加されます。

さらに、特定のディレクトリやファイルパスにのみ適用したい固有のルールがある場合は、.github/instructionsディレクトリ内にパス固有の.instructions.mdファイルを作成し、適用範囲を限定することもサポートされています。

しかしながら、すべての大規模な指示や特定状況下でのみ必要な手順を、単一のインストラクションファイルに詰め込むアプローチには限界があります。

LLMのコンテキストウィンドウを不必要に消費し、推論精度の低下やレイテンシの増加を招く構造的な課題が存在するためです。この常時読み込まれることによる情報過多という課題を解決するために登場したのが、次セクションで解説するSkillという新しい枠組みです。

skillとは？

Agent Skillsは、特定の専門的なタスクを実行する際に、Copilotが必要に応じて動的に読み込むことができる、指示、スクリプト、およびリソースの独立した集合体です。2025年末から2026年初頭にかけて、VS CodeやGitHub Copilotのファーストクラス機能として統合され、現在ではすべてのユーザーに対してデフォルトで有効化されています。

スキルは単なるテキストプロンプトの延長ではなく、オープンスタンダードな仕様に基づくモジュール化されたアーキテクチャを採用しています。

各スキルは独立したディレクトリとして構成され、その中核となるのがSKILL.mdというファイルです。このファイルの最大の特徴は、先頭にYAMの記述が義務付けられている点にあります。ここには、一意の識別子であるnameと、スキルが何を実行し、どのような状況でCopilotがそれを使用すべきかを正確に定義するdescriptionを含める必要があります。

Copilotのエージェントはユーザーのプロンプトを受け取ると、利用可能なすべてのスキルのdescriptionを評価し、現在のタスクに関連性が高いと判断されたスキルのみをコンテキストに読み込みます。さらに、スキルディレクトリ内にはSKILL.mdだけでなく、タスク実行に必要な外部スクリプト、参照用のマークダウンファイル、コードのサンプルなどを同梱することが可能です。

Copilotは必要に迫られた場合にのみこれらの追加リソースにアクセスするため、トークン消費を極小化しつつ、特定のCI/CDパイプラインのログ解析や、複雑なデータベースのN+1問題の解消といった高度な専門タスクを自律的に実行することができます。

また、スキルの呼び出し方法は、AIによる自動ロードに限定されません。ユーザーはスラッシュコマンドを用いて明示的にスキルを呼び出すことが可能です。

カスタマイズを成功させるためのベストプラクティスは、これら二つの機能を明確に使い分けることです。コーディングスタイルやアーキテクチャの基本方針といった常に守るべきルールはcopilot-instructions.mdに記述し、ログの解析や特定フレームワークの移行手順といったタスク固有のロジックはSKILL.mdとしてカプセル化することが推奨されています。

skillの例

AzureのIaCコードを出力するSkillは例えば以下のように記述することが可能です。適宜Azure MCP等を参照させて正確な情報をグラウンディングするように指示が書かれていることがわかります。

awesome copilotの歩き方

プロジェクトに最適なインストラクションやスキルを導入しようとする際、多くの開発者が何から書き始めればよいか分からないという課題に直面します。このジレンマを解消し、コミュニティで培われた業界標準のベストプラクティスを即座に利用可能にするためのハブとして機能しているのが、「Awesome GitHub Copilot」リポジトリおよび付随するウェブサイトです。

Awesome Copilotは、GitHub公式および世界中の開発者コミュニティによってキュレーションされた、Copilot向けのカスタムエージェント、プロンプト、インストラクション、スキルの巨大なコレクションサイトです。AIアシスタントに対してどのように振る舞うべきかを教えるためのテンプレートが体系的に整理されており、利用者は自身のプロジェクトに合致する設定をブラウザ上から検索し、自身の開発環境へスムーズに取り込むことができます。

同ウェブサイトは、膨大なリソースの中から必要なものを迅速に発見できるよう、直感的で強力な検索機能とナビゲーションを備えています。

検索バーを活用することで、利用している言語やフレームワーク、あるいは解決したい課題のドメイン（例：データベース最適化、フロントエンドデザイン、セキュリティ）に基づいたフィルタリングが可能です。

Awesome Copilotで見つけたリソースを実際の開発環境に導入するプロセスは、ユーザーの環境やツールの好みに応じて複数のアプローチが提供されています。

最も直感的で推奨される方法は、ウェブインターフェース上の各インストラクションやスキルページに配置されている「Install in VS Code Insiders」などのインストールボタンを使用することです。このボタンをクリックすると、ブラウザからIDE側の拡張機能が直接トリガーされ、該当のファイルがプロジェクトの適切なディレクトリへと自動的にダウンロード・配置されます。

例えば、Agent Skillのカスタムインストラクションを利用し、自分が作成したSkillをレビューさせると以下のようにSkillのプラクティスに沿った形になるようなレビューを受けられます。

まとめ

かつてエンタープライズ環境で主流であったモデルのファインチューニング機能は非推奨となり、それに代わって軽量かつ即時性の高いカスタムインストラクションによるコンテキストインジェクションが新たな標準として定着しています。

さらに、常時適用されるインストラクションによるコンテキストの肥大化を防ぐため、特定のタスク発生時にのみ動的にロードされるAgent Skillという革新的なオープンスタンダードが確立されました。これにより、プロジェクト全体に適用すべき一般的なコーディング規約はインストラクションで網羅しつつ、複雑なインフラ運用のランブックや固有のトラブルシューティング手順はスキルとしてカプセル化し、必要に応じてAIに参照させるという、極めて効率的でスケーラブルなアーキテクチャが実現されています。