Connect GitHub Copilot

在Visual Studio Code中使用 GitHub Copilot CLI 和 GitHub Copilot,透過 Unity Gateway 搭配模型、MCP 工具和技能。 請選擇以下設定選項之一:

  • 選項 1:使用 Unity Gateway CLI (建議使用)。 Unity Gateway CLI(ug)負責處理工作區登入,並為 Copilot CLI 和 Copilot 在 Visual Studio Code 中設定模型、MCP 工具與技能。
  • 選項 2:手動設定 Copilot CLI。 自行使用個人存取權杖設定連線,然後直接執行 copilot。 此選項僅設定 Copilot CLI。

透過 Unity Gateway 使用 GitHub Copilot 搭配支援的開源模型,有助於降低編碼代理的成本。

若要將工具連接到現有的 Copilot CLI 設定,請前往「新增 MCP 工具」(如果您使用ug);若您手動設定 Copilot,請前往「手動新增 MCP 工具」。

Prerequisites

你必須擁有 Azure Databricks 工作區的 URL 以及你想使用的模型、MCP 服務和技能的存取權。

  • 對於 Copilot CLI,ug 需要 GitHub Copilot CLI 1.0.91 或以上。 如果缺少或版本較舊,ug 會提供使用 npm 安裝或更新。
  • 在 Visual Studio Code 中使用 Copilot,必須有 Visual Studio Code 1.128 或以上的版本,並且終端機中有該code指令。 若要在 Visual Studio Code 中使用 MCP 工具,您需要 Visual Studio Code 1.142 或以上版本。
  • 手動設定的話,安裝 Copilot CLI,並備妥 Azure Databricks 個人存取權杖。

如果你的管理員已經設定好你的裝置,請依照組織的設定說明操作。

步驟 1:啟動 Copilot CLI

安裝 ug,然後從你的專案目錄執行這個指令:

ug copilot

依照指示選擇你的工作區並登入。 ug配置連線並開啟帶有已設定模型的 GitHub Copilot CLI。 開始使用你已經使用的相同提示詞和指令。 要更改模型,請輸入 /model。 模型選擇器也會在「不可用模型」中列出 GitHub 託管的 Copilot 模型。 這些模型無法透過 Unity Gateway 取得,請從其他群組中選擇模型或類型進行搜尋。

先從你工作區中可用的不同模型開始:

ug copilot --model "<model-name>"

使用該模型的 Unity 目錄名稱,例如 system.ai.claude-sonnet-5-5。 ug讓 Claude、GPT、GLM、Kimi 和 DeepSeek 模型在 Copilot 中可用。 其他型號,如 Gemini 和 GPT-OSS,則在 Copilot 中無法取得。

以 ug copilot 啟動 Copilot CLI。 直接執行 copilot 不會載入 ug 所設定的模型。 若要直接執行copilot,請使用選項 2:手動設定 Copilot CLI。

若要使用貴組織的外部模型提供者,請參閱 「自帶模型提供者」。

步驟 2:在 Visual Studio Code 中使用 Copilot

要在 Visual Studio Code 中設定 GitHub Copilot,請執行:

ug configure --agents copilot

ug configure設定 Copilot CLI,並在 Visual Studio Code 中安裝 Databricks Unity Gateway 擴充功能。 退出並重新開啟 Visual Studio Code,然後打開 Copilot Chat,並在模型選擇器裡的 Databricks 群組中選擇一個模型。 若要只設定 Copilot CLI,請新增 --no-vscode。

Copilot Chat 在 VSC 中選擇 Databricks 群組的模型選擇器

擴充套件會從 ug 取得工作區憑證,因此請保持已安裝 ug。 再執行ug configure一次以取得模型或設定變更,然後重新啟動 Visual Studio Code。 ug copilot不會改變 Visual Studio Code 的設定。

如果你的工作區的編碼代理設定預設模型,除非你在 Visual Studio Code 中選擇了自己的預設模型,否則新的聊天會從該模型開始。

要移除擴充功能和新增的設定 ug ,請執行 ug revert。

步驟 3:新增 MCP 工具

system.ai.dbsql、system.ai.sandbox 和 system.ai.web_search 都處於測試階段。 要使用這些預覽功能,帳號管理員必須從帳號主控台的 Previews 頁面啟用 Enhanced Unity Gateway 預覽。 Unity Gateway 本身已正式可用。 請參閱帳戶預覽管理。

跑步:

ug mcp add --agents copilot

選擇你要新增的服務,然後使用 ug copilot 開始新的工作階段。 在 Copilot 中,輸入 /mcp 即可查看已連線的伺服器。 請代理人使用工具,並描述你需要什麼。

ug將服務加入~/.copilot/mcp-config.json,因此 Copilot CLI 會在每個工作階段中載入這些服務。 Visual Studio Code 1.142 或更新版本會讀取相同的檔案。 新增服務後重新啟動 Visual Studio Code。 Visual Studio Code 在首次使用時會要求您啟動並信任每台伺服器。

步驟 4:新增技能

Unity Gateway 技能還在測試階段。 請參見 治理技能 以了解啟用與權限。

下載已發表的技能:

ug skills add

選擇你想使用的技能。 Copilot CLI 與 Copilot 在 Visual Studio Code 中從 ~/.agents/skills/ 讀取下載項目。 在 Copilot CLI 中,開始一個新的工作階段,或輸入 /skills reload,然後使用 /skills list 以查看它們。 在 Visual Studio Code 中,開啟新的聊天以載入新技能。 重新執行下載指令以取得更新版本。

選項 2:手動設定 Copilot CLI

使用此選項可直接執行 copilot ,無需 ug。 你需要一個 Azure Databricks 個人存取權杖。 此選項不會在 Visual Studio Code 中設定 Copilot。

步驟 1:設定模型

在終端機中設定以下變數:

export COPILOT_PROVIDER_TYPE="openai"
export COPILOT_PROVIDER_BASE_URL="https://<workspace-hostname>/ai-gateway/mlflow/v1"
export COPILOT_PROVIDER_BEARER_TOKEN="<databricks-pat>"
export COPILOT_MODEL="system.ai.claude-sonnet-5-5"
export COPILOT_OFFLINE="true"

替換主機名稱、標記和型號名稱。 openai 提供者類型會選用閘道的 Chat Completions API,即使您使用的是 Claude 模型也是如此。 離線模式會停用與 GitHub 伺服器的連線;模型請求仍會送往 Unity Gateway。

從同一個終端機啟動 Copilot CLI:

copilot

請參閱 GitHub 的自訂模型提供者文件以了解這些設定。

步驟 2:手動新增 MCP 工具

system.ai.dbsql、system.ai.sandbox 和 system.ai.web_search 都處於測試階段。 要使用這些預覽功能,帳號管理員必須從帳號主控台的 Previews 頁面啟用 Enhanced Unity Gateway 預覽。 Unity Gateway 本身已正式可用。 請參閱帳戶預覽管理。

將此條目合併為 ~/.copilot/mcp-config.json:

{
  "mcpServers": {
    "dbsql": {
      "type": "http",
      "url": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
      "headers": {
        "Authorization": "Bearer <databricks-pat>"
      },
      "tools": ["*"]
    }
  }
}

替換主機名稱和標記。 對於另一個服務,請使用唯一的伺服器名稱,並將 system.ai.dbsql 替換為其 Unity Catalog 三部分名稱。 保留現有伺服器條目,然後重新啟動 Copilot CLI。

請參閱 GitHub 的 MCP 文件。

步驟 3:手動新增技能

對於你已有的技能檔案,請將完整的資料夾(包括 SKILL.md 和隨附的檔案)放入 ~/.agents/skills/ 或你的專案 .github/skills/。 請參閱 GitHub 的技能文件。

若要透過 MCP 存取已發佈的技能登錄,請使用上述 MCP 設定新增第二台伺服器。 將其命名為 databricks-skill-registry,並使用此 URL 與相同的 Bearer 驗證:

https://<workspace-hostname>/ai-gateway/skills/

保留結尾斜線。 重新啟動 Copilot CLI,並要求它以已發佈技能的完整名稱來使用該技能。 登錄檔技能可透過 MCP 存取; /skills list 顯示已安裝的技能。

Unity Gateway 技能還在測試階段。 請參見 治理技能 以了解啟用與權限。

Troubleshooting

模型請求失敗:檢查閘道網址、令牌到期日、完整模型名稱及模型權限。 因請求相容性問題,ug將 Gemini 模型排除在 Copilot CLI 和 Visual Studio Code 中的 Copilot 之外。

Azure Databricks 模型未出現在 Visual Studio Code:退出並重新開啟 Visual Studio Code。 檢查指令 code 在終端機中是否正常運作,然後再執行 ug configure --agents copilot 一次。 如果你的工作區的 coding agent 設定在 Visual Studio Code 中關閉了 Copilot,ug status 會顯示此情況,而 ug configure 只會設定 Copilot CLI。

缺少一台 MCP 伺服器: 如果你是用 ug 註冊它,請使用 ug copilot 開始新的工作階段。 如需手動設定,請查看 ~/.copilot/mcp-config.json 和 /mcp 中的連線詳細資料。

缺少一個已下載的技能:檢查其資料夾是否在支援的目錄中包含 SKILL.md,然後輸入 /skills reload。

對於工作區登入或 ug 設定問題,請執行 ug doctor。

下一步