GitHub Copilot, asisten pengkodean AI yang populer, telah memperkenalkan serangkaian fitur baru yang ditujukan untuk pengembang yang mencari lebih banyak efisiensi dan fleksibilitas dalam alur kerja mereka.
Mode agen baru bertujuan untuk memberikan pengembang yang lebih interaktif. Era untuk Pengembang?
Pengumuman paling berdampak dalam pembaruan terbaru Copilot adalah pengenalan
official MCP Server repository
GitHub describes the MCP server as a “convenience implementation”of its MCP specification, a standard that enables agents or extensions in editors like VS Code to interact with language model APIs using a consistent protocol. Rilis ini memudahkan untuk menguji secara lokal atau bereksperimen dengan integrasi LLM di luar infrastruktur GitHub sendiri.
Tidak seperti layanan yang di-host GitHub, yang merutekan permintaan kopilot melalui lapisan MCP mereka sendiri, server Sumber Terbuka memberi pengembang kemampuan untuk bereksperimen dengan titik akhir mereka sendiri atau mengadaptasi server khusus mereka. Ini ditulis dalam TypeScript, diterbitkan di bawah lisensi MIT, dan mendukung respons streaming-salah satu kemampuan inti spec.
Rilis ini menandai langkah lain menuju modularisasi ekosistem kopilot GitHub. By exposing the underlying server logic as open-source, GitHub could be signaling a more interoperable future—where agents, actions, and AI integrations are no longer bound exclusively to its own infrastructure.
Premium AI Models and the New Pro+ Plan
Alongside Agent Mode, GitHub is rolling out premium AI models that elevate the capabilities of Copilot melalui Rencana GitHub Copilot Pro+ baru. Pro+ membuat akses ke Antropik Claude 3.5, 3.7 soneta, 3,7 sonnet Thinking, Google Gemini 2.0 Flash, dan OpenAI O3-Mini umumnya tersedia melalui permintaan premium. Model-model ini memberikan pengembang wawasan yang lebih bertenaga AI, seperti pengeditan prediktif, saran waktu-nyata, dan rekomendasi kode kontekstual.
GitHub Copilot Pro+ dihargai $ 39 per bulan, yang mencakup 1500 permintaan premi per bulan. Ini adalah peningkatan nyata dari paket Pro Dasar, memberikan pengembang akses ke fungsionalitas tingkat berikutnya. Dimasukkannya model GPT-4.5, Claude 3.7, dan Google Gemini 2.0 memungkinkan Copilot menjadi lebih akurat dalam pembuatan kodenya, menawarkan solusi yang disesuaikan yang sesuai dengan kebutuhan spesifik pengembang.
Untuk mereka yang bekerja lebih banyak untuk kompleks atau codebase tingkat besar. Codebase, fitur AI Paket Pro+ memberikan peningkatan yang signifikan dalam tugas-tugas seperti debugging, ulasan kode, dan pelacakan kesalahan di seluruh file. Dengan itu, Copilot memposisikan dirinya sebagai asisten pengembangan yang lengkap, mampu menangani segala sesuatu mulai dari penyelesaian dasar hingga tugas pemecahan masalah yang kompleks.
Tinjauan Kode Copilot: Meningkatkan Kontrol Kualitas
Github juga memperluas kemampuannya dengan peninjauan kode yang digerakkan oleh AI. Fitur ini memberikan tambahan yang berharga untuk toolkit pengembang, secara otomatis menyarankan perbaikan, melihat bug, dan memastikan bahwa kode mematuhi praktik terbaik. Agen tinjauan kode COPILOT merampingkan seluruh proses peninjauan kode dengan menawarkan saran tentang permintaan tarik.
Sementara pengulas manusia masih penting untuk memastikan kualitas dan konteks kode, Copilot bertindak sebagai asisten cerdas yang dapat menemukan kesalahan atau ketidakefisienan, lebih banyak di antara para anggota. Copilot
Integrasi beberapa model AI adalah peningkatan signifikan lainnya dalam fungsionalitas Copilot. GitHub telah melampaui hanya mengandalkan model Openai dan telah memasukkan Claude 3.5, Claude 3.7, dan Gemini 2.0 flash dari antropik dan Google. Model-model ini sekarang bekerja bersama dalam kopilot, masing-masing menawarkan kekuatan berbeda yang saling melengkapi.
Pengaturan multi-model ini memastikan bahwa kopilot tidak terbatas pada satu pendekatan AI tetapi dapat beralih di antara model tergantung pada tugas yang ada. Ini berarti bahwa pengembang dapat memanfaatkan model paling kuat yang tersedia, meningkatkan kemampuan Copilot untuk menyarankan kode yang sesuai secara kontekstual dan beradaptasi dengan berbagai bahasa pemrograman, kerangka kerja, dan lingkungan pengembangan.
