GitHub Copilot amplia trabalho com agentes além do código
Neste artigo
- GitHub Copilot organiza o trabalho em quatro etapas
- Onde os agentes executam as tarefas
- Da investigação à abertura do pull request
- Revisão e investigação exigem cuidados diferentes
- Fusion e Dreaming mudam execução e contexto
- Quanto custa e como os créditos são renovados
- Dados, permissões e código precisam de revisão
- O que conferir quando a tarefa não avança
- Fontes
- Perguntas frequentes
O GitHub Copilot reúne recursos para investigar um repositório, planejar mudanças, implementar correções e entregar alterações para revisão. Em um guia publicado em 6 de novembro de 2026, o GitHub organiza esse trabalho em quatro etapas: planejar, construir, verificar e observar. A proposta amplia a atuação dos agentes para tarefas que cercam a escrita do código, mantendo decisões e validações sob responsabilidade da equipe.
GitHub Copilot organiza o trabalho em quatro etapas
Assinado por Nick Liffen e Philip Holleran, o guia de engenharia agêntica do GitHub distribui o desenvolvimento entre Plan, Build, Verify e Observe. O planejamento define o problema; a construção executa as mudanças; a verificação avalia a entrega; e a observação acompanha o comportamento em produção.
Esse recorte responde a uma dificuldade: acelerar a produção de código também pode aumentar a fila de revisão. A Faros identificou aumento de 441,5% no tempo mediano em revisão ao comparar períodos de menor e maior adoção de IA, em uma análise com dois anos de telemetria de 22 mil desenvolvedores e mais de 4 mil equipes. O número descreve essa amostra, sem demonstrar um efeito universal.
O Copilot começou em prévia técnica em junho de 2021 e chegou à disponibilidade geral para indivíduos em 21 de junho de 2022. O guia de novembro reúne capacidades de diferentes momentos do produto, incluindo memória compartilhada, continuidade de sessões, Fusion e Dreaming; esses recursos não constituem um lançamento único.
Onde os agentes executam as tarefas
No GitHub.com, o agente pesquisa o projeto, edita arquivos e executa testes e linters em um ambiente de nuvem temporário. O trabalho pode começar por conversa, issue, pull request ou painel de agentes, conforme a documentação da plataforma.
No desktop, o aplicativo Copilot entrou em disponibilidade geral em 17 de junho de 2026, para macOS, Windows e Linux. Ele oferece sessões paralelas com branches e worktrees próprias, inspeção das diferenças e validação em terminal e navegador integrados.
Uma publicação de 7 de julho ampliou o aplicativo para todos os planos, incluindo Free e Education, e anunciou uso com chave própria de provedor, sem assinatura Copilot.
O acesso ao aplicativo, porém, tem condições diferentes do agente de nuvem. Este exige plano pago, não funciona em repositórios pessoais de contas de usuários gerenciadas nem onde foi desativado. O Copilot também não está disponível no GitHub Enterprise Server. Até 7 de novembro de 2026, a disponibilidade brasileira individual de Fusion, Dreaming e conectores não estava confirmada.
Da investigação à abertura do pull request
O fluxo oficial de pesquisa e implementação deixa a inspeção das alterações antes da abertura do PR. Para começar, escolha um problema delimitado e descreva o comportamento esperado.
- Abra a aba Agentes do repositório. A página de agentes também oferece seleção de repositório no menu do campo de comando.
- Envie uma pergunta sobre o projeto. Perguntas adicionais ajudam a conferir se o agente entendeu o problema.
- Peça um plano para a mudança. Revise a proposta na conversa até que ela corresponda ao objetivo.
- Solicite a implementação do plano. A sessão executará o trabalho antes da inspeção das alterações.
- Clique em Diff. Examine as diferenças e peça ajustes na conversa quando necessário.
- Clique em Create pull request quando as alterações estiverem prontas para revisão.
Issues com critérios de aceitação e indicação dos arquivos relevantes dão ao agente referências concretas. As boas práticas do GitHub também recomendam registrar nas instruções do repositório os procedimentos de compilação, testes e validação.
Bugs delimitados, documentação, acessibilidade e cobertura de testes estão entre os primeiros usos sugeridos. Tarefas amplas, ambíguas, críticas para produção ou envolvendo autenticação e resposta a incidentes exigem considerar execução humana.
Revisão e investigação exigem cuidados diferentes
O agente de nuvem atua em um repositório e uma branch por vez, com um PR por tarefa. Uma restrição relevante para projetos sensíveis aparece na documentação do cloud agent: exclusões de conteúdo definidas para outros recursos Copilot não impedem esse agente de acessar e alterar os arquivos excluídos.
Na revisão automática, o comportamento padrão é deixar comentários. Isso não satisfaz uma aprovação obrigatória do PR; existe uma configuração específica para permitir avaliações “Approve”. O revisor Copilot também não lê nem responde às réplicas humanas aos seus comentários.
Para investigar produção, conectores podem trazer requisitos do Teams e SharePoint via Work IQ, discussões do Slack e logs e métricas do Grafana Cloud. Cada conexão exige autenticação e autorização.
Essas integrações funcionam em sessões locais, sandboxes de nuvem e no GitHub Mobile para iOS e Android após a conexão. Sessões executadas em GitHub Actions, como a atribuição de uma issue ao Copilot, ainda não oferecem suporte aos conectores.
Fusion e Dreaming mudam execução e contexto
O Copilot Fusion escolhe modelos e padrões de execução. Ele pode usar um único modelo, acrescentar avaliação com possível escalonamento ou combinar críticas paralelas de vários modelos.
As opções Standard, High e Max equilibram custo, qualidade e tempo. Fast fica reservado ao chat inline do VS Code.
Já o Copilot Dreaming, em prévia pública até a publicação desta matéria, analisa sessões elegíveis e feedback de PRs. Ele atualiza memórias automaticamente e propõe melhorias em instruções e skills por pull request.
O processo atualiza o contexto usado pelo agente, sem retreinar o modelo. Cada execução consome créditos, mesmo sem produzir alterações; a prévia inicial exige acesso ao GPT-6.1 Sol, exclui o plano Pro e não atende GitHub Enterprise Cloud com residência de dados.
Quanto custa e como os créditos são renovados
Em 7 de novembro de 2026, os planos mensais custavam US$ 10 no Pro, US$ 39 no Pro+ e US$ 100 no Max. Business custava US$ 19 por licença concedida e Enterprise, US$ 39; o Free permanecia sem mensalidade. Preços em reais, impostos e custo final para brasileiros não estavam confirmados.
As franquias individuais somavam 1.500 AI Credits no Pro, 7.000 no Pro+ e 20.000 no Max, incluindo parcelas flexíveis sujeitas a mudança. Segundo a documentação de cobrança, cada crédito equivale a US$ 0,01.
Os créditos incluídos não acumulam e renovam à meia-noite UTC do primeiro dia do mês. Completar código e sugerir a próxima edição permanecem ilimitados nos planos pagos, sem consumir AI Credits.
Recursos e modelos também seguem políticas administrativas. Para delegação a agentes terceiros, há divergência entre a página comercial, que restringe a opção individual a Pro+ e Max, e a documentação de uso, que menciona todos os planos pagos.
Dados, permissões e código precisam de revisão
Desde 24 de abril de 2026, interações de usuários Free, Pro, Pro+ e Max podem ser usadas para melhorar e treinar modelos, incluindo código e contexto. Dados de clientes Business e Enterprise ficam fora desse uso, conforme as políticas de dados.
Para recusar o treinamento nos planos individuais:
- Abra Copilot settings.
- Localize Allow GitHub to use my data for AI model training.
- Selecione Disabled.
O ambiente de nuvem usa firewall e verificações automáticas, mas o GitHub recomenda revisão e testes antes da integração: o agente pode produzir código incorreto ou vulnerável.
Issues e comentários também podem carregar tentativas de injeção de prompt. As mitigações documentadas incluem filtragem de caracteres ocultos, commits assinados e registros de sessão e auditoria; a validação integrada de segurança dispensa licença GitHub Advanced Security.
Ao delegar por menção ou atribuição, o agente pode chamar ferramentas MCP configuradas sem pedir aprovação individual. Por isso, ferramentas e acessos devem ficar limitados ao necessário para a tarefa.
O que conferir quando a tarefa não avança
Se o Copilot não aparecer como responsável de uma issue, confira plano e políticas de habilitação. Em um PR aparentemente parado, abra Exibir sessão para acompanhar os logs; sessões travadas atingem o limite após uma hora, e a orientação oficial é remover e refazer a atribuição.
Quando o GitHub Actions aguardar autorização, inspecione as mudanças antes de clicar em Aprovar e executar fluxos de trabalho. Administradores podem alterar essa exigência nas configurações do agente.
Se faltar resposta no PR, verifique acesso de escrita, atribuição ao agente, PR aberto e menção `@copilot`. Para outros ambientes, o Claude Code oferece terminal e integração MCP, enquanto o Gemini Code Assist reúne assistência integrada ao Google Cloud, com edições Standard e Enterprise.
Fontes
- GitHub: guia de engenharia agêntica
- GitHub Docs: pesquisa, planejamento e implementação
- GitHub Docs: planos
- GitHub Docs: políticas pessoais e dados
- Faros: adoção de IA e tempo de revisão
Perguntas frequentes
Preciso manter o computador ligado durante uma tarefa na nuvem?
Não. A sessão executada em sandbox de nuvem continua sem depender da sua máquina, e você pode retornar depois para acompanhar o trabalho.
O GitHub Copilot tem plano gratuito?
Sim. Até 7 de novembro de 2026, o Free incluía 2 mil conclusões de código por mês, mas o agente de nuvem exigia um plano pago.
Toda conversa com o agente cria um pull request?
Não. As sessões de pesquisa e planejamento podem avançar até alterações em uma branch; a abertura do PR pode ficar para depois da inspeção.
Por que uma tarefa com agente pode consumir mais créditos?
Uma sessão pode exigir várias chamadas de modelos e processar mais tokens. O consumo considera o modelo e os tokens de entrada, saída e cache.
