Agentic Software Engineering using GitHub Copilot (GHAGENTS)

Kursüberblick

Begeben Sie sich auf eine transformative viertägige Reise in die Welt des agentenbasierten Software-Engineering mit GitHub Copilot und entdecken Sie, wie KI-gestützte Tools Ihre Produktivität beim Programmieren und Ihre architektonischen Entscheidungen neu gestalten. Ganz gleich, ob Sie als Softwareentwickler Ihre Fähigkeiten ausbauen möchten, als Lösungsarchitekt die KI-gestützte Entwicklung erkunden oder als technischer Leiter prüfen, wie KI-Agenten die Arbeitsabläufe Ihres Teams verbessern können – dieser Kurs vermittelt Ihnen das Wissen und die praktischen Erfahrungen, um KI in der modernen Softwareentwicklung effektiv einzusetzen.

Ihre Reise beginnt mit den Grundlagen und den Grundlagen des Agent-Modus – einer soliden Basis für KI-gestütztes Programmieren durch Prompts, Inline-Vorschläge, Slash-Befehle, Kontextvariablen und Code-Reviews bei Pull-Requests. Sie wählen Modelle sicher aus und konfigurieren sie – von gehosteten Frontier-Modellen bis hin zu Endpunkten mit eigenem Schlüssel – und erfahren, wie Copilot Vision Bilder und PDFs in den Chat integriert. Sie steigen frühzeitig in den Agent-Modus ein, steuern einen lokalen Agenten durch echte, mehrstufige Aufgaben und lernen, im Terminal so zu arbeiten, wie es Agenten tun.

Anschließend richten Sie das GitHub Copilot Agentic Harness ein und erweitern Copilot um Anweisungen, Prompt-Dateien und das Model Context Protocol, wobei die MCP-Registry als Erkennungsoberfläche dient. Dieses Modul fügt benutzerdefinierte Agenten, wiederverwendbare Skills, Copilot-Speicher und Hooks hinzu, zeigt Ihnen, wie Sie das Kontextfenster durch Prompt-Caching optimieren können, und installiert vorgefertigte Plugins, die nach einer einzigen Installation sowohl in der CLI als auch im Editor funktionieren.

In „Implementing Agentic Coding“ setzen Sie Agenten ein und bauen dabei auf der einfachsten Form der Delegation auf. Sie übertragen einen Teil einer Aufgabe an einen Subagenten, der als Fachexperte fungiert, führen den schreibgeschützten `/research`-Agenten für einen zitierten Bericht aus, koordinieren die Multi-Agenten-Orchestrierung für komplexe Herausforderungen und delegieren umfangreiche Aufgaben an Cloud-Agenten. Sie nutzen integrierte Browser-Tools, mit denen Agenten Seiten öffnen, Konsolenfehler auslesen und ihre eigenen Webänderungen überprüfen können, und schließen ab mit einer agentengesteuerten Modernisierung von Semantic Kernel zum Microsoft Agent Framework.

Im Abschnitt „Agent Sessions“ wird anschließend die zugrunde liegende Infrastruktur behandelt – die Abstraktion, auf der das Produkt nun aufbaut. Sie führen Agenten projektübergreifend in einem eigenen Begleitfenster aus, lernen, wie das Agent-Host-Protokoll den Sitzungsstatus auf einem langlebigen Host zuverlässig aufrechterhält, und steuern Remote-Sitzungen über SSH und Dev-Tunnel. Sie verwalten Sitzungen in großem Maßstab mithilfe von Gruppen, Hintergrundübertragungen und Ein-Klick-Bannern, die fehlgeschlagene CI-Prüfungen beheben, und beheben anschließend mit `/troubleshoot` Probleme bei einer ins Stocken geratenen Sitzung.

Die GitHub Copilot-CLI bringt den Agenten an die Befehlszeile. Man installiert sie, steuert die interaktive Shell mit Slash-Befehlen und natürlicher Sprache, wechselt Modelle im Handumdrehen und übergibt mehrstufige Aufgaben an Autopilot. Ein echter Business Case zur Automatisierung von HR-Dokumenten über Work IQ und SharePoint-MCP-Server zeigt den Nutzen, und GitHub Agentic Workflows wandeln diese Aufgaben in versionierte, zeitgesteuerte Abläufe um, die Pull-Anfragen eröffnen.

Das GitHub Copilot SDK bindet diese Funktionen in Ihre eigenen Anwendungen ein. Es läuft auf derselben Produktions-Laufzeitumgebung wie die CLI und ist als Technical Preview für Python, TypeScript, Go und .NET verfügbar. So können Sie eine Sitzung erstellen und benutzerdefinierte Tools definieren, während Copilot die Planung und Ausführung übernimmt. Sie erstellen ausführbare Agenten, stellen einen davon in Azure bereit und erweitern diese mit MCP-Apps, die interaktive Benutzeroberflächen direkt im Chat darstellen.

Im weiteren Verlauf des Kurses verlassen wir den Editor und wenden uns der GitHub Copilot-App sowie der Desktop-Agenten-Ansicht für macOS, Windows und Linux zu. Sie starten Sitzungen ausgehend von einem GitHub-Issue, einer frei formulierten Eingabeaufforderung oder einem laufenden Pull-Request – jeweils in einem eigenen, isolierten Arbeitsverzeichnis –, führen eine Validierungsschleife durch, die Diffs überprüft und den Pull-Request zusammenführt, und wandeln Skills und Eingabeaufforderungen in geplante Automatisierungen um.

Agentic DevOps wendet diese Techniken auf die Cloud-Automatisierung und „Infrastructure as Code“ an. Sie erlernen die Automatisierung mit der Azure-CLI, nutzen Bicep, Terraform und die Azure Developer CLI im Agentic-Modus und bauen intelligente CI/CD-Lösungen mit Azure DevOps Pipelines und GitHub Actions auf. Zudem schließen Sie hier den Qualitätskreislauf, indem Sie Tests einschließlich End-to-End-Playwright-Suiten generieren und Dokumentation mit Mermaid-Diagrammen erstellen.

Governance, Kosten und Beobachtbarkeit bilden das geschäftliche Herzstück für Architekten, Teamleiter und Manager. Sie beherrschen das Berechtigungsmodell – von Autopilot über Terminal-Sandboxing bis hin zu Risikokennzeichnungen und der Abfangung sensibler Eingabeaufforderungen –, betrachten die Modellauswahl als Budgetentscheidung im Rahmen nutzungsbasierter Gutschriften, senken diese Kosten durch Open-Source-Modelle, wenden unternehmensverwaltete Einstellungen über MDM an und statten Agenten mit OpenTelemetry-Traces aus, die in ein von Azure verwaltetes Grafana-Dashboard eingespeist werden. Außerdem kümmern Sie sich um die Einhaltung der regulatorischen Vorschriften, die für die von Ihren Agenten ausgelieferte Software gelten.

Der Kurs schließt mit dem Thema „Spezifikationsgesteuerte Entwicklung und Bereitstellung“ ab. Sie lernen spezifikationsgesteuerte Arbeitsabläufe kennen, erstellen eine Konstitution, eine Spezifikation und einen technischen Plan, gliedern komplexe Anforderungen mit GitHub Spec Kit in einzelne Aufgaben auf und implementieren eine Produktfunktion von Anfang bis Ende auf der Grundlage ihrer Spezifikation. Nach Abschluss dieses Kurses sind Sie in der Lage, KI-gestützte Lösungen zu entwerfen, die Entwicklungszyklen beschleunigen und die Kompetenzen Ihres Teams stärken.