กลับไปที่ข่าว
สินค้าAI Understanding บรรยายสรุป

GitHub ทำให้แท็บปรับแต่งของแอป Copilot พร้อมใช้งานโดยทั่วไป

ขณะนี้แอป GitHub ของ Copilot นำเสนอแท็บปรับแต่งที่พร้อมใช้งานโดยทั่วไปสำหรับการค้นหาเซิร์ฟเวอร์ MCP ปลั๊กอิน ทักษะ แคนวาส และเวิร์กโฟลว์ที่โดดเด่น

5 min readRead the primary source
Primary-source image accompanying GitHub makes Copilot app’s Customize tab generally available
เอกสารต้นทางหลักแหล่งที่มาบันทึกไว้
สำนักพิมพ์
github.blog
ลิงค์แหล่งที่มา
github.bloghttps://github.blog/changelog/2026-08-25-github-copilot-app-customize-tab-is-generally-available
ประเภทแหล่งที่มา
เอกสารหลัก — ประกาศอย่างเป็นทางการ เอกสาร เอกสาร หรือหน้าแรกที่เราอ่านโดยตรง
บริบทเข้าใจสิ่งนี้ใน 60 วินาที

เริ่มที่นี่

เงื่อนไขสำคัญ

MCP (โปรโตคอลบริบทแบบจำลอง)
โปรโตคอลแบบเปิดที่ช่วยให้แอปพลิเคชัน AI เชื่อมต่อกับเครื่องมือภายนอก แหล่งข้อมูล และผู้ให้บริการบริบทด้วยวิธีมาตรฐาน
คุณสมบัติ
ตัวแปรอินพุตที่แบบจำลองใช้เพื่อคาดการณ์
ทดสอบตัวเองแบบทดสอบตัวแทน AI

เกิดอะไรขึ้น

GitHub กล่าวว่าแท็บปรับแต่งในแอป Copilot พร้อมใช้งานโดยทั่วไปแล้ว แท็บนี้นำเซิร์ฟเวอร์ MCP ปลั๊กอิน ทักษะ และแคนวาสมาไว้ในที่เดียว พร้อมการปรับแต่งที่โดดเด่นและการเรียกดูตามประเภทหรือหมวดหมู่ นอกจากนี้ GitHub ยังเน้นย้ำถึงเวิร์กโฟลว์ Backlog ของ Azure DevOps ที่สามารถช่วยให้ผู้ใช้คัดแยก จัดลำดับความสำคัญ มอบหมายการติดตาม และมอบหมายงานให้กับ Copilot

GitHub ประกาศเมื่อวันที่ 25 สิงหาคม 2026 ว่าแท็บปรับแต่งในแอป GitHub Copilot พร้อมใช้งานโดยทั่วไปแล้ว บริษัทอธิบายว่าแท็บเป็นศูนย์กลางสำหรับการปรับแต่งสี่ประเภท: เซิร์ฟเวอร์ MCP, ปลั๊กอิน, ทักษะ และแคนวาส เซิร์ฟเวอร์ MCP สามารถเชื่อมต่อ Copilot กับเครื่องมือหรือข้อมูลภายนอก ในขณะที่ GitHub นำเสนอปลั๊กอิน ทักษะ และแคนวาส เพื่อเป็นช่องทางเพิ่มเติมในการปรับแอปให้เข้ากับงานของทีม ประกาศดังกล่าวไม่ได้กำหนดขอบเขตทางเทคนิคของแต่ละหมวดหมู่หรืออธิบายว่าทั้งสี่รายการพร้อมใช้งานสำหรับผู้ใช้ Copilot ทุกคนหรือไม่

แท็บนี้มีมุมมองเด่นที่รวบรวมการปรับแต่งที่เลือกจากแอป Copilot GitHub กล่าวว่าผู้ใช้สามารถเรียกดูส่วนเฉพาะสำหรับการปรับแต่งแต่ละประเภท และค้นหาเซิร์ฟเวอร์ MCP ผ่านตัวเลือกที่กำลังมาแรงหรือการเรียกดูหมวดหมู่ การเปลี่ยนแปลงเชิงปฏิบัติจึงเป็นส่วนหนึ่งขององค์กร: ผู้ใช้ไม่จำเป็นต้องทราบชื่อหรือประเภทของการปรับแต่งก่อนที่จะค้นหา GitHub นำเสนอสิ่งนี้เพื่อช่วยให้ผู้คนปรับแต่ง Copilot ให้เข้ากับเครื่องมือ ความรู้ และขั้นตอนการทำงานที่พวกเขาใช้อยู่แล้ว

GitHub เน้นแคนวาสที่โดดเด่นและเวิร์กโฟลว์ Azure DevOps โดยเฉพาะ ตามประกาศ ผู้ใช้สามารถคัดแยกปัญหา จัดลำดับความสำคัญของงานที่ค้าง มอบหมายการติดตามผล และส่งมอบงานให้กับ Copilot เพื่อตรวจสอบ นำไปใช้ หรือเตรียมพร้อมสำหรับการตรวจสอบ แหล่งที่มาอธิบายว่าสิ่งเหล่านี้เป็นความสามารถที่เกี่ยวข้องกับผืนผ้าใบที่โดดเด่น ไม่ได้บอกว่า Copilot ทำงานเหล่านั้นให้เสร็จสิ้นโดยไม่ได้รับการตรวจสอบจากเจ้าหน้าที่ และไม่ได้ให้ตัวอย่าง การวัดผล หรือรายละเอียดเกี่ยวกับการอนุญาตที่จำเป็น จุดเริ่มต้นที่ระบุไว้ของ GitHub คือการเปิดแอป Copilot และเลือกปรับแต่ง

รายละเอียดที่มา: github.blog ↗

ทำไมมันถึงสำคัญ

การเปลี่ยนแปลงนี้ทำให้สามารถค้นพบการปรับแต่ง Copilot ได้มากขึ้น และกำหนดกรอบผู้ช่วยให้เป็นเครื่องมือที่สามารถเชื่อมต่อกับเวิร์กโฟลว์ของทีมที่มีอยู่ได้ อาจลดความพยายามที่จำเป็นในการค้นหาส่วนขยายและแหล่งที่มาของบริบท แต่แหล่งที่มาไม่ได้กำหนดว่าฟีเจอร์นี้พร้อมใช้งานในวงกว้างเพียงใด แผนใดมีคุณสมบัติเหมาะสม หรือประสิทธิภาพการทำงานของเวิร์กโฟลว์ที่ระบุไว้อย่างน่าเชื่อถือเพียงใด

การค้นพบได้เป็นปัญหาผลิตภัณฑ์ที่มีความหมายสำหรับผู้ช่วย AI ซึ่งขึ้นอยู่กับการบูรณาการ ทีมงานอาจใช้ตัวติดตามโปรเจ็กต์ แหล่งความรู้ภายใน หรือเวิร์กโฟลว์เฉพาะทางอยู่แล้ว แต่นั่นไม่ได้หมายความว่าผู้ใช้จะรู้วิธีเชื่อมต่อกับ Copilot ด้วยการรวบรวมเซิร์ฟเวอร์ MCP ปลั๊กอิน ทักษะ และแคนวาสไว้ในที่เดียว GitHub กำลังทำให้เลเยอร์การผสานรวมเป็นส่วนหนึ่งของประสบการณ์ผลิตภัณฑ์หลัก แทนที่จะปล่อยให้เป็นเพียงเอกสารประกอบ ตลาดที่แยกจากกัน หรือการตั้งค่าทางเทคนิคเท่านั้น กรอบดังกล่าวเผยให้เห็นว่าประสบการณ์การค้นพบแบบเดียวกันจะแปลงไปสู่การใช้งานจริงในทีม เครื่องมือ และการตั้งค่าองค์กรที่แตกต่างกันอย่างไร

การประกาศดังกล่าวยังสะท้อนให้เห็นถึงการเปลี่ยนแปลงในการวางตำแหน่งผู้ช่วยเขียนโค้ดด้วย Copilot ได้รับการอธิบายไม่เพียงแต่เป็นระบบสำหรับการสร้างหรืออธิบายโค้ดเท่านั้น แต่ยังในฐานะผู้ช่วยที่สามารถทำงานกับเครื่องมือของทีมและช่วยย้ายงานผ่านงานที่ค้างอยู่ นั่นอาจทำให้การบูรณาการมีประโยชน์มากขึ้นสำหรับทีมซอฟต์แวร์หากเครื่องมือที่เชื่อมต่อรักษาบริบทและหากผู้คนสามารถตรวจสอบและอนุมัติการดำเนินการที่ตามมา อย่างไรก็ตาม แหล่งที่มากำหนดคำอธิบายผลิตภัณฑ์ของ GitHub แทนที่จะเป็นหลักฐานอิสระว่าขั้นตอนการทำงานเหล่านี้ปรับปรุงประสิทธิภาพการทำงานหรือคุณภาพของซอฟต์แวร์

สำหรับองค์กร คำถามสำคัญคือการควบคุม การเชื่อมต่อผู้ช่วย AI กับระบบภายนอกสามารถเปิดเผยข้อมูลโครงการและให้เส้นทางแก่ผู้ช่วยในการเริ่มหรือเตรียมงานได้ แหล่งที่มาไม่ได้ระบุว่าเซิร์ฟเวอร์ MCP, ปลั๊กอิน, ทักษะ หรือ Canvas ใดที่สามารถเข้าถึงได้ สิทธิ์ได้รับการสืบทอดมาอย่างไร ผู้ดูแลระบบสามารถจำกัดการติดตั้งได้หรือไม่ หรือมีการควบคุมการบันทึกและการอนุมัติใดบ้าง นอกจากนี้ยังไม่ได้ระบุคุณสมบัติของแผน ความพร้อมใช้งานระดับภูมิภาค ราคา ขีดจำกัดการใช้งาน หรือคุณลักษณะดังกล่าวจะพร้อมใช้งานเหมือนกันในข้อเสนอ GitHub Copilot หรือไม่ การละเว้นเหล่านั้นจำกัดสิ่งที่สามารถสรุปได้เกี่ยวกับผลกระทบในการดำเนินงานของผลิตภัณฑ์

Interactive Mechanism

กลไกเชิงโต้ตอบ: มันทำงานอย่างไร

สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
การตรวจสอบแนวคิดแบบโต้ตอบ+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

จะดูอะไรต่อไป.

ดูว่าแท็บนำไปสู่การนำเครื่องมือของบุคคลที่สามหรือเฉพาะองค์กรไปใช้อย่างมีความหมายหรือไม่ วิธีตรวจสอบเซิร์ฟเวอร์และปลั๊กอิน MCP และสิทธิ์ใดบ้างที่เวิร์กโฟลว์ที่ได้รับมอบหมายต้องการ การประกาศของ GitHub ไม่ได้ให้ข้อมูลการใช้งาน รายละเอียดด้านความปลอดภัย ราคา ข้อมูลแผนที่รองรับ หรือการทดสอบประสิทธิภาพโดยอิสระ

ตัวบ่งชี้เชิงปฏิบัติประการแรกคือแท็บปรับแต่งสร้างการใช้งานที่ยั่งยืนนอกเหนือจากการสำรวจครั้งแรกหรือไม่ GitHub กล่าวว่าจะมีการปรับแต่งที่เลือก เซิร์ฟเวอร์ MCP ที่กำลังมาแรง และการเรียกดูหมวดหมู่ แต่การประกาศไม่ได้ให้ตัวเลขเกี่ยวกับจำนวนตัวเลือกที่มีอยู่ การนำไปใช้ ผู้ใช้ที่ใช้งานอยู่ หรือการแปลงจากการค้นพบไปสู่การติดตั้ง ยังไม่ชัดเจนว่า GitHub เลือกรายการเด่นหรือรายการที่กำลังมาแรงอย่างไร และสัญญาณเหล่านั้นสะท้อนถึงคุณภาพ ความนิยม การจัดการเชิงพาณิชย์ หรือเกณฑ์อื่นหรือไม่

การรักษาความปลอดภัยและการกำกับดูแลสมควรได้รับความสนใจอย่างใกล้ชิด โดยเฉพาะอย่างยิ่งสำหรับเซิร์ฟเวอร์ MCP และปลั๊กอินที่เชื่อมต่อ Copilot กับเครื่องมือภายนอกหรือข้อมูลองค์กร GitHub ไม่ได้อธิบายมาตรฐานการทบทวน การตรวจสอบผู้เผยแพร่ ขอบเขตการอนุญาต การแยก บันทึกการตรวจสอบ การเก็บรักษาข้อมูล หรือการควบคุมของผู้ดูแลระบบในประกาศนี้ รายละเอียดเหล่านั้นจะกำหนดว่าองค์กรสามารถประเมินการปรับแต่งก่อนปรับใช้ได้หรือไม่ และจำกัดสิ่งที่เวิร์กโฟลว์ที่ได้รับความช่วยเหลือจาก AI อาจอ่าน เปลี่ยนแปลง หรือทริกเกอร์ได้

ตัวอย่าง Azure DevOps ควรได้รับการประเมินตามขอบเขตรอบการมอบหมาย แหล่งข่าวกล่าวว่าผู้ใช้สามารถขอให้ Copilot ตรวจสอบ นำไปใช้ หรือเตรียมงานที่เกี่ยวข้องกับงานที่ค้างอยู่ แต่ไม่ได้บอกว่าการดำเนินการใดที่จำเป็นต้องได้รับการยืนยัน วิธีแสดงการเปลี่ยนแปลงเพื่อตรวจสอบ หรือวิธีจัดการกับข้อผิดพลาด เอกสารประกอบหรือการทดสอบในอนาคตอาจให้ความกระจ่างเกี่ยวกับแผนงานที่รองรับ ความพร้อมใช้งานในภูมิภาคและแพลตฟอร์ม ข้อกำหนดในการบูรณาการ จุดอนุมัติของมนุษย์ และขอบเขตที่ฟีเจอร์นี้เปลี่ยนแปลงขั้นตอนการพัฒนาจริง แทนที่จะเพียงทำให้ค้นหาเครื่องมือที่มีอยู่ได้ง่ายขึ้น

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง

ตัวแทนเอไออธิบายโมเดล AIPrompt EngineeringChatGPT และ LLMทดสอบสิ่งที่คุณรู้ — ลองแบบทดสอบ AI ฟรีค้นหาคำศัพท์ AI ในอภิธานศัพท์ของเราติดตามตัวติดตามการเปิดตัวโมเดล AI
พบว่าสิ่งนี้มีประโยชน์หรือไม่?