Dynamic workflows w GitHub Copilot - procesy agentów zapisane w kodzie

Czym są dynamic workflows w GitHub Copilot

Dynamic workflow to program opisujący, jak ma przebiegać zadanie. Autor określa w kodzie kroki, warunki i przekazywanie wyników między etapami, a agenci AI wykonują części wymagające analizy lub oceny. Kroki mogą działać po kolei, równolegle albo w obu trybach naraz. Workflow może uruchamiać polecenia, wywoływać narzędzia i usługi, prosić użytkownika o decyzję oraz zatrzymywać się w punkcie kontrolnym.

Workflow jest częścią rozszerzenia Copilot (pliku extension.mjs), więc ma dostęp do interfejsów rozszerzeń Copilot. GitHub podaje przykład analizy awarii usługi: workflow zbiera logi i telemetrię, przydziela niezależnych agentów do różnych systemów, a na końcu składa ich ustrukturyzowane wnioski w oś czasu i raport przyczyny. Przy każdym uruchomieniu wykonywane są te same kroki, choć odpowiedzi agentów mogą się różnić.

Czym różni się od autopilota i polecenia /fleet

Copilot ma już dwa mechanizmy pracy z większą autonomią. Dokumentacja GitHub wskazuje, że różnica nie polega na liczbie agentów, tylko na tym, kto planuje i kontroluje pracę.

• Autopilot - Copilot sam decyduje o kolejnych krokach i pracuje bez pytania o zgodę po każdym z nich.
• /fleet - Copilot za każdym razem sam dzieli zadanie i rozdziela je między subagentów działających równolegle.
• Dynamic workflow - kroki, warunki i przekazanie pracy definiuje autor w kodzie, a ponowne uruchomienie powtarza te same reguły.

Do czego GitHub poleca dynamic workflows

GitHub wymienia zadania, które mają wyraźne etapy albo wymagają kontroli kosztu. To między innymi kontrole przed wydaniem wersji z pauzą na przegląd wyników, równoległy przegląd wielu plików w pull requeście i przeszukanie dużego repozytorium pod kątem brakujących testów lub użycia wycofywanego API. Inny przykład to wyszukanie nierozwiązanych komentarzy w scalonych pull requestach i zgłoszenie tylko tych, które dwa różne modele uznają za nadal aktualne.

Przy prostym pytaniu lub drobnej zmianie w kodzie zwykły czat wystarczy. W naszej ocenie dynamic workflows mają sens tam, gdzie zespół wykonuje ten sam wieloetapowy proces co tydzień lub przy każdym wydaniu i chce, aby przebiegał on za każdym razem według tych samych reguł.

Jak zacząć krok po kroku

Procedura opiera się na changelogu i dokumentacji GitHub z 1 października 2026 roku. Funkcja jest w public preview, więc polecenia mogą się jeszcze zmienić.

1. W Copilot CLI zaktualizuj narzędzie poleceniem /update i włącz funkcje eksperymentalne opcją --experimental albo poleceniem /experimental on. W aplikacji GitHub Copilot nic nie trzeba włączać.
2. Zapytaj Copilota: What dynamic workflows are available? Odpowiedź pokaże workflow z rozszerzeń osobistych, projektu i zainstalowanych wtyczek.
3. Opisz proces, który ma powstać, na przykład: utwórz workflow review-changed, który wypisze zmienione pliki, przekaże je agentowi do przeglądu i podsumuje uwagi. Utworzenie workflow nie uruchamia go.
4. Pierwszy przebieg wykonaj na małym zakresie, na przykład na dwóch lub trzech plikach, i ustaw w poleceniu limit kredytów AI.
5. Aby korzystać z workflow w kolejnych sesjach, skopiuj jego katalog do ~/.copilot/extensions/. Aby udostępnić go zespołowi, umieść go w katalogu .github/extensions/ repozytorium.

Limity, koszt i kontrola przebiegu

Workflow, który uruchamia wielu subagentów, może długo działać i zużyć dużo kredytów AI. Dokumentacja pozwala ustawić cztery limity: liczbę agentów działających jednocześnie, łączną liczbę agentów w przebiegu, maksymalny czas aktywnej pracy i przybliżoną liczbę kredytów AI. Limit kredytów nie jest twardą granicą. Copilot przestaje zlecać nową pracę po jego osiągnięciu, ale zadania już rozpoczęte mogą go przekroczyć.

Limity można podać w poleceniu, w kodzie workflow albo jako ustawienia domyślne w Copilot CLI, na przykład /settings workflows.defaultLimits.maxAiCredits. Limit z polecenia ma pierwszeństwo. Przebiegi pokazuje polecenie /workflows w CLI lub przycisk Workflows w aplikacji, razem z bieżącym zużyciem kredytów. Przebieg zatrzymany przez limit lub wstrzymany ręcznie można wznowić, a zapisane wyniki ukończonych kroków nie przepadają. Anulowanego przebiegu wznowić się nie da.

GitHub nie podał osobnej ceny funkcji. Koszt wynika z kredytów AI zużywanych przez agentów zgodnie z planem Copilot, dlatego przy dużych przebiegach liczy się przede wszystkim liczba subagentów i wybrane modele.

Uprawnienia i automatyzacja w CI/CD

Subagenci workflow dziedziczą zgody udzielone w bieżącej sesji. Jeśli któryś potrzebuje nowego uprawnienia, w interaktywnej sesji CLI pojawia się zwykłe pytanie o zgodę, a agent czeka na odpowiedź. Zgoda udzielona na całą sesję obowiązuje wszystkich subagentów.

Inaczej działa polecenie copilot workflow run, przeznaczone do skryptów i potoków CI/CD. Nie wyświetla ono pytań o zgodę, więc uprawnienia trzeba nadać z góry opcjami --allow-tool lub --allow-url, a niezatwierdzone żądania są odrzucane. Wynik można zapisać do pliku JSON opcją --result-file. Zmienna GITHUB_COPILOT_PROMPT_MODE_EXTENSIONS=true pozwala uruchomić kod rozszerzenia z niezaufanego katalogu, dlatego GitHub zaleca jej użycie tylko przy kodzie, któremu się ufa. Rozszerzenie może też wykonywać własny kod poza systemem zgód.

Ograniczenia i co zrobić teraz

Funkcja jest w public preview i GitHub zastrzega, że może się zmienić. Monitorowanie przebiegów w aplikacji działa tylko w sesjach lokalnych. Wyniki agentów nie są deterministyczne, więc ten sam workflow może dać różne odpowiedzi na tych samych danych. Rozszerzenia z repozytorium to kod wykonywany na komputerze programisty, dlatego warto przeglądać zmiany w katalogu .github/extensions/ tak samo jak inny kod.

Polskim zespołom programistycznym, które rozliczają Copilota z budżetu działu, proponujemy trzy kroki. Najpierw ustawić domyślny limit kredytów AI w ustawieniach CLI. Następnie przetestować jeden powtarzalny proces, na przykład przegląd zmian przed wydaniem, na małym zakresie i sprawdzić faktyczne zużycie w /workflows. Dopiero potem udostępnić workflow w repozytorium całemu zespołowi.