GitHub Copilot CLI verbinden

Nutzen Sie GitHub Copilot CLI mit Modellen, MCP-Tools und Fähigkeiten über Unity Gateway. Die Unity Gateway CLI (ug) übernimmt die Anmeldung und Konfiguration des Arbeitsbereichs. Du kannst die Verbindungen auch manuell konfigurieren.

Prerequisites

Sie benötigen die URL Ihres Azure Databricks Arbeitsbereichs sowie Zugriff auf die Modelle, MCP-Dienste und Fähigkeiten, die Sie nutzen möchten. Für die manuelle Einrichtung installieren Sie GitHub Copilot CLI und haben Sie ein Azure Databricks Personal Access Token.

Wenn dein Administrator dein Gerät bereits konfiguriert hat, folge den Einrichtungsanweisungen deiner Organisation.

Verwenden Sie die Unity Gateway CLI

Installiere und führe ugdann diesen Befehl aus deinem Projektverzeichnis aus:

ug copilot

Folgen Sie den Anweisungen, um Ihren Arbeitsbereich auszuwählen und sich anzumelden. Der Befehl öffnet GitHub Copilot CLI mit einem konfigurierten Modell. Fang an, mit denselben Eingabeaufforderungen und Befehlen zu arbeiten, die du bereits benutzt.

Beginnen Sie mit einem anderen Modell, das in Ihrem Arbeitsbereich verfügbar ist:

ug copilot --model "<model-name>"

Verwenden Sie den vollständigen Unity-Catalog-Namen des Modells, zum Beispiel .system.ai.claude-sonnet-4-6 Die aktuelle ug Integration konfiguriert die Claude- und GPT-Modelle für die Copilot CLI.

Modelle manuell konfigurieren

Setzen Sie diese Variablen in Ihrem Terminal:

export COPILOT_PROVIDER_TYPE="openai"
export COPILOT_PROVIDER_BASE_URL="https://<workspace-hostname>/ai-gateway/mlflow/v1"
export COPILOT_PROVIDER_BEARER_TOKEN="<databricks-pat>"
export COPILOT_MODEL="system.ai.claude-sonnet-4-6"
export COPILOT_OFFLINE="true"

Ersetzen Sie den Hostnamen, das Token und den Modellnamen. Der openai Anbietertyp wählt die Chat-Abschluss-API des Gateways aus, auch wenn Sie ein Claude-Modell verwenden. Der Offline-Modus deaktiviert Verbindungen zu GitHub-Servern; Modellanfragen gehen weiterhin an Unity Gateway.

Starten Sie die Copilot CLI vom selben Terminal aus:

copilot

Siehe die Dokumentation des Custom Model Provider von GitHub für diese Einstellungen.

MCP-Werkzeuge hinzufügen

Um system.ai.sandbox, system.ai.web_search oder system.ai.dbsql zu verwenden, muss ein Kontoadministrator die Unity Gateway-Beta über die Seite Previews der Kontokonsole aktivieren. Siehe Kontovorschauen verwalten.

Verwenden Sie die Unity Gateway CLI

Laufen:

ug mcp add --agents copilot

Wählen Sie die Dienste aus, die Sie hinzufügen möchten, und starten Sie dann eine neue Sitzung mit ug copilot. In Copilot geben Sie /mcp ein, um verbundenen Server zu sehen. Bitte den Makler, ein Tool zu verwenden, indem er beschreibt, was du brauchst.

ug copilot lädt die von ug registrierten MCP-Verbindungen. Benutze es weiter, um deine Sitzungen zu starten.

MCP-Dienste manuell konfigurieren

Fügen Sie diesen Eintrag zusammen in ~/.copilot/mcp-config.json:

{
  "mcpServers": {
    "dbsql": {
      "type": "http",
      "url": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
      "headers": {
        "Authorization": "Bearer <databricks-pat>"
      },
      "tools": ["*"]
    }
  }
}

Ersetze den Hostnamen und das Token. Für einen anderen Dienst verwenden Sie einen eindeutigen Servernamen und ersetzen system.ai.dbsql durch dessen dreiteiligen Unity Catalog-Namen. Behalte bestehende Servereinträge und starte dann die Copilot CLI neu.

Siehe die MCP-Dokumentation von GitHub.

Hinzufügen von Fähigkeiten

Verwenden Sie die Unity Gateway CLI

Veröffentlichte Skills herunterladen:

ug skills add

Wähle die Fähigkeiten, die du einsetzen möchtest. Copilot CLI liest die Downloads von ~/.agents/skills/. Starte eine neue Sitzung oder gib /skills reload ein und verwende dann /skills list, um sie anzuzeigen. Führe den Download-Befehl erneut aus, um aktualisierte Versionen zu erhalten.

Fähigkeiten manuell konfigurieren

Für Skill-Dateien, die du bereits hast, platziere den kompletten Ordner, einschließlich SKILL.md und gebündelter Dateien, in ~/.agents/skills/ oder im .github/skills/ deines Projekts. Siehe die Dokumentation über Fähigkeiten auf GitHub.

Um über MCP auf das veröffentlichte Fertigkeitsregister zuzugreifen, fügen Sie einen zweiten Server mit der oben genannten MCP-Konfiguration hinzu. Nenne sie databricks-skill-registry und verwende diese URL mit derselben Träger-Authentifizierung:

https://<workspace-hostname>/ai-gateway/skills/

Behalten Sie den abschließenden Schrägstrich bei. Starte die Copilot CLI neu und bitte sie, eine veröffentlichte Fähigkeit mit ihrem vollständigen Namen zu verwenden. Registry-Fähigkeiten werden über MCP abgerufen; /skills list zeigt installierte Fähigkeiten an.

Die Unity-Gateway-Fähigkeiten befinden sich in der Beta. Siehe Governance-Fähigkeiten für Aktivierung und Berechtigungen.

Troubleshooting

Eine Modellanfrage schlägt fehl: Überprüfen Sie die Gateway-URL, das Token-Ablaufdatum, den vollständigen Modellnamen und die Modellberechtigungen. Die aktuelle ug Integration schließt Gemini-Modelle aus der Copilot CLI aus, da es ein Problem mit der Anfragekompatibilität gibt.

Ein MCP-Server fehlt: Wenn du ihn bei ugregistriert hast, starte neu mit ug copilot. Für die manuelle Einrichtung prüfen Sie ~/.copilot/mcp-config.json und die Verbindungsdetails in /mcp.

Eine heruntergeladene Skill fehlt: Überprüfen Sie, ob ihr Ordner SKILL.md in einem unterstützten Verzeichnis enthält, und geben Sie dann /skills reload ein.

Bei Problemen bei der Anmeldung am Arbeitsbereich oder bei ug Einrichtungsproblemen führe ug doctor aus.

Nächste Schritte

  • Zuletzt aktualisiert um