Connecter l’interface de ligne de commande GitHub Copilot

Utilisez la CLI de GitHub Copilot avec les modèles, outils MCP et compétences via Unity Gateway. La CLI Unity Gateway (ug) gère la connexion et la configuration de l’espace de travail. Vous pouvez aussi configurer les connexions manuellement.

Prerequisites

Vous avez besoin de l’URL de votre espace de travail Azure Databricks ainsi que d’accéder aux modèles, services MCP et compétences que vous souhaitez utiliser. Pour une configuration manuelle, installez la CLI de GitHub Copilot et ayez un token d’accès personnel Azure Databricks.

Si votre administrateur a déjà configuré votre appareil, suivez les instructions de configuration de votre organisation.

Utilisez l’interface de ligne de commande Unity Gateway

Installez ug, puis exécutez cette commande depuis le répertoire de votre projet :

ug copilot

Suivez les instructions pour sélectionner votre espace de travail et vous connecter. La commande ouvre la CLI de GitHub Copilot avec un modèle configuré. Commencez à travailler avec les mêmes indications et commandes que vous utilisez déjà.

Pour commencer avec un modèle différent disponible dans votre espace de travail :

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

Utilisez le nom complet du catalogue Unity du modèle, comme system.ai.claude-sonnet-4-6. L’intégration actuelle ug configure les modèles Claude et GPT pour la CLI Copilot.

Configurez les modèles manuellement

Définissez ces variables dans votre 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"

Remplacez le nom d’hôte, le jeton et le nom du modèle. Le type de fournisseur openai sélectionne l’API Chat Completions de la passerelle, y compris si vous utilisez un modèle Claude. Le mode hors ligne désactive les connexions aux serveurs de GitHub ; les requêtes de modèles vont toujours vers Unity Gateway.

Commencez le CLI de Copilot depuis le même terminal :

copilot

Consultez la documentation du fournisseur de modèles personnalisés sur GitHub pour ces paramètres.

Ajouter des outils MCP

Pour utiliser system.ai.dbsql, system.ai.sandbox, ou system.ai.web_search, un administrateur de compte doit activer la bêta de Unity Gateway depuis la page Previews de la console de compte. Voir Gérer les aperçus du compte.

Utilisez l’interface de ligne de commande Unity Gateway

Run:

ug mcp add --agents copilot

Sélectionnez les services que vous souhaitez ajouter, puis commencez une nouvelle session avec ug copilot. Dans Copilot, entre /mcp pour voir les serveurs connectés. Demandez à l’agent d’utiliser un outil en décrivant ce dont vous avez besoin.

ug copilot charge les connexions MCP enregistrées par ug. Continuez à l’utiliser pour commencer vos séances.

Configurez manuellement les services MCP

Fusionner cette entrée dans ~/.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": ["*"]
    }
  }
}

Remplacez le nom d’hôte et le jeton. Pour un autre service, utilisez un nom de serveur unique et remplacez-le system.ai.dbsql par son nom Unity Catalog en trois parties. Conservez les entrées serveur existantes, puis redémarrez la ligne de code de Copilot.

Voir la documentation MCP de GitHub.

Ajouter des compétences

Utilisez l’interface de ligne de commande Unity Gateway

Téléchargez les compétences publiées :

ug skills add

Choisissez les compétences que vous souhaitez utiliser. Copilot CLI lit les téléchargements depuis ~/.agents/skills/. Démarrez une nouvelle session, ou saisissez /skills reload, puis utilisez /skills list pour les afficher. Relance la commande de téléchargement pour obtenir les versions mises à jour.

Configurez les compétences manuellement

Pour les fichiers de skill que vous possédez déjà, placez le dossier complet, y compris SKILL.md et les fichiers inclus, dans ~/.agents/skills/ ou dans le .github/skills/ de votre projet. Consultez la documentation sur GitHub sur les compétences.

Pour accéder au registre de compétences publié via MCP, ajoutez un second serveur en utilisant la configuration MCP ci-dessus. Nommez-la databricks-skill-registry et utilisez cette URL avec la même authentification porteuse :

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

Conservez le slash final. Redémarrez la CLI de Copilot et demandez-lui d’utiliser une compétence publiée sous son nom complet. Les compétences du registre sont accessibles via MCP ; /skills list montrent les compétences installées.

Les compétences de la passerelle Unity sont en bêta. Voir Compétences de gouvernance pour l’habilitation et les autorisations.

Troubleshooting

Une requête de modèle échoue : Vérifiez l’URL de la passerelle, l’expiration du jeton, le nom complet du modèle et les permissions du modèle. L’intégration actuelle ug exclut les modèles Gemini de la ligne de ligne de commande Copilot en raison d’un problème de compatibilité des requêtes.

Un serveur MCP manque : Si vous l’avez enregistré avec ug, redémarrez avec ug copilot. Pour une configuration manuelle, vérifiez ~/.copilot/mcp-config.json et les détails de connexion dans /mcp.

Une compétence téléchargée est manquante : Vérifiez que son dossier contient SKILL.md dans un répertoire pris en charge, puis entrez /skills reload.

Pour les problèmes de connexion ou ug de configuration d’espace de travail, exécutez ug doctor.

Étapes suivantes

  • Dernière mise à jour :