Unity Gatewayを通じてモデル、MCPツール、スキルとともにGitHub CopilotのCLIを使いましょう。 Unity Gateway CLI(ug)はワークスペースのサインインと設定を管理します。 手動で接続を設定することもできます。
Prerequisites
Azure DatabricksのワークスペースURLと、使いたいモデル、MCPサービス、スキルへのアクセスが必要です。 手動設定の場合は、GitHub Copilot CLIをインストールし、Azure Databricksのパーソナルアクセストークンを用意してください。
管理者がすでにデバイスを設定している場合は、組織の設定手順に従ってください。
Unity Gateway CLIを使います
ugをインストールし、プロジェクトディレクトリから次のコマンドを実行します:
ug copilot
プロンプトに従ってワークスペースを選択しサインインしてください。 このコマンドは、設定済みモデルでGitHub Copilot CLIを開きます。 今使っている同じプロンプトやコマンドで作業を始めましょう。
まずは、ワークスペースで利用可能な別のモデルから始めましょう:
ug copilot --model "<model-name>"
モデルの完全なUnity Catalog名(例えば system.ai.claude-sonnet-4-6)を使ってください。 現在の ug 統合では、Copilot CLI 向けに Claude モデルと GPT モデルを構成します。
モデルを手動で設定する
端末で以下の変数を設定してください:
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"
ホスト名、トークン、モデル名を置き換えてください。
openai プロバイダー タイプでは、Claude モデルを使用する場合も含め、ゲートウェイの Chat Completions API が選択されます。 オフラインモードではGitHubのサーバーへの接続が無効になりますが、モデルリクエストは依然としてUnity Gatewayに送られます。
同じ端末からCopilot CLIを開始する:
copilot
これらの設定についてはGitHubのカスタムモデルプロバイダーのドキュメントを参照してください。
MCPツールの追加
system.ai.dbsql、system.ai.sandbox、またはsystem.ai.web_searchを利用するには、アカウント管理者がアカウントコンソールのプレビューページからUnity Gatewayベータを有効にする必要があります。
アカウント プレビューの管理をご覧ください。
Unity Gateway CLIを使います
走れ
ug mcp add --agents copilot
追加したいサービスを選択し、新しいセッションを ug copilotで開始します。 Copilot内で/mcpを入力して接続されたサーバーが表示されます。 必要なものを説明して、エージェントにツールを使うよう頼みましょう。
ug copilot
ugに登録されたMCP接続を読み込みます。 セッションの開始時に使い続けてください。
MCPサービスを手動で設定してください
このエントリーを ~/.copilot/mcp-config.jsonに統合してください:
{
"mcpServers": {
"dbsql": {
"type": "http",
"url": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
"headers": {
"Authorization": "Bearer <databricks-pat>"
},
"tools": ["*"]
}
}
}
ホスト名とトークンを置き換えてください。 別のサービスでは、固有のサーバー名を使い、 system.ai.dbsql をUnityカタログの3つからなる名前に置き換えてください。 既存のサーバーエントリを保持し、その後Copilot CLIを再起動してください。
GitHubのMCPドキュメントをご覧ください。
スキルを追加する
Unity Gateway CLIを使います
公開されているスキルをダウンロード:
ug skills add
使いたいスキルを選びましょう。 Copilot CLI は ~/.agents/skills/ からダウンロードした内容を読み取ります。 新しいセッションを始めるか、 /skills reloadを入力してから /skills list でそれらを確認してください。 ダウンロードコマンドを再度実行すると、更新されたバージョンが得られます。
スキルを手動で設定してください
すでに持っているスキルファイルについては、 SKILL.md ファイルやバンドルファイルを含む完全なフォルダを ~/.agents/skills/ やプロジェクトの .github/skills/に入れてください。
GitHubのスキルドキュメントをご覧ください。
MCPを通じて公開されたスキルレジストリにアクセスするには、上記のMCP設定を使って2台目のサーバーを追加します。
databricks-skill-registry名付けし、同じベアラー認証でこのURLを使用します:
https://<workspace-hostname>/ai-gateway/skills/
末尾のスラッシュは残してください。 Copilot CLIを再起動し、公開されているスキルをフルネームで使うように指示してください。 レジストリスキルはMCPを通じてアクセスされます。 /skills list インストール済みスキルを示します。
Unityゲートウェイのスキルはまだベータ版です。 有効化およびアクセス許可については、ガバナンス スキルを参照してください。
Troubleshooting
モデルリクエストが失敗した場合: ゲートウェイURL、トークンの有効期限、モデル名のフル名、モデル権限を確認してください。 現在のug統合では、リクエスト互換性の問題からCopilot ClからGeminiモデルが除外されています。
MCPサーバーが不足しています:ugに登録していれば、ug copilotで再起動してください。 手動設定については、 ~/.copilot/mcp-config.json と /mcpの接続詳細を確認してください。
ダウンロードされたスキルが欠けています: そのフォルダにサポートされているディレクトリに SKILL.md が含まれているか確認し、 /skills reloadを入力してください。
ワークスペースのサインインや ug 設定の問題がある場合は、 ug doctorを実行してください。