這幾年，AI 已逐漸進入各種產品與工作流程。聊天機器人、文件摘要、程式碼生成與工作流程自動化，對多數開發者來說都已不算陌生。不過，當 AI 真正接進產品或內部系統，開發工作通常不會停在「送出 Prompt，再取得回應」。上下文要如何延續？工具要怎麼整合？哪些操作需要授權？執行失敗時該如何追蹤？原本只能在本機運作的原型，又該怎麼整理成可部署、可維運的服務？這些問題很快就會成為實際開發時必須處理的事情。

我會想寫這個 GitHub Copilot SDK 系列，是因為它處理的範圍已經超過模型呼叫本身，更接近如何把 Agent 整合進既有系統。整個系列會以一個實際問題為主軸：如果要把 GitHub Copilot 變成產品能力的一部分，具體該怎麼做？

當 AI 進入系統時，會遇到哪些工程問題？

單次對話的流程相對單純：送出 Prompt，等待模型回傳結果。當 AI 開始參與完整的工作流程，它可能需要記住前面的資訊、判斷下一步、呼叫工具，甚至改變系統中的資料或狀態。隨著 Agent 參與程度提高，系統也需要進一步處理狀態如何延續、能力如何整合、操作如何控制，以及服務如何穩定運作等工程問題：

• 狀態管理：互動可能橫跨多輪，前面的對話與執行結果要能延續，程式重新連線或重新啟動後，也可能需要繼續原本的工作。
• 能力整合：Agent 往往需要呼叫內部 API、外部服務或其他系統工具。除了工具本身，還要處理參數如何傳遞、結果如何回到執行流程，以及失敗後該怎麼處理。
• 治理與安全：只要 Agent 具備操作能力，就可能接觸實際資料或改變系統狀態。系統需要確認目前使用者可以存取哪些資料、允許執行哪些操作，以及什麼情況需要額外確認，避免 Agent 的判斷直接變成實際操作。
• 部署與維運：本機原型可以運作，只代表核心流程可行。正式服務還需要處理錯誤、執行紀錄、資源限制、連線管理、監控告警，以及不同執行環境之間的差異。

模型能力只是 Agent 應用的一部分。當 AI 開始參與實際工作流程後，狀態怎麼保存、工具怎麼使用、操作如何控制，以及服務能不能穩定執行，都會直接影響最後的使用體驗。

為什麼選擇 GitHub Copilot SDK？

多數人接觸 GitHub Copilot，通常是從編輯器中的程式碼補全、聊天介面或 Agent 功能開始。在這些使用情境中，Copilot 已經可以理解目前的工作脈絡、使用工具，並協助開發者持續推進任務。當我們希望把類似的 Agent 能力帶進自己的產品，就需要一套方式讓應用程式參與整個執行流程。

GitHub Copilot SDK 提供了一條將應用程式接上 Copilot Agent Runtime 的開發路徑。Agent Runtime 可以先理解成負責持續執行 Agent 工作的環境，應用程式則透過 SDK 建立工作階段、傳送訊息、提供工具、接收執行事件，並在需要時控制流程。

這讓開發工作可以沿著同一套方式逐步增加能力。最開始只需要建立一段互動，之後可以加入即時輸出、工具使用、權限確認、流程控制，再進一步處理狀態保存與服務部署。

Copilot SDK 可以協助處理 Agent 執行相關的工作，但產品原本需要負責的事情仍然存在。使用者是誰、可以讀取哪些資料、哪些操作允許執行，都要由應用程式根據自己的規則判斷。Agent 可以提出下一步要做什麼，真正能不能執行，仍然受到產品本身的控制。

這也是我選擇 GitHub Copilot SDK 作為這個系列主題的原因。透過同一條開發路徑，我們可以從最基本的互動開始，逐步延伸到工具、流程控制與服務部署，並觀察 Agent 能力進入實際應用後需要處理哪些工程問題。

這個系列會怎麼展開？

整個系列會從 GitHub Copilot SDK 的基本定位開始，先建立可以執行的 Agent App，再逐步加入互動、工具、控制與部署能力。內容分成五個階段：

1. 核心觀念與快速上手：理解 GitHub Copilot SDK 與 Agent Runtime 的角色，並完成第一個可運作的 Agent App。
2. Session 與 Agent 執行機制：理解 Agent 如何延續任務、處理多輪互動，以及應用程式如何掌握目前的執行狀態。
3. Agent 能力擴充與整合：加入工具、外部服務、圖片輸入與角色分工，讓 Agent 能使用更多能力完成任務。
4. Agent 執行控制與生命週期：處理執行中的方向調整、輸入與工具檢查、失敗處理，以及工作如何開始、停止與結束。
5. Agent 服務化與正式部署：將本機可運作的 Agent App 延伸為後端服務，進一步處理身分、模型存取、狀態保存、多人使用、監控與部署等問題。

每個階段都會延續前面已經建立的觀念與能力，讓後續內容能在既有基礎上逐步加入新的工程問題與實作方式。

這個系列適合誰？

這個系列適合已經具備應用程式開發經驗，並正在思考如何把 AI 能力整合進產品、工作流程或內部工具的開發者。內容會聚焦在 Agent 如何進入既有系統，以及整合之後需要面對的工程問題。

系列不會深入討論模型訓練或演算法原理，也不以比較模型回答品質為重點。我們會從 Agent 如何持續工作、使用工具、取得使用者輸入與接受流程控制開始，一路延伸到如何整理成可部署、可維運的後端服務。

實戰範例會使用 Node.js 與 TypeScript，示範 GitHub Copilot SDK 各項能力的實作方式。系列重點仍然放在 SDK 的使用方式，以及 Agent 應用進入實際產品後需要處理的工程問題。即使平常使用 Python、Go 或 .NET，這些設計觀念大多仍能延伸到其他技術環境。

小結

當 AI 開始參與持續互動、工具操作與實際工作流程，開發工作也會延伸到狀態管理、操作控制與服務維運等問題。GitHub Copilot SDK 提供了一條將這些 Agent 能力接進應用程式的開發路徑，讓我們可以沿著實際需求逐步加入需要的功能。

接下來要真正開始使用 SDK，首先需要看清楚應用程式、GitHub Copilot SDK 與 Agent Runtime 各自扮演什麼角色，以及它們如何共同完成一次 Agent 執行流程。