Es importante destacar que la efectividad de GitHub Copilot depende directamente del contexto que le proporcionemos. Cada proyecto posee convenciones propias, scripts específicos y patrones de arquitectura que, si se describen de forma estructurada, permiten que la IA genere código alineado con nuestras prácticas. En este sentido, la carpeta .github se convierte en el núcleo donde se almacenan los archivos de configuración que guían a Copilot, empezando por los archivos de instrucciones. Un archivo central, como *copilot‑instructions.md*, define directrices generales, mientras que subcarpetas especializadas pueden contener archivos dirigidos a tipos de archivo concretos, por ejemplo Astro o Svelte, mediante la cláusula *apply to*. De esta manera, Copilot reconoce automáticamente el lenguaje o framework y adapta su salida a la estructura deseada.
Una consideración clave es la incorporación de *skills* dentro del mismo repositorio. Estas tareas de bajo nivel, definidas en .github/skills, describen procedimientos repetibles como verificaciones de calidad, linting o pruebas unitarias. Al incluir una descripción clara de lo que realiza cada skill, Copilot puede invocarla de forma autónoma cuando el flujo de trabajo lo requiera, garantizando consistencia y reduciendo la carga manual del desarrollador. La experiencia nos demuestra que, al centralizar estas rutinas, el equipo mantiene un estándar homogéneo y acelera la detección de errores antes de que lleguen al pull request.
Los *agents* representan el siguiente nivel de especialización. Un agente personalizado actúa como orquestador, combinando múltiples instrucciones y skills para abordar tareas más amplias, como auditorías de accesibilidad o revisiones de seguridad. Cambiar de agente mediante el comando /agent permite seleccionar, por ejemplo, un *accessibility agent* que, al recibir la solicitud “Ensure the updates are accessible”, revisa todo el proyecto, consulta las guías específicas de Astro y Svelte y genera un informe con las correcciones necesarias. Esta capacidad de modularidad convierte a Copilot en un asistente proactivo que no solo escribe código, sino que también verifica su cumplimiento con requisitos no funcionales.
Finalmente, los servidores MCP amplían el horizonte de lo que Copilot puede ejecutar. Al registrar servidores como *Playwright MCP* en la configuración del repositorio, se habilita la interacción con entornos externos, permitiendo que la IA inicie navegadores, realice pruebas de extremo a extremo y valide la experiencia del usuario de forma automatizada. La integración de documentación adicional mediante servidores como *AstroDocs* o *Svelte* enriquece el contexto disponible, lo que se traduce en sugerencias más precisas y alineadas con la última información del ecosistema. En conjunto, estas cuatro capas –instrucciones, skills, agents y servidores MCP– forman una arquitectura de conocimiento que vive dentro del propio repositorio, garantizando que todo el equipo y Copilot se beneficien de forma inmediata y sin necesidad de desarrollos desde cero. La comunidad también ofrece colecciones listas para usar en awesome‑copilot.github.com, lo que facilita la adopción de buenas prácticas y acelera la puesta en marcha de proyectos Cloud con IA integrada.
Fuente: YouTube
