Plötzlich kann Copilot mehr

Dein Team bereitet einen großen Release vor, und du jonglierst mit mehreren GitHub-Issues und Branches. Du arbeitest in VS Code mit GitHub Copilot und wünschst dir, es könnte Aufgaben wie das Auflisten offener Issues oder das Erstellen von Pull Requests übernehmen.

Eine Teamkollegin schlägt vor, den GitHub-MCP-Server zu installieren, um Copilots Fähigkeiten zu erweitern. Du probierst es aus – und plötzlich kann Copilot viel mehr.

Was beschreibt die Rolle des MCP-Servers am besten, der dieses Verhalten ermöglicht?

Diese Übung ist Teil des Kurses

<Kurs>Softwareentwicklung mit GitHub Copilot</Kurs>

Kurs ansehen

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Übung starten

Diese Übung ist Teil des Kurses

<Kurs>Softwareentwicklung mit GitHub Copilot</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.9+

776 reviews

Kurs kostenlos starten

Lerne, wie du GitHub Copilot in seinen verschiedenen Oberflächen optimal nutzt – Autovervollständigung, Inline, Chat-Modi und Agent Mode. Erfahre, wann du welche Funktion einsetzt, wie du Copilot gezielt leitest und wie du sein volles Potenzial sowohl für schnelle Korrekturen als auch für komplexe Aufgaben über mehrere Dateien hinweg ausschöpfst.

Exercise 1: Was ist GitHub Copilot?Exercise 2: Was kann Copilot wirklich?Exercise 3: Die GitHub-Copilot-Modi erkunden Exercise 4: Markieren, prompten, fertig Exercise 5: Keine Edits, nur Ideen Exercise 6: Inline, Ask oder Edit? Du entscheidest Exercise 7: Agent Mode kennenlernen Exercise 8: Was den Agent Mode auszeichnet Exercise 9: Moment mal, was fragt Copilot da?

Verbessere die Genauigkeit von Copilot, indem du es mit Kontext, Chat-Variablen und Expertenteilnehmenden führst. Lerne, diese Funktionen mit Slash-Befehlen und Smart Actions zu kombinieren, um Debugging, Code-Reviews und die Projektnavigation zu vereinfachen. Gewinne praktische Techniken, die Copilot zu einem zuverlässigeren und effizienteren Coding-Partner machen.

Exercise 1: Copilot mit Kontext steuern Exercise 2: Einfach #context hinzufügen Exercise 3: Führe Copilot Schritt für Schritt hindurch Exercise 4: Fachwissen einbringen Exercise 5: Wen solltest du fragen?Exercise 6: Du fragst, Copilot antwortet Exercise 7: Effizient mit Copilot arbeiten Exercise 8: Rate mal, wer das vorgeschlagen hat Exercise 9: Lass Copilot die Tests übernehmen

Lerne, wie du das Verhalten von Copilot mit benutzerdefinierten Anweisungen und der Auswahl des Modells steuerst. Definiere Codierstandards, setze projekt- oder organisationsweite Konventionen durch und wähle das richtige KI-Modell für Geschwindigkeit, logisches Schlussfolgern oder Aufgaben über mehrere Dateien. Gewinne die Kontrolle darüber, wie sich Copilot an deinen Workflow anpasst.

Exercise 1: Copilot anpassen Exercise 2: Getypt, dokumentiert und on brand Exercise 3: Was macht eine gute Anweisung aus?Exercise 4: Modelle auswählen und wechseln Exercise 5: Ordne das Modell der Aufgabe zu Exercise 6: Verschiedene Modelle, unterschiedliche Stärken Exercise 7: Moment, kostet dieses Modell mehr?Exercise 8: Copilot mit MCP-Tools erweitern Exercise 9: Plötzlich kann Copilot mehr

Aktuelle Übung

Exercise 10: Was ist hinter den Kulissen passiert?

Gehe über die alltägliche Nutzung von Copilot hinaus. Lerne, umfassende Test-Suiten zu generieren, Sicherheitslücken zu erkennen und zu beheben sowie die Code-Performance zu optimieren.

Exercise 1: Tests und Codequalität mit Copilot Exercise 2: Schnelle Tests oder individueller Prompt?Exercise 3: Wie würdest du Copilot auffordern?Exercise 4: Tests über Komponenten hinweg erstellen Exercise 5: Sicherheit mit GitHub Copilot Exercise 6: Die passende Security-Vorgehensweise wählen Exercise 7: Von der Schwachstelle zur Prävention Exercise 8: Schlechte Muster verhindern Exercise 9: Performance-Optimierung mit GitHub Copilot Exercise 10: Worauf optimierst du?Exercise 11: Einen langsamen Endpoint diagnostizieren Exercise 12: Glückwunsch!