![](https://developer.qcloudimg.com/http-save/yehe-7353521/c0ccde1d13f00a048923d72a69e90b83.jpg)

> 前两篇我们从入门到架构，把 GitHub Copilot SDK 拆透了。这篇换个角度——直接上代码，用四个真实场景展示 SDK 能做什么，以及为什么这比 " 直接调 LLM" 更有意思。

## 为什么需要 Demo？

理论讲了很多：Client/Session 的职责分离、事件驱动模型、39 种事件类型……

但真正让你 *感受到* SDK 价值的，是看到它在实际场景里怎么运作。

这四个场景来自我的 [copilot-sdk-demo](https://github.com/addozhang/copilot-sdk-demo) 仓库，从简单到复杂，每个场景都聚焦一个核心能力：

| 场景 | 核心能力 | 一句话描述 |
|------|----------|-----------|
| 场景一 | 工具调用 | PR Code Review Bot |
| 场景二 | 多工具 + 输出保存 | 自动文档生成器 |
| 场景三 | 交互式对话循环 | kubectl 自然语言助手 |
| 场景四 | Skills 机制 | 带团队规范的 PR Review |

---

## 环境准备

```bash
# 克隆 demo 仓库
git clone https://github.com/addozhang/copilot-sdk-demo
cd copilot-sdk-demo

# 安装依赖
pip install -r requirements.txt
```

前置条件：已安装并登录 `gh-copilot` CLI（详见 [入门篇](https://cloud.tencent.com/developer/article/2650923)）。

---

## 场景一：PR Code Review Bot

**核心能力：工具调用（Tool Calling）**

这是最经典的 Agent 模式：让 LLM " 决定 " 什么时候去调用外部函数，而不是在代码里硬编码调用顺序。

```python
from copilot.tools import define_tool
from pydantic import BaseModel, Field

class GetPrDiffParams(BaseModel):
    repo: str = Field(description="Repository in owner/repo format")
    pr_number: int = Field(description="Pull request number")

@define_tool(description="Fetch the diff for a pull request")
def get_pr_diff(params: GetPrDiffParams) -> str:
    # 实际项目里调用 GitHub API；demo 用硬编码 diff
    return SAMPLE_DIFF
```

把工具注册到 Session：

```python
session = await client.create_session(
    model="claude-sonnet-4.6",
    streaming=True,
    tools=[get_pr_diff],
    on_permission_request=lambda req, inv: PermissionRequestResult(kind="approved"),
)

await session.send_and_wait(
    "Please review PR #42 in 'acme/backend'. "
    "Use the get_pr_diff tool to fetch the diff, then provide a thorough code review."
)
```

**发生了什么？**

你没有告诉 LLM " 先调用 get_pr_diff，拿到结果再分析 "。你只是说 " 帮我 review PR #42"。LLM 根据工具描述自主判断需要先获取 diff，调用工具，拿到结果，再完成 review。

这就是工具调用的核心价值：**LLM 做规划，你定义能力边界**。

---

## 场景二：自动文档生成器

**核心能力：工具调用 + 结果持久化**

给定一个 Python 源文件，自动生成 README 文档并保存到磁盘。

```python
@define_tool(description="Read the contents of a file from disk")
def read_file(params: ReadFileParams) -> str:
    path = Path(params.filename)
    if not path.exists():
        return f"Error: file '{params.filename}' not found."
    return path.read_text()
```

关键点在于流式输出的收集：

```python
generated_chunks = []

def handle_event(event):
    t = str(event.type)
    if "ASSISTANT_MESSAGE_DELTA" in t:
        if hasattr(event.data, "delta_content") and event.data.delta_content:
            sys.stdout.write(event.data.delta_content)
            sys.stdout.flush()
            generated_chunks.append(event.data.delta_content)  # 同时收集

session.on(handle_event)

await session.send_and_wait(
    f"Read the file '{target_file}' using the read_file tool, "
    "then generate a comprehensive README.md. Output only the markdown content."
)

# 流式输出完成后，拼接并保存
Path("README_generated.md").write_text("".join(generated_chunks))
```

**一边流式输出给用户看，一边收集内容保存到文件**——这是事件驱动模型带来的自然优势。用同步的请求 - 响应模式，你要等全部内容返回才能显示或保存。

---

## 场景三：kubectl 自然语言助手

**核心能力：交互式对话循环 + System Prompt**

这个场景最接近 " 真正的 AI 助手 "：多轮对话，每轮都能调用工具操作真实系统。

```python
@define_tool(description="Execute a kubectl command and return the output")
def run_kubectl(params: RunKubectlParams) -> str:
    result = subprocess.run(
        f"kubectl {params.command}",
        shell=True, capture_output=True, text=True, timeout=30,
    )
    return result.stdout or result.stderr or "(no output)"
```

注入系统提示词，塑造助手角色：

```python
SYSTEM_PROMPT = """You are a Kubernetes assistant. Translate natural language 
to kubectl commands, execute them, and explain the output. 
If the request is potentially dangerous (deleting resources), ask for confirmation first."""

session = await client.create_session(
    model="claude-sonnet-4.6",
    streaming=True,
    tools=[run_kubectl],
    system_message={"mode": "append", "content": SYSTEM_PROMPT},
    on_permission_request=lambda req, inv: PermissionRequestResult(kind="approved"),
)
```

交互循环：

```python
while True:
    user_input = input("\n> ").strip()
    if user_input.lower() in ("exit", "quit"):
        break
    await session.send_and_wait(user_input)
```

运行效果：

```
> Show me all running pods in the default namespace

[Tool] Running: kubectl get pods --field-selector=status.phase=Running -n default

NAME                    READY   STATUS    RESTARTS   AGE
nginx-7d9b8c4f9-xk2p9   1/1     Running   0          3d
api-server-6f8b9-mnp4   1/1     Running   2          5d

以上是 default namespace 中当前运行的 2 个 Pod...
```

**这里有个设计细节值得注意**：`system_message` 的 `mode: "append"` 意味着你的 System Prompt 是附加到 Copilot 内置 System Prompt 之后，而不是替换它。这样你既能保留 Copilot 的基础行为，又能叠加自己的角色定义。

---

## 场景四：带团队规范的 PR Review（Skills）

**核心能力：Skills 机制**

场景一和场景四 用的是完全一样的代码，只有一行区别：

```python
# Scenario 1
session = await client.create_session(
    model="claude-sonnet-4.6",
    tools=[get_pr_diff],
    ...
)

# Scenario 4：增加 skill_directories
session = await client.create_session(
    model="claude-sonnet-4.6",
    tools=[get_pr_diff],
    skill_directories=["./skills/code-review"],  # 👈 这一行
    ...
)
```

`skills/code-review/SKILL.md` 的内容：

```markdown
# Code Review Standards

When reviewing code, always check for:
1. Missing error handling (try/except for I/O, network, parsing)
2. Type hints on all function parameters and return values
3. Docstrings on all public functions and classes
4. No hardcoded credentials or secrets
5. Functions should be < 30 lines; suggest refactoring if longer

Output format:
- Start with a summary: APPROVED / NEEDS CHANGES / MAJOR ISSUES
- List each issue with: [SEVERITY: HIGH/MEDIUM/LOW] description
- End with specific suggestions
```

这个 Markdown 文件被 SDK 自动注入到 Session 上下文中，LLM 的输出格式会因此发生显著变化——不再是自由风格的 review，而是严格遵循团队规范的结构化报告。

**Skills 的本质**：一种轻量的 Prompt 工程封装机制。把团队规范、领域知识、输出模板写进 Markdown，通过目录路径注入，让不同的 Session 拥有不同的 " 专业背景 "。

对比 场景一和场景四 的输出就会发现：同样的代码 diff，同样的用户提问，加了 Skills 之后的 review 立刻变得更专业、更一致，而且更贴近你团队的实际需求。

---

## 四个场景的共同模式

回顾这四个 demo，你会发现一个固定的代码骨架：

```python
# 1. 初始化客户端
client = CopilotClient()
await client.start()

# 2. 创建会话（注册工具、配置模型）
session = await client.create_session(
    model="claude-sonnet-4.6",
    tools=[your_tools],
    ...
)

# 3. 注册事件处理器（流式输出）
def handle_event(event):
    if "ASSISTANT_MESSAGE_DELTA" in str(event.type):
        sys.stdout.write(event.data.delta_content or "")

session.on(handle_event)

# 4. 发送消息
await session.send_and_wait("your prompt")

# 5. 清理
await client.stop()
```

这个骨架不变，变的是：

- **工具定义**：你想给 LLM 哪些 " 手脚 "？
- **System Prompt / Skills**：你想给 LLM 什么 " 性格 " 和 " 背景 "？
- **对话模式**：单轮还是多轮？

---

## 从 Demo 到生产

这四个场景是 " 最小可运行 " 版本，但核心模式已经够用了。走向生产时，你主要需要补充：

1. **真实的工具实现**：把 `get_pr_diff` 里的硬编码 diff 换成真正的 GitHub API 调用
2. **错误处理**：工具调用失败时的重试和降级
3. **权限控制**：`on_permission_request` 里加真实的审批逻辑，而不是一律 `approved`
4. **日志和可观测性**：利用 `TOOL_EXECUTION_*` 系列事件记录工具调用链路

---

## 总结

三篇文章，完整的学习路径：

- **[入门篇](https://cloud.tencent.com/developer/article/2650923)**：5 行代码启动 Agent，理解 SDK 与 CLI 的关系
- **[架构篇](https://cloud.tencent.com/developer/article/2650922)**：Client/Session 职责分离，事件驱动模型，39 种事件类型
- **本文（实战篇）**：四个场景，工具调用、交互循环、Skills 机制，从 demo 到生产

GitHub Copilot SDK 的价值不在于 " 它帮你调 LLM"，而在于**它提供了一个生产验证过的 Agent 运行时**——你只需要告诉它 " 能做什么 "（工具定义）和 " 怎么思考 "（系统提示词/Skills），剩下的规划和执行交给 Copilot。

完整代码：https://github.com/addozhang/copilot-sdk-demo




前两篇我们从入门到架构，把 GitHub Copilot SDK 拆透了。这篇换个角度——直接上代码，用四个真实场景展示 SDK 能做什么，以及为什么这比 " 直接调 LLM" 更有意思。

超越 Copilot Chat：用 SDK 打造专属 AI Agent（实战四场景）

人工智能

开发工具

后端

GitHub Copilot SDK实战：4个真实场景展示工具调用、交互对话和Skills机制。从PR代码审查到kubectl助手，演示如何通过定义工具和系统提示词构建专业AI助手。包含代码示例，展示如何实现流式输出、结果持久化和团队规范注入。

Python

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

超越 Copilot Chat：用 SDK 打造专属 AI Agent（实战四场景）-腾讯云开发者社区-腾讯云

超越 Copilot Chat：用 SDK 打造专属 AI Agent（实战四场景）

超越 Copilot Chat：用 SDK 打造专属 AI Agent（实战四场景）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐