The GitHub Blog · 10.06.2026 ·Инференс и железо

GitHub Copilot CLI получает поддержку LSP для интеллектуального анализа кода

GitHub Copilot CLI теперь поддерживает интеграцию с серверами Language Server Protocol (LSP). Это позволяет заменить примитивные методы поиска и декомпиляции кода на более точный анализ с использованием интеллектуальных инструментов.

Серверы LSP предоставляют Copilot CLI доступ к контексту кода, включая типы, определения и рефакторинг. Это значительно улучшает качество предложений и помогает разработчикам быстрее находить и исправлять ошибки.

Для настройки LSP-серверов необходимо установить и сконфигурировать соответствующие плагины. GitHub предоставляет подробные инструкции по интеграции с популярными языками программирования, такими как Python, JavaScript и Java.

Интеграция LSP с Copilot CLI делает инструмент более мощным и удобным для разработчиков, позволяя использовать все преимущества современных систем анализа кода прямо в командной строке.

Источник: The GitHub Blog

Похожие материалы

The GitHub Blog · Оркестрация агентов GitHub Copilot CLI улучшил оркестрацию задач Команда GitHub Copilot CLI представила обновление, которое делает работу с инструментом более эффективной. Новые алгоритмы позволяют системе более точно распределять задачи между компонентами, снижая количество лишних передач данных и ускоряя выполнение запросов. The GitHub Blog · Оркестрация агентов GitHub Copilot CLI добавил кастомные агенты для автоматизации workflows GitHub Copilot CLI теперь поддерживает кастомные агенты, которые позволяют автоматизировать рабочие процессы разработчиков. Эти агенты могут понимать специфику стека технологий и командных workflows, превращая разовые команды в терминале в повторяемые и проверяемые процессы. The GitHub Blog · Память и RAG GitHub Copilot app: агентная среда на рабочем столе GitHub представил обновлённое приложение Copilot, ориентированное на работу с ИИ-агентами. Новый интерфейс интегрирует агентов в привычную рабочую среду разработчика, позволяя использовать их для автоматизации задач, генерации кода и анализа данных. MarkTechPost · Память и RAG xAI запускает Grok Build Plugin Marketplace с поддержкой MongoDB, Vercel и других xAI представила Grok Build Plugin Marketplace — встроенный маркетплейс для терминальных приложений, который предоставляет доступ к навыкам, агентам, хукам и серверам MCP. Этот маркетплейс позволяет интегрировать плагины от таких компаний, как MongoDB, Vercel, Sentry, Chrome DevTools, Cloudflare и Superpowers, что значительно расширяет функциональность ИИ-агентов. Hacker News · Память и RAG Как LLMs меняют работу инженеров Исследование компании Aha.io показывает, как языковые модели меняют подходы инженеров к разработке. По данным опроса, 78% инженеров используют LLMs для генерации кода, 65% — для отладки, а 52% — для проектирования архитектуры. Это существенный сдвиг в индустрии, который требует пересмотра процессов и инструментов. Hacker News · Инфраструктура для агентов FastContext от Microsoft для эффективного поиска кода в репозиториях Microsoft представила FastContext — инструмент, который ускоряет поиск и анализ кода в репозиториях для ИИ-агентов. Это решение облегчает работу с большими объемами кода, что критически важно для агентов, занимающихся разработкой или поддержкой ПО. Hacker News · MCP и интеграции Интеграция ЛЛМ в OCaml как функция Разработчики из Recoil Research представили подход к интеграции больших языковых моделей (ЛЛМ) в OCaml, превращая их в обычные функции. Это позволяет использовать мощь ЛЛМ напрямую в коде, как если бы это были обычные функции, что значительно упрощает разработку ИИ-агентов и сервисов. Simon Willison's Weblog · Модели и релизы Microsoft представил две новые модели ИИ MAI-Thinking-1 и MAI-Code-1-Flash Microsoft объявил о выпуске двух новых текстовых моделей ИИ: MAI-Thinking-1 и MAI-Code-1-Flash. MAI-Thinking-1 — это модель для рассуждений с 1 триллионом параметров, из которых 35 миллиардов активны. Она доступна для "выбранных ранних партнеров". MAI-Code-1-Flash, с 137 миллиардами параметров и 5 миллиардами активных, специально разработана для GitHub Copilot и VS Code, чтобы обеспечить высокую производительность и низкую стоимость. Эта модель уже начинает выкатываться для индивидуальных пользователей GitHub Copilot в Visual Studio Code.

← Все материалы