GitHub CopilotのSkillsとAgent Personasを活用した再利用可能ワークフロー構築手法

何が発表されたのか

MicrosoftのソフトウェアエンジニアであるKaleb Cole氏とKurt Emrich氏は、GitHub Copilotを活用した高度なAIワークフロー構築手法を解説しました。単にプロンプトを都度入力するのではなく、エージェントスキル（Agent Skills）、エージェントペルソナ（Agent Personas）、プラグイン（Plugins）、マーケットプレイス（Marketplaces）という枠組みを組み合わせ、繰り返し発生する開発作業を再利用可能な自動化手順として定義する方法を提示しています。

本発表は研究段階ではなく、GitHub Copilot CLIアプリやVisual Studio Code上で動作する実装済みの拡張エコシステムに基づく実用的な技術解説です。開発者が個別に行っていた記事執筆、レビュー、HTML化、Git操作、履歴書データとポートフォリオサイトの同期作業などを、構造化された「スキル」に変換して運用する具体的な手順が実演されました。

発表された機能・アップデートの全容

Agent Skillの構造とSKILL.mdによる定義方法

エージェントスキルは、一連の自動化ステップをマークダウン形式で記述した「SKILL.md」ファイルと、関連するスクリプトや参照資料（references）、アセット（assets）を収めた単一のフォルダ構造で構成されます。このフォルダは開発者のローカル環境で直接管理できる独立した単位です。

動画内では、このスキルフォルダをチャットやテキストでチームメンバーや友人に共有するだけで、作成者と同じAIワークフローを再現・実行できる利便性が示されました。個人のノウハウをAIが解釈可能なマニュアルとしてパッケージ化し、PCローカル単位やGitリポジトリ単位で管理できる点が大きな特徴です。

Agent Personaによるラバーダック評価と批判的レビュー

エージェントペルソナとは、Copilotに対して特定の「役割」や「思考モード（マインドセット）」を付与する仕組みです。本デモでは、Copilotに内蔵されている「Rubber Duck Agent（ラバーダック・エージェント）」が使用されました。

プログラミングの伝統的な手法である「ラバーダック・デバッグ」を応用したこのペルソナは、ユーザーや主エージェントの提示した内容を無条件に肯定せず、客観的な視点から論理の飛躍や事実の不整合を指摘する低い信頼モード（low trust）で動作します。実際にポッドキャストのメモから生成したブログ下書きに対し、ラバーダック・エージェントが「ノートに含まれていない事実が書かれていないか」「学生読者にとって分かりやすい構成か」といった観点から複数の改善提案を番号付きで提示する様子が確認できました。

自動ワークフローのSkill化と新規セッションでの再利用デモ

デモではまず、ポッドキャストのメモのテキスト化、初稿の作成、ラバーダックによる批評、指摘に基づく修正、HTML形式への変換、ローカルWebサーバーでのプレビュー確認、そしてGitHubへのコミットとプッシュという全7工程を手動で指示しながら実行しました。

続いて、この一連の成功体験を踏まえ、Copilotに対して「今行った手順を create-blog という名称のスキルとして作成して保存せよ」とプロンプトで命令しました。Copilotはリポジトリのルールを読み込み、事前承認ゲートや確認ダイアログの仕様を含めた SKILL.md を自動作成しました。

その後、/clear コマンドでセッションの文脈履歴を完全に消去した状態で、まったく別の「リサイクルダッシュボードのメモ」を入力とし、「create-blog スキルを使って記事を作成せよ」と一言命じました。Copilotは定義されたスキルファイルを自読し、手動で行ったときと全く同じレビューやHTML変換、ローカル確認、GitHubコミットまでのプロセスを完全自動で再現しました。

プラグインマーケットプレイスからの拡張機能追加とresume-site-syncの実演

スキルやペルソナ、MCPサーバーなどをまとめた単位を「プラグイン」と呼び、これらはGitHubリポジトリ上の marketplace.json を通じてマーケットプレイス形式で配布できます。設定画面の「Plugins」タブから「Add marketplace」を選択し、該当リポジトリのURLを入力することで、サードパーティが作成したスキル群を自分の環境にインストールできます。

デモでは、学生向けスキル集リポジトリから「resume-site-sync」というプラグインをインストールしました。このスキルを起動し、3年生時点の古い履歴書PDFと4年生時点の最新PDFの2つを指定すると、Copilotが両者の差分（学年の更新、新たなインターンシップ経験、ポッドキャストの配信話数増加など）を自動で抽出しました。

抽出された変更点は「承認用テーブル」として画面上に提示され、ユーザーが「approve all」と入力するだけで、Webサイトの該当HTMLファイル群が自動更新され、GitHubにプッシュされる一連の同期作業が実演されました。