【Copilot Chat 】之内置命令和插件使用

Copilot Chat

内置命令

GitHub Copilot Chat 的内置命令主要分为三大类：@(聊天参与者)，用于召唤领域专家；#(聊天变量)，用于精确定位上下文；以及/(斜杠命令)，用于快速执行特定开发任务。

聊天参与者 (@) - 召唤领域专家

用于在对话开头切换至特定领域的AI“专家”，以获得更专业的回答。

聊天变量 (#) - 精确定位上下文

用于在提问时精确地告诉Copilot需要关注的代码片段、文件或其他上下文信息。

斜杠命令 (/) - 快速执行任务

用于直接执行特定任务，例如解释代码、修复Bug或生成测试。

插件

Copilot Chat 插件是什么

GitHub Copilot Chat 插件是扩展 Copilot 智能体（Agent）能力的功能包，用来新增自定义斜杠命令、参与者、技能（Skill）、钩子（Hook）与 MCP 服务，可通过一条命令安装，本质是把 commands、subagents、MCP servers、hooks 组合成可分发的集合。

• 宿主：VS Code 里的GitHub.copilot-chat扩展
• 核心用途：给 Agent 加自定义/xxx命令、@xxx参与者、技能、钩子、外部工具集成
• 安装方式：copilot plugins install <插件名/路径>

插件完整目录结构（2026‑05 官方规范）

my-copilot-plugin/ ├── plugin.json # 必选：插件清单（名称、版本、命令、依赖等） ├── commands/ # 可选：自定义斜杠命令（/xxx） │ ├── mycmd.command.md # 命令定义（触发词、描述、参数、执行逻辑） │ └── utils.js # 命令调用的工具函数（可选） ├── subagents/ # 可选：自定义参与者（@xxx，子智能体） │ └── myagent.agent.md # 子智能体定义（角色、能力、触发条件） ├── skills/ # 可选：技能集合（Agent 可执行的能力单元） │ └── deploy/ # 技能名（如 deploy、test、lint） │ ├── SKILL.md # 技能定义（目标、步骤、适用场景） │ └── run.sh # 技能执行脚本（bash/js/python 均可） ├── hooks.json # 可选：钩子配置（生命周期拦截，如会话前/命令后） ├── mcp.json # 可选：MCP 服务器配置（接入外部工具/服务） └── README.md # 可选：插件说明文档

关键文件说明（最小可用示例）

1. plugin.json（必选，清单）

{"name":"my-copilot-plugin","displayName":"My Custom Commands","version":"1.0.0","description":"Adds /hello and @myagent to Copilot Chat","author":"Your Name","license":"MIT","commands":["/hello"],"subagents":["@myagent"],"skills":["deploy"],"hooks":["onSessionStart"],"mcpServers":["my-mcp-server"]}

2. commands/hello.command.md（自定义/hello命令）

## /hello **描述**：回复 Hello + 自定义问候 **参数**：name（可选，字符串） **示例**： /hello /hello name=Alice 执行逻辑： 如果有 name，返回 "Hello, {{name}}!"；否则返回 "Hello from My Plugin!"

3. subagents/myagent.agent.md（自定义@myagent参与者）

## @myagent **角色**：自定义助手 **能力**：回答问候、简单计算 **触发**：用户提到 "hi" 或 "calculate"

4. skills/deploy/SKILL.md（deploy 技能）

## 技能：deploy **目标**：部署当前项目到测试环境 **步骤**： 1. 运行 npm run build 2. 上传到服务器 3. 通知团队

5. hooks.json（钩子：会话开始时打招呼）

{"onSessionStart":{"action":"sendMessage","message":"欢迎使用我的自定义插件！"}}

6. mcp.json（MCP 服务器：接入外部 API）

{"servers":{"my-mcp-server":{"command":"node","args":["./mcp-server.js"],"env":{}}}}

安装与使用

1. 本地开发：

   cdmy-copilot-plugin copilot pluginsinstall.

2. 使用：在 Copilot Chat 输入/hello或@myagent hi

插件如何配置 LSP 支持（获得实时代码智能）

Copilot Chat 插件本身不直接实现 LSP，但可以通过MCP（Model Context Protocol）服务或VS Code LSP 代理把 LSP 能力注入给 Agent。

1. 插件目录增加 LSP 相关结构

my-lsp-plugin/ ├── plugin.json ├── settings.json # 插件配置（含 LSP） ├── mcp.json # 把 LSP 包装成 MCP 服务 ├── lsp/ │ └── my-lsp-server.js # 你的 LSP 客户端/代理 └── commands/

2. mcp.json（把 LSP 暴露给 Copilot Agent）

{"servers":{"my-lsp":{"command":"node","args":["./lsp/my-lsp-server.js"],"env":{"WORKSPACE_ROOT":"${workspaceFolder}"}}}}

Agent 会自动调用my-lsp服务获取：

• 诊断（错误/警告）
• 符号定义/引用
• 代码补全、悬停信息

3. lsp/my-lsp-server.js（LSP 代理示例）

用vscode-languageserver或直接调用 VS Code 内置 LSP：

const{createConnection}=require('vscode-languageserver');constconn=createConnection();conn.onInitialize(()=>({capabilities:{textDocumentSync:1}}));conn.onDocumentSymbol((params)=>{// 返回符号信息给 Agent});conn.listen();

4. 在 plugin.json 声明依赖

{"name":"my-lsp-plugin","mcpServers":["my-lsp"],"engines":{"vscode":"^1.102.0"}}

5. 启用 LSP 实时能力（settings.json）

{"github.copilot.chat.mcp.enabled":true,"github.copilot.chat.lsp.diagnostics":true,"github.copilot.chat.lsp.symbols":true}

插件的 settings.json 可以配置哪些内容（完整清单）

Copilot Chat 插件的settings.json是插件独立配置，不与 VS Code 全局设置混淆，可配置：

1. Agent 行为

{"chat.agent.enabled":true,"chat.agent.maxRequests":25,"chat.agent.autoFix":true}

2. LSP / MCP 相关

{"github.copilot.chat.mcp.enabled":true,"github.copilot.chat.lsp.diagnostics":true,"github.copilot.chat.lsp.symbols":true,"github.copilot.chat.lsp.completion":true}

3. 聊天界面与交互

{"github.copilot.chat.welcomeMessage":"always","github.copilot.chat.localeOverride":"zh-CN","github.copilot.chat.scopeSelection":true}

4. 编辑与代码生成

{"github.copilot.editor.enableCodeActions":true,"github.copilot.editor.enableAutoCompletions":true,"chat.editing.alwaysSaveWithGeneratedChanges":false}

5. 数据持久化（重点）

{"myPlugin.dataDir":"${workspaceFolder}/.my-plugin-data","myPlugin.cacheDir":"~/.cache/my-copilot-plugin","myPlugin.historyRetentionDays":90}

6. 自定义命令/子智能体

{"myPlugin.commands.greet.enabled":true,"myPlugin.subagents.myagent.timeout":30}

插件如何配置数据持久化目录

插件可以通过settings.json + 环境变量 + 占位符灵活指定存储路径。

1. 支持的占位符（直接用）

• ${workspaceFolder}：当前工作区根目录
• ${userHome}：用户主目录
• ${extensionPath}：插件自身目录
• ${tmpdir}：系统临时目录

2. 示例：settings.json 配置持久化目录

{// 工作区内存储（推荐）"myPlugin.storage.baseDir":"${workspaceFolder}/.copilot-my-plugin","myPlugin.storage.sessions":"${workspaceFolder}/.copilot-my-plugin/sessions","myPlugin.storage.cache":"${userHome}/.cache/copilot-my-plugin"}

3. 代码中读取（插件 JS/TS）

constvscode=require('vscode');constconfig=vscode.workspace.getConfiguration('myPlugin');constbaseDir=config.get('storage.baseDir');// 直接读写该目录即可

4. 全局统一目录（跨工作区）

{"myPlugin.storage.globalDir":"${userHome}/.copilot-plugins/my-plugin"}

5. 官方默认持久化位置（你可以覆盖）

Copilot 核心数据默认在：

• Windows:%APPDATA%\Code\User\workspaceStorage\{hash}\chatSessions
• macOS:~/Library/Application Support/Code/User/workspaceStorage/{hash}/chatSessions
• Linux:~/.config/Code/User/workspaceStorage/{hash}/chatSessions

插件可以完全自定义，不受此限制。

总结（最简记忆版）

• LSP 接入：插件 → mcp.json → LSP 代理服务 → Agent 自动调用。
• settings.json：可配 Agent、LSP、界面、编辑、持久化、自定义命令。
• 持久化目录：用${workspaceFolder}/${userHome}占位符，在 settings.json 定义，代码直接读取。

MCP

MCP：智能体会通过 MCP 协议向 MCP Server 发起工具调用，由MCP Server 调用外部工具或数据源并把结果带回当前会话。

Copilot Chat 里的 MCP Server 是什么？

MCP（Model Context Protocol）是 Copilot Chat 等 AI Agent 通用的工具协议，用来把外部服务/工具暴露给 Agent。

• 你配置的 MCP Server，本质是一个可执行程序（Node/Python/Go 等）
• Copilot Chat 会通过标准 JSON-RPC 协议，向它发送工具调用请求
• 你的 Server 处理请求并返回结果，Agent 再用结果继续完成任务

两种配置方式对比

Copilot Chat 支持两种方式配置 MCP Server，我推荐插件方式（可复用、可分发）：

方式一：通过插件配置 MCP Server（推荐）

1. 插件目录结构

my-mcp-plugin/ ├── plugin.json # 插件主清单 ├── mcp.json # 声明你的 MCP Server ├── src/ │ └── mcp-server.js # 你的 MCP Server 代码 └── README.md

2. 编写mcp.json（关键配置）

这是 Copilot Chat 识别 MCP Server 的核心文件：

{"servers":{"my-custom-server":{"command":"node","args":["./src/mcp-server.js"],"env":{"API_KEY":"your-secret-key-here","WORKSPACE_ROOT":"${workspaceFolder}"}}}}

• command：启动 Server 的命令（node/python/可执行文件等）
• args：传给命令的参数（你的脚本路径）
• env：环境变量，可使用${workspaceFolder}等占位符

3. 编写plugin.json声明依赖

{"name":"my-mcp-plugin","displayName":"My Custom MCP Tools","version":"1.0.0","description":"Adds custom tools via MCP to Copilot Chat","mcpServers":["my-custom-server"]}

这里的"my-custom-server"要和mcp.json里的 key 对应。

4. 写一个极简的 MCP Server 示例（Node.js）

src/mcp-server.js

const{Server}=require("@modelcontextprotocol/sdk/server/index.js");const{StdioServerTransport}=require("@modelcontextprotocol/sdk/server/stdio.js");// 1. 创建 Server 实例constserver=newServer({name:"my-custom-server",version:"1.0.0"},{capabilities:{tools:{}}});// 2. 注册一个工具，供 Copilot Chat 调用server.tool("get-system-info","获取当前系统信息（OS、CPU 架构等）",{},async()=>{constos=require("os");return{content:[{type:"text",text:`OS:${os.platform()}, Arch:${os.arch()}, Hostname:${os.hostname()}`}]};});// 3. 启动服务，通过 stdio 和 Copilot Chat 通信consttransport=newStdioServerTransport();server.connect(transport);console.error("MCP Server started");// 日志输出到 stderr，避免干扰 stdio

5. 安装插件到 Copilot Chat

# 在插件根目录执行copilot pluginsinstall.

Copilot Chat 会自动读取mcp.json并启动你的 Server。

方式二：直接在 VS Code settings.json 配置（全局生效）

如果你不想做插件，只想在当前机器/项目用，可以直接配置 VS Code 设置：

1. 打开 VS Code 设置（Ctrl+,）
2. 搜索github.copilot.chat.mcp.servers
3. 点击「编辑 in settings.json」，添加：

{"github.copilot.chat.mcp.servers":{"my-global-server":{"command":"node","args":["/absolute/path/to/your/mcp-server.js"],"env":{}}}}

保存后，Copilot Chat 会自动加载并启动该 Server。

验证 MCP Server 是否生效

在 Copilot Chat 中直接问：

使用 get-system-info 工具，告诉我当前系统信息 或 /get-system-info ，告诉我当前系统信息

Agent 会自动调用你的get-system-info工具，返回结果。

常见问题排查

1. Server 没启动
   • 检查command和args路径是否正确，使用绝对路径测试
   • 确保脚本有可执行权限（Linux/macOS 下chmod +x）
2. Agent 找不到工具
   • 检查plugin.json里的mcpServers声明是否正确
   • 检查mcp.json里的 Server 名称和tool名称是否拼写正确
3. 工具调用报错
   • 查看 VS Code 输出面板 → 选择「GitHub Copilot Chat」，查看日志
   • 确保 Server 日志输出到stderr（Node.js 用console.error），避免干扰 stdio 通信

核心步骤

1. 写一个实现了 MCP 协议的 Server（用官方 SDK）
2. 在mcp.json中声明如何启动它
3. 用plugin.json把它包装成 Copilot 插件
4. 执行copilot plugins install安装
5. 在对话中让 Agent 调用你的工具