GitHub 27 июля обновила Copilot для IDE JetBrains: плагин научился экспортировать данные OpenTelemetry, ограничивать расход токенов у подключённых моделей и использовать MCP-серверы в Claude-сессиях. Обновление особенно заметно для команд, которым нужны контроль затрат, диагностика агентных задач и единые рабочие правила внутри IntelliJ IDEA, PyCharm, WebStorm и других IDE.
OpenTelemetry показывает, что происходит внутри агентной сессии
Работа ИИ-агента в среде разработки часто выглядит как закрытый процесс: пользователь отправляет задачу, Copilot читает файлы, обращается к модели, запускает инструменты и возвращает результат. При сбое понять источник проблемы бывает трудно. В обновлении от 27 июля GitHub добавила настройку экспорта OpenTelemetry для агентных процессов прямо в плагине JetBrains.
OpenTelemetry — открытый стандарт для сбора трассировок, метрик и связанных технических событий. В случае Copilot такие данные помогают увидеть последовательность действий агента: обращение к языковой модели, вызов инструмента, обработку команды и расход токенов. Настройка находится по пути Settings → Tools → GitHub Copilot → Chat.
Для одиночного разработчика эта функция пригодится при разборе странного поведения агента. В корпоративной среде польза шире: команда сможет отправлять телеметрию в привычную систему наблюдаемости и сопоставлять работу Copilot с внутренними требованиями к журналированию и диагностике.
Официальное описание релиза опубликовано в GitHub Changelog.
Лимиты токенов дают командам контроль над BYOK-моделями
Второе крупное изменение связано с BYOK — режимом Bring Your Own Key, где разработчик или компания подключает собственный ключ и выбранного поставщика языковой модели. GitHub Copilot для JetBrains теперь позволяет задавать значения maxInputToken и maxOutputToken для таких моделей и пользовательских конечных точек API.
Первый параметр ограничивает объём контекста, отправляемого модели. Второй задаёт предел ответа. Эти настройки влияют сразу на три вещи: стоимость запросов, продолжительность обработки и размер данных, которые модель получает за один запуск.
Раньше подключение собственного провайдера давало свободу выбора модели, а точная настройка поведения зависела от возможностей конкретного сервиса и конфигурации клиента. Теперь базовые ограничения можно закрепить внутри Copilot. Администратор также может одним переключателем скрыть все встроенные модели GitHub и оставить команде утверждённый набор.
| Сценарий | Прежний подход | Возможность после обновления |
| Контроль стоимости | Расход зависел от выбранной модели и длины запросов | Лимиты входных и выходных токенов задаются заранее |
| Работа с внутренним API | Параметры распределялись между клиентом и сервером | Часть правил фиксируется в настройках Copilot |
| Корпоративный список моделей | Пользователи видели встроенные варианты Copilot | Администратор может отключить встроенные модели |
| Диагностика агентных задач | Причину сбоя приходилось искать по разрозненным журналам | OpenTelemetry связывает действия агента в единую трассировку |
Для проекта с локальной моделью, собственным шлюзом или внешним OpenAI-совместимым API это снижает риск случайно отправить слишком большой контекст. Заодно становится проще прогнозировать расход платных токенов в больших командах.
Claude-сессии получили MCP-серверы и пользовательских агентов
GitHub расширила агентные процессы Claude внутри JetBrains: теперь в них можно подключать MCP-серверы и пользовательских агентов. MCP, или Model Context Protocol, связывает ИИ-агента с внешними инструментами и источниками данных — например, внутренней документацией, системой задач, базой данных или сервисом сборки.
Пользовательский агент хранит собственные инструкции, набор доступных инструментов и рабочую специализацию. Команда может подготовить отдельного агента для тестирования, миграции Java-кода, проверки архитектурных правил или работы с корпоративным API. Профили таких агентов размещаются в каталоге .github/agents и описываются файлами .agent.md.
Связка Claude, MCP и пользовательских агентов делает сценарий внутри IDE более последовательным. Разработчик выбирает профиль, агент получает разрешённые инструменты и выполняет задачу по правилам проекта. Одни и те же настройки можно использовать в нескольких репозиториях, сохраняя отдельные инструкции для каждого из них.
GitHub указывает, что пользовательские агенты для JetBrains пока находятся в публичной предварительной версии. Их формат и отдельные возможности ещё могут измениться. Инструкция по созданию профилей доступна в официальной документации GitHub.
Copilot CLI внутри JetBrains получил ветвление сессий и список задач
Обновление затронуло встроенные сессии Copilot CLI. Они поддерживают forks — ответвления текущего разговора, которые позволяют проверить другой путь решения без потери исходного контекста. В интерфейсе появился список задач, показывающий этапы работы агента.
Новая команда /rubber-duck отсылает к методу «резиновой уточки», когда разработчик проговаривает проблему шаг за шагом и замечает ошибку во время объяснения. Copilot использует этот режим для последовательного разбора идеи или реализации.
Для длинных задач это полезнее обычной переписки. Например, при обновлении Spring Boot агент может отдельно проверить зависимости, конфигурацию, тесты и сборку, а список задач покажет, какой этап уже завершён. Ветвление позволит сохранить основной план и параллельно рассмотреть альтернативную схему миграции.
Интерфейс Copilot стал понятнее при работе с моделями и MCP
GitHub доработала выбор моделей и действий, настройку пользовательских профилей, отображение вопросов агента и диагностику MCP. Запросы, требующие ответа пользователя, теперь выводятся в Markdown и сопровождаются отдельным уведомлением. URL в окне Copilot CLI отображаются аккуратнее, а компоновка встроенного чата меньше мешает работе с кодом.
На macOS и Linux исправлена обработка регистра символов в путях. Copilot CLI точнее сохраняет написание каталогов и файлов в рабочих наборах и снимках сессий. Для проектов, где src/Service и src/service считаются разными путями, такая деталь может предотвратить неверное обращение к файлу.
GitHub также показывает корпоративным пользователям количество потраченных AI credits, когда организация ещё не задала персональный бюджет. Разработчик видит цену конкретного взаимодействия, а администратор получает дополнительный ориентир для настройки лимитов.
JetBrains превращается в полноценную площадку для управляемых ИИ-агентов
Июльское обновление сосредоточено на контроле: трассировки показывают действия Copilot, токеновые лимиты удерживают расходы в заданных рамках, а MCP и пользовательские агенты закрепляют доступ к инструментам и правилам проекта. Такой набор функций адресован прежде всего командам, которые уже вышли за пределы простых автодополнений.
У GitHub Copilot в JetBrains сейчас три точки входа: отдельный плагин, агент внутри JetBrains AI Assistant и Copilot CLI в терминале. Документация GitHub называет отдельный плагин самым полным вариантом: он включает автодополнение, подсказки следующего изменения, встроенный чат, проверку кода и генерацию сообщений коммитов.
Сейчас всех интересует, как быстро компании начнут применять OpenTelemetry и ограничивать модели в рамках общей стратегии разработки. GitHub уже предоставила администраторам необходимые инструменты. Теперь важно, станут ли эти настройки стандартом для рабочих сред разработки.
