Die agentenbasierte Entwicklung hat ein grundlegendes Problem: Je autonomer KI-Systeme arbeiten, desto mehr zerfällt der Workflow der Entwickler. Wer mehrere Agenten parallel laufen lässt, verliert schnell den Überblick über den Kontext, wechselt ständig zwischen Fenstern hin und her und verbringt mehr Zeit mit dem Reviewen von maschinell generiertem Code als mit dem eigentlichen Entwickeln. Genau hier setzt GitHub mit der neuen GitHub Copilot App an, die auf der Microsoft Build vorgestellt wurde.
Vom Chat-Fenster zum Kontrollzentrum
Bisherige KI-Tools waren primär auf Assistenz ausgelegt – ein Chat-Fenster hier, ein Autocomplete dort. Für das Zeitalter paralleler, autonomer Agenten reicht das nicht. Die neue Copilot App soll ein „agent-native“ Desktop-Erlebnis bieten. Im Zentrum steht die „My Work“-Ansicht, ein Dashboard, das laufende Sessions, Issues, Pull Requests und Hintergrund-Automatisierungen über alle verknüpften Repositories hinweg bündelt.
Der Clou ist die technische Umsetzung: Jede Agenten-Session läuft in einem isolierten Git Worktree. Das bedeutet, Agenten können parallel an denselben Branches arbeiten, ohne sich gegenseitig in die Quere zu kommen. Das manuelle Management dieser Worktrees – Anlegen, Aufräumen, Branch-Juggling – übernimmt die App vollständig. Ist die Arbeit getan, hilft der neue Agent Merge: Er überwacht CI-Pipelines, wartet auf Reviewer, behebt fehlerhafte Checks und mergt den Code schließlich – basierend auf den Automatisierungsregeln, die der Mensch festlegt.
Canvases: Wenn Absicht zu sichtbarer Arbeit wird
Chat-Interfaces sind hervorragend für Anweisungen und Diskussionen. Sobald ein Agent jedoch komplexe Aufgaben ausführt, wird der Chat-Verlauf zu einem endlosen Scroll-Feld aus Logs und Entscheidungen. GitHub löst dieses Problem mit der Einführung von Canvases – bidirektionalen Arbeitsflächen für Menschen und Maschinen.
Ein Canvas kann einen Plan, einen Pull Request, ein Terminal oder einen Workflow-Status anzeigen. Der Agent aktualisiert die Fläche während der Arbeit, der Entwickler kann auf derselben Oberfläche Änderungen editieren, umsortieren oder den Agenten umlenken. GitHub spricht hier von der Geburtsstunde der Agent Experience (AX): Interfaces, in denen Mensch und Agent kooperieren. Der Chat dient der Instruktion, das Canvas der Inspektion und Steuerung.
Sandboxes und die Skalierung des Code Reviews
Damit Agenten nicht nur Code vorschlagen, sondern ihn auch testen und iterieren können, ohne Produktionsumgebungen zu gefährden, führt GitHub Cloud und Local Sandboxes ein. Lokal läuft Copilot in einer isolierten Umgebung mit eingeschränktem Datei- und Netzwerkzugriff (zentral konfigurierbar). In der Cloud nutzt GitHub ephemere, isolierte Linux-Umgebungen, die es erlauben, Sessions von jedem Gerät aus remote zu steuern.
Doch wer den Output von Agenten beschleunigt, muss auch das Review skalieren. Das neue Copilot Code Review nutzt nun ein „Medium Tier“, das Pull Requests an Modelle mit höherer Reasoning-Fähigkeit weiterleitet. Admins können je nach Risiko des Repositories zwischen kostengünstigen Low- und präzisen Medium-Modellen wählen. Zusätzlich lassen sich Reviews über Custom Agent Skills, MCP-Server und konfigurierbare Actions-Workflows an interne Standards anpassen. Auch Azure DevOps wird nun nativ unterstützt.
Ein Ökosystem aus SDK, CLI und Partner-Agenten
Unter der Haube läuft alles auf demselben agentic Runtime. Das GitHub Copilot SDK ist jetzt Generally Available (Node.js, Python, Go, .NET, Rust, Java) und erlaubt es, eigene Tools auf der gleichen Infrastruktur zu bauen. Für Terminal-Fans gibt es ein Redesign der Copilot CLI mit neuer TUI, Spracheingabe (On-Device) und geplanten Tasks (/every). Cloud Automations erlauben es Agenten, auf GitHub-Events zu reagieren oder nach Zeitplan zu arbeiten – standardmäßig mit menschlicher Freigabe, bis Vertrauen für den Autopiloten besteht.
Mit Features wie Memory++ und dem /chronicle-Kommando sichert GitHub zudem die Kontinuität über Devices und Sessions hinweg. Gleichzeitig öffnet sich die Plattform für Partner: Agenten von LaunchDarkly, Sonar, PagerDuty oder Miro lassen sich direkt in GitHub integrieren.
Kritische Einordnung: Das Betriebssystem für Agenten
GitHub vollzieht mit diesem Update einen signifikanten Paradigmenwechsel: Weg vom bloßen KI-Assistenten, hin zum Orchestrator autonomer Agenten. Die Einführung von Canvases und Worktree-Isolierung sind genau die Architekturentscheidungen, die aktuell fehlen, um den Wildwuchs an KI-Tools in den Griff zu bekommen.
Die kritische Frage bleibt jedoch die der Kontrolle. Wenn Agenten Issues abarbeiten, CI/CD pushen und PRs mergen, droht der Entwickler zum reinen Reviewer zu mutieren. GitHub versucht, diesem „Review-Fatigue“ durch gestufte Modelle und visuelle Aufbereitung (Canvases) entgegenzuwirken. Ob dies ausreicht, wird sich in der Praxis zeigen müssen. Zudem betont GitHub selbst, dass die Verfügbarkeit und Stabilität der Infrastruktur oberste Priorität hat – bei 1,4 Milliarden Commits pro Monat ist ein Systemausfall bei agentengetriebenen Workflows keine Option.
GitHub positioniert sich hier klar als das Betriebssystem für die softwaregesteuerte Zukunft. Die Weichen sind gestellt, nun muss die Praxis beweisen, ob die Mensch-Maschine-Symbiose im AX-Zeitalter tatsächlich reibungslos funktioniert.
Quelle: GitHub Blog