Curso de Copilot para Desarrolladores para tu equipo de desarrollo

Context Engineering como disciplina para proporcionar a Copilot información suficiente sin introducir todo el repositorio indiscriminadamente.

Schema GraphQL como contrato estructurado de types, queries, mutations, inputs, enums, interfaces y relaciones.

Relación entre resolvers, servicios Spring, repositorios, persistencia, generación de tipos y componentes React consumidores.

Rastreabilidad de un campo desde el schema hasta backend, cliente generado, frontend, tests y documentación.

Análisis de nullability, argumentos, enums, cambios de tipos y otras modificaciones potencialmente incompatibles.

Compatibilidad hacia atrás y evolución progresiva de contratos para desacoplar despliegues entre productores y consumidores.

OpenAPI y contratos REST como alternativa o complemento del modelo contract-first.

Consumer-Driven Contract Testing para validar dependencias entre servicios antes de modificar contratos compartidos.

`.github/copilot-instructions.md` para instrucciones generales que deben acompañar a las interacciones de Copilot sobre el repositorio.

`.github/instructions/*.instructions.md` para reglas específicas de rutas, lenguajes, componentes o capas concretas.

`AGENTS.md` para proporcionar instrucciones compatibles con diferentes agentes y scopes dentro del árbol de directorios.

Prompt files reutilizables para tareas especializadas que requieren contexto, procedimiento y parámetros concretos.

Agent Skills para encapsular procedimientos contract-first, migraciones, generación de clientes o revisión de schemas.

Subagents para investigar frontend, backend y contratos en contextos aislados y devolver conclusiones al agente principal.

Regla de evidencia: Copilot no debe introducir endpoints, campos o comportamientos cuya existencia no pueda justificarse en código o contratos reales.

Threat Modeling antes de delegar modificaciones sobre autenticación, autorización, sesiones, datos o superficies expuestas.

Revisión de Spring Security, SecurityFilterChain, method security, JWT, OAuth 2.0 y OpenID Connect.

Análisis de roles, authorities, scopes, claims y permisos efectivos en diferentes capas.

Verificación de autorización sobre endpoints REST, resolvers GraphQL, servicios y recursos subyacentes.

Revisión de CORS, CSRF, cookies, SameSite, security headers y almacenamiento de tokens.

Detección de IDOR/BOLA, Broken Access Control, Mass Assignment, inyecciones y validaciones insuficientes.

Prevención de exposición de secretos, PII y datos internos mediante código, logs, excepciones o respuestas.

Dependency security y análisis de paquetes o versiones introducidos durante cambios generados por agentes.

Custom Agent especializado en AppSec independiente del agente encargado de implementar la funcionalidad.

Skills de seguridad que proporcionen checklists, patrones corporativos y procedimientos de revisión especializados.

Hooks `preToolUse` para impedir deterministicamente determinados comandos o acciones antes de ejecutarse.

Sandboxing, permission modes y aprobación explícita de operaciones con impacto elevado en entornos locales.

Firewall y controles de red para limitar dominios accesibles desde Copilot cloud agent y code review.

MCP allowlists y registros corporativos para limitar servidores externos disponibles a los agentes.

Revisión humana obligatoria de autenticación, autorización, criptografía, seguridad, infraestructura crítica y datos productivos.

Diferencias entre Custom Instructions, Prompt Files, Custom Agents, Subagents, Agent Skills, Hooks y MCP y selección adecuada de cada mecanismo.

Repository-wide instructions para arquitectura, build, testing, convenciones y restricciones comunes.

Path-specific instructions para frontend, backend, tests, infraestructura, documentación y componentes especializados.

Agent Skills como carpetas con `SKILL.md`, instrucciones, scripts y recursos cargados cuando resultan relevantes.

Skill de Quality Engineering para encapsular criterios de tests, fixtures, mocks, factories y comandos de validación.

Custom Agents definidos mediante perfiles Markdown con instrucciones, tools, modelo y servidores MCP propios.

Custom Agent de exploración para comprender arquitectura y localizar patrones antes de modificar código.

Custom Agent de testing para unit, integration, API, contract y end-to-end testing.

Subagents como procesos con contexto independiente utilizados por el agente principal para delegar trabajos específicos.

Ejecución paralela de investigación especializada para evitar contaminar el contexto principal.

Generación de pruebas orientadas a comportamiento y regresiones en lugar de perseguir únicamente porcentajes de cobertura.

Prevención explícita de eliminar, desactivar o modificar tests únicamente para obtener un pipeline satisfactorio.

Agent Skills compartidas entre cloud agent, Copilot CLI, VS Code y Copilot code review cuando la superficie las soporta.

Hooks de postprocesamiento para ejecutar linters, formatters, análisis de seguridad o validaciones después de modificaciones.

Arquitectura de agentes especializados como alternativa a un único agente con instrucciones excesivamente amplias.

Debugging basado en evidencia antes de permitir que Copilot cambie código.

Reconstrucción de una incidencia desde interfaz React hasta REST o GraphQL, Spring, persistencia y sistemas externos.

Correlación de browser console, network requests, stack traces, logs, tests y errores del backend.

Formulación de varias hipótesis y selección progresiva según evidencia disponible.

Plan Mode y agentes de exploración para investigar sin precipitar cambios sobre el repositorio.

Integrated Browser y herramientas agénticas para navegar, interactuar, tomar capturas y validar cambios visuales cuando estén habilitadas.

Dev Containers para proporcionar a los agentes herramientas y dependencias reproducibles en trabajos compatibles.

Integración de información procedente de Sentry y otras plataformas de observabilidad para investigar errores reales de aplicación.

Prometheus, Grafana, Elastic, Application Insights u otras fuentes accesibles mediante MCP o integraciones.

Distributed Tracing y Correlation IDs para reconstruir operaciones que atraviesan varios servicios.

Reducción y filtrado de grandes volúmenes de logs antes de introducirlos en la ventana de contexto.

Análisis de regresiones frente a commits, releases, feature flags y actualizaciones de dependencias.

Generación de regression tests una vez identificada una reproducción fiable.

Separación entre diagnóstico, corrección y verificación para reducir confirmation bias del agente.

Conversión de conclusiones confirmadas en instrucciones, memoria o documentación sin convertir hipótesis en hechos permanentes.

Documentación como parte obligatoria de la Definition of Done y no como actividad desconectada del desarrollo.

Actualización de README, instalación, configuración, despliegue, testing y troubleshooting basándose en el repositorio real.

Documentación de módulos, responsabilidades, dependencias, contratos y flujos de información.

Architecture Decision Records para registrar decisiones, alternativas, restricciones y trade-offs.

Análisis de diffs para identificar qué documentación queda realmente afectada por un cambio.

Actualización localizada de secciones frente a regeneración completa de documentos estables.

Traducción de modificaciones técnicas a documentación funcional destinada a otros perfiles.

Trazabilidad entre Issue, Pull Request, código, tests, documentación y release.

Copilot Spaces como contenedores de instrucciones y contexto formado por repositorios, archivos, issues, Pull Requests, documentos y texto adicional.

Diferencia entre adjuntar un repositorio a un Space, donde Copilot recupera contenido relevante, y cargar archivos completos en el contexto.

Organización de Spaces para arquitectura, producto, migraciones, soporte, runbooks o dominios funcionales.

Copilot app Canvases como superficies compartidas donde usuario y agente pueden trabajar sobre planes, Pull Requests, terminales, browser sessions u otros artefactos.

Capturas, terminal output, logs y resultados de testing como evidencia del comportamiento que se documenta.

Quality Gate que impida afirmar en documentación comportamientos que no estén respaldados por código, contrato, test o ejecución.

Uso de la documentación y Spaces como activos vivos de contexto para futuras investigaciones y agentes.

Arquitectura RAG aplicada a repositorios, documentación, ADR, configuración, contratos y conocimiento operativo.

Diferenciación de fuentes por producto, repositorio, módulo, versión, branch, lenguaje y nivel de confidencialidad.

Copilot Spaces como mecanismo administrado de grounding sobre repositorios, archivos y materiales relacionados.

Recuperación del contenido relevante de repositorios grandes sin cargar el codebase completo en cada interacción.

Metadata, ownership y permisos como parte de la arquitectura de conocimiento.

MCP para conectar Copilot con motores de búsqueda, bases de datos, vector stores, documentación y servicios internos.

Separación entre retrieval y generation para identificar qué evidencia ha utilizado realmente el agente.

GitHub Copilot SDK para construir asistentes internos y aplicaciones agénticas sobre el mismo runtime de Copilot.

Herramientas personalizadas del SDK para incorporar búsquedas semánticas, retrieval, catálogo técnico o conocimiento interno.

Custom Agents con MCP y toolsets restringidos según dominio o permisos.

Respuestas fundamentadas que identifiquen archivo, repositorio, documento o evidencia utilizada siempre que la integración lo permita.

Comportamiento explícito de información insuficiente cuando el material recuperado no permite una respuesta fundamentada.

ACL y autorización antes del retrieval para impedir que un asistente amplíe permisos sobre información corporativa.

Evaluation Set para medir retrieval relevance, groundedness, correctness y cobertura del asistente.

Sincronización entre cambios de código, documentación y sistemas externos para limitar conocimiento obsoleto.

Dependencias directas y transitivas como grafo entre aplicaciones, servicios, librerías, APIs, modelos y componentes.

Inspección coordinada de Maven, Gradle, npm, pnpm, lockfiles, Docker y otros manifests.

Identificación de consumidores antes de actualizar una versión, runtime, API o contrato.

Investigación de release notes, changelogs, migration guides, deprecaciones y breaking changes.

Clasificación de cambios en compatibles, deprecated, behavioral y breaking.

Localización de símbolos, tipos, clases, métodos y referencias potencialmente afectados.

Custom Agents o Subagents especializados en backend, frontend, infraestructura y testing para distribuir el análisis.

Construcción de un Impact Map antes de modificar el código.

Relación entre dependencia y código, configuración, tests, documentación, observabilidad y despliegue.

Identificación de dependencias transitivas capaces de introducir impactos no visibles en el manifest principal.

Priorización según criticidad, exposición, uso real y probabilidad de regresión.

Distinción entre componentes que necesitan adaptación y componentes que únicamente requieren validación.

Migration Plan incremental con gates y puntos de rollback.

Copilot cloud agent como trabajador asíncrono para investigar dependencias o preparar cambios sobre una rama revisable.

Prevención de upgrades masivos que dificultan atribuir regresiones y revisar el código resultante.

Modelado de relaciones entre librerías base, backend, frontend, clientes, contratos, infraestructura y consumidores.

Detección de modificaciones que requieren propagarse entre varias capas o repositorios.

Consistencia de versiones entre servicios, paquetes, tipos generados y componentes compartidos.

Automatización de actualizaciones mecánicas en manifests, configuración, referencias y artefactos derivados.

Diferenciación entre cambio mecánico seguro y transformación semántica que requiere análisis especializado.

Ordenación de migraciones según dependencias y compatibilidad entre productores y consumidores.

Estrategias backward-compatible para evitar necesidad de desplegar simultáneamente todos los sistemas.

Worktrees independientes para aislar diferentes líneas de adaptación.

GitHub Copilot app para mantener sesiones paralelas sobre branches y worktrees diferentes.

Copilot cloud agent para delegar investigaciones y cambios que pueden ejecutarse asíncronamente en GitHub.

Custom Agents especializados por repositorio o dominio para mantener reglas distintas en cada componente.

Tests contractuales y builds independientes después de cada fase.

Validación de contratos antes de propagar el cambio al siguiente consumidor.

Pull Requests independientes cuando la migración requiere ser revisada o desplegada por etapas.

Resumen final de componentes actualizados, pendientes, compatibilidades temporales, riesgos y siguientes pasos.

Conversión del Impact Map y Migration Plan en unidades de trabajo verificables.

Restricción previa de tools, MCP servers, comandos y superficies a las que puede acceder cada agente.

Interactive, Plan y Autopilot como grados diferentes de autonomía dentro de GitHub Copilot app.

Worktrees, repositorios locales y cloud sandboxes como alternativas de entorno para cada sesión.

Separación entre agente implementador y agentes responsables de testing, seguridad o revisión.

Build, type checking, static analysis y linting después de modificaciones estructurales.

Ejecución progresiva desde pruebas directamente afectadas hasta suites de regresión.

Browser validation en funcionalidades web y verificación de estados visibles para usuario.

Hooks para ejecutar automáticamente controles determinados en etapas concretas del workflow.

Stop Conditions ante requisitos contradictorios, falta de información, riesgo de seguridad o fallos externos.

Copilot CLI `/diff` y herramientas equivalentes para inspeccionar cambios antes de aceptarlos.

Capacidad de deshacer o revisar cambios de una sesión antes de integrarlos.

Prevención explícita de modificar tests o quality gates únicamente para conseguir una ejecución satisfactoria.

Human Approval ante operaciones destructivas, despliegues, cambios de seguridad o modificaciones de datos.

Resultado expresado mediante cambios realizados, tests ejecutados, evidencias, riesgos conocidos y criterios todavía pendientes.

Integración nativa entre Copilot, Issues, branches, commits, Pull Requests y GitHub Actions.

Asignación de Issues a Copilot cloud agent para investigar, implementar y abrir Pull Requests revisables.

Investigación y planificación de una modificación antes de solicitar implementación.

Análisis del diff completo antes de integrar cambios generados por un agente.

Commits pequeños, coherentes y reversibles que permitan identificar el origen de una regresión.

Descripciones de Pull Request con objetivo, solución, archivos relevantes, pruebas, riesgos y decisiones técnicas.

Copilot code review con contexto del repositorio para detectar problemas y proponer cambios aplicables.

Utilización de Custom Instructions, Agent Skills y MCP durante code review para incorporar conocimiento adicional.

Diferenciación entre revisión Lite y análisis más profundo según criticidad y coste.

Shell tools disponibles en la revisión actual para validar determinados findings cuando la configuración lo permite.

Delegación de correcciones detectadas por code review hacia Copilot cloud agent.

Comentarios de revisión como nuevas instrucciones para iterar sobre la misma branch.

Copilot Memory como fuente compartida de conocimiento del repositorio entre cloud agent, CLI y code review cuando está habilitada.

Branch protection y revisores humanos como controles independientes de cualquier evaluación realizada por IA.

Revisión final de seguridad, propiedad intelectual, dependencias, tests y comportamiento antes del merge.

GitHub Copilot app como escritorio para desarrollo basado en agentes sobre Windows, macOS y Linux.

Inicio de sesiones desde prompts, Issues y Pull Requests.

Sesiones paralelas agrupadas por repositorio y ejecutadas en branches independientes.

Worktrees para mantener simultáneamente diferentes líneas de desarrollo sobre un mismo repositorio.

Cloud sandboxes aislados para descargar trabajos del entorno local cuando la funcionalidad está habilitada.

Interactive Mode para colaboración continua entre desarrollador y agente.

Plan Mode para investigación y planificación antes de realizar modificaciones.

Autopilot para permitir mayor continuidad de ejecución bajo los límites y herramientas configurados.

Selección independiente de modelo, reasoning effort y entorno para cada sesión.

Integrated terminal y browser para comprobar resultados sin abandonar la aplicación.

Canvases como superficies bidireccionales donde humanos y agentes pueden trabajar sobre el mismo artefacto visible.

Cloud agent en GitHub para ejecutar tareas asíncronas sobre repositorios y producir branches o Pull Requests.

Steering de una sesión mientras el agente trabaja y posibilidad de detenerla cuando el enfoque se desvía.

Articulación de local, worktree y cloud según duración, dependencias, seguridad y necesidad de paralelismo.

Diseño de un modelo multiagente que aumente throughput sin crear más trabajo de revisión del que el equipo puede absorber.

GitHub Copilot CLI como agente de terminal capaz de investigar, editar archivos, ejecutar comandos y resolver tareas multietapa.

Agent Skills, Custom Agents, MCP, Hooks y Plugins disponibles como capas de personalización del CLI.

`/compact` y análisis del uso de contexto para mantener sesiones largas controladas.

Copilot Memory para reutilizar conocimiento aprendido sobre el repositorio entre diferentes ejecuciones.

Hooks `preToolUse` y `postToolUse` para enforcement, logging, testing y automatización determinista.

Plugins para distribuir conjuntos de Skills, Hooks, Custom Agents y MCP servers dentro de un equipo.

Automations de Copilot app para tareas locales o cloud ejecutadas bajo demanda o según una programación.

Automations de cloud agent iniciadas por calendario o determinados eventos del repositorio cuando el entorno y plan las soportan.

Workflows analyse → plan → implement → validate → review → document → propose PR.

Separación entre agentes capaces de generar cambios y agentes que únicamente los revisan.

Idempotencia para impedir que reintentos o eventos duplicados repitan modificaciones.

Timeouts, retry policies, límites de coste y Stop Conditions.

Integración con GitHub Actions y otros pipelines de CI/CD.

Approval Gates antes de publicación, despliegue o acciones con efectos irreversibles.

Métricas de éxito, duración, consumo, retrabajo y porcentaje de automatizaciones que requieren intervención manual.

GitHub Copilot SDK como acceso programático al mismo runtime agéntico utilizado por experiencias de Copilot.

SDK disponibles para TypeScript/Node.js, Python, Go, .NET, Java y Rust.

Multi-turn sessions, streaming, planificación, file edits y tool invocation desde aplicaciones propias.

Herramientas personalizadas y servidores MCP como mecanismos para extender el runtime con capacidades empresariales.

Personalización granular del system prompt sin necesidad de sustituir completamente las instrucciones base.

Hooks del SDK para interceptar session start, tool use, MCP calls, permission requests y otros eventos del lifecycle.

Permission framework para introducir aprobaciones antes de herramientas con impacto.

Sesiones locales, cloud y remotas según el escenario de integración.

OpenTelemetry y propagación de W3C Trace Context para observar aplicaciones construidas con Copilot SDK.

Integración con Microsoft Agent Framework para workflows secuenciales, concurrentes y handoffs en escenarios compatibles.

Plugins y marketplaces internos para distribuir personalizaciones estandarizadas a los equipos.

Enterprise policies para controlar agentes, modelos, clientes, MCP y disponibilidad de funcionalidades.

Content exclusion, model controls, audit logs y managed settings como componentes de gobierno.

Usage Metrics API para medir uso de Skills, Custom Agents, MCP, slash commands y Plugins en organizaciones y empresas.

Modelo operativo que equilibre productividad, seguridad, calidad, trazabilidad, consumo de AI credits y capacidad de supervisión.

Arquitectura de referencia de un workflow FullStack empresarial basado en GitHub Copilot y varios agentes especializados.

Codebase con backend, frontend y contrato API compartido, incluyendo una dependencia o componente que requiera evolución coordinada.

Modelo de instrucciones mediante `copilot-instructions.md`, path-specific instructions y `AGENTS.md`.

Conjunto de Agent Skills para testing, seguridad, documentación y migraciones.

Custom Agents especializados en arquitectura, implementación, Quality Engineering y AppSec.

Subagents reservados para investigaciones acotadas que no deben contaminar el contexto principal.

Copilot Space con documentación, Issues, Pull Requests y material técnico relevante para el cambio.

Dependency Graph, Impact Map y Migration Plan como artefactos previos a cualquier modificación.

Sesiones independientes mediante worktrees para separar implementación, validación y trabajos paralelos.

Copilot cloud agent para una tarea asíncrona relacionada con la evolución del proyecto.

Build, linting, type checking, contract tests, unit tests, integration tests y end-to-end tests como gates progresivos.

Copilot code review y agente de seguridad como capas independientes del agente implementador.

Pull Requests trazables con decisiones, riesgos, evidencias y documentación asociada.

Base de conocimiento RAG mediante Spaces, MCP o Copilot SDK con autorización y referencias verificables.

Automation, Hooks, CI/CD y observabilidad como mecanismo de evolución recurrente del workflow.

Modelo final de permisos, MCP allowlist, políticas, AI credits, métricas, Human-in-the-Loop y rollback.