GitHub Copilot을 특정 모델에 종속되지 않는 고성능 엔지니어링 에이전트로 확장하는 경량 커스터마이징 킷입니다. 단일 지침 파일과 온디맨드 스킬, 재사용 가능한 생성 엔진으로 사고·소통·안전·코딩·Git·팩트체크·웹 조사·고객 데모·PPTX 제작 워크플로를 제공합니다.
이 리포의 .github/ 폴더를 프로젝트에 두면 GitHub Copilot(VS Code Chat의 Agent mode·터미널 CLI)이
지침과 스킬을 자동으로 읽습니다. .vscode/mcp.json까지 적용하면 VS Code Agent mode에서도
Microsoft Learn MCP를 사용할 수 있습니다.
Augment는 GitHub Copilot의 역량을 지침·스킬·MCP로 보강한다는 뜻입니다. 특정 모델명은 저장소 정체성에 포함하지 않으며,
/model또는 모델 선택기에서 현재 작업에 가장 적합한 모델로 언제든 교체할 수 있습니다.현재 검증 기준(2026-07-15): 이 버전의 지침·스킬·예제 워크플로는 GPT-5.6 Sol로 최종 end-to-end 테스트와 품질 검증을 수행했습니다. GPT-5.6 Sol은 고정 런타임 의존성이 아닙니다. 더 적합한 최신 모델이 제공되면 계속 재검증·업데이트하되, 지침·Skills·MCP 워크플로가 특정 모델에 종속되지 않는 설계 원칙을 유지합니다.
- 무엇: GitHub Copilot에 입힐 수 있는 단일 지침 + 전문 스킬 모음입니다.
- 왜: 기반 모델이 바뀌어도 일관된 품질·안전·전문 워크플로를 유지하도록 Copilot의 실행 방식을 보강합니다.
- 어떻게:
.github/를 두면 지침·스킬이 자동 로드되고, 생성 스킬은 실시간 조사·스토리라인 같은 의미 계층과 Golden Runtime·통합 QA Runner 같은 검증 엔진을 조합해 반복 구현 시간을 줄입니다.
| 블록 | 위치 | 동작 방식 | 내용 |
|---|---|---|---|
| Instructions | .github/copilot-instructions.md |
매 대화 자동 로드 | 페르소나 · 사고 · 소통 · 안전 · 코딩 · Git · MS/GitHub 가치 · 팩트체크 · 출처 |
| Skills | .github/skills/ |
관련 질문 시 자동 활성화 또는 /skill-name |
실시간 웹·공식 문서 검색 · 고객·산업별 AI 플랫폼 데모 · 적응형 PPTX 생성 |
| MCP (사전 번들) | .github/mcp.json · .vscode/mcp.json |
clone 후 신뢰/Start 승인 시 활성화 | Microsoft Learn MCP — 공식 문서·코드 샘플 검색 |
상시 적용 원칙은 단일 파일로 통합해 중복을 줄이고, 상세 워크플로는 관련 작업에서만 스킬로 불러옵니다.
git clone https://github.com/junwoojeong100/github-copilot-augment-kit.git
cd github-copilot-augment-kit
code .VS Code에서 Copilot Chat을 Agent mode로 열고 모델 선택기(Model Picker) 에서 작업에 적합한 모델을 선택합니다. 모델이 바뀌어도 동일한 지침과 스킬이 적용됩니다.
전체 킷을 적용하려면 **.github/와 .vscode/mcp.json**을 프로젝트 루트에 복사합니다.
아래 명령은 대상 프로젝트에 같은 이름의 설정 파일이 없을 때만 사용하세요.
cp -R github-copilot-augment-kit/.github /path/to/my-project/
mkdir -p /path/to/my-project/.vscode
cp github-copilot-augment-kit/.vscode/mcp.json /path/to/my-project/.vscode/mcp.json기존 프로젝트 주의:
.github/copilot-instructions.md,.github/mcp.json,.vscode/mcp.json또는 같은 이름의 스킬이 이미 있으면 위 명령을 그대로 실행하지 말고 내용을 검토해 병합하세요. repository-widecopilot-instructions.md는 하나지만,.github/instructions/**/*.instructions.md와AGENTS.md는 함께 사용할 수 있습니다.
이 킷은 VS Code Copilot Chat의 Agent mode와 터미널용 GitHub Copilot CLI 양쪽에서 동작합니다.
활성 GitHub Copilot 구독이 필요합니다. 공식 설치 방법은 GitHub Docs를 기준으로 확인하세요.
# macOS / Linux (Homebrew)
brew install --cask copilot-cli
# 크로스 플랫폼 (npm, Node.js 22+)
npm install -g @github/copilot설치 후 리포 디렉토리에서 copilot을 실행하고, 첫 실행 시 /login으로 인증합니다.
| 명령 | 설명 |
|---|---|
/model |
작업에 사용할 AI 모델 선택 또는 Auto 설정 |
/diff |
변경사항 리뷰 |
/plan |
구현 계획 수립 |
/help |
전체 명령 보기 |
| 항목 | VS Code Copilot Chat (Agent mode) | GitHub Copilot CLI |
|---|---|---|
copilot-instructions.md |
✅ 자동 적용 | ✅ 자동 적용 |
skills/ |
✅ 자동 활성화 · /skill-name |
✅ 자동 활성화 · /skill-name |
| Microsoft Learn MCP | .vscode/mcp.json에서 Start |
.github/mcp.json을 신뢰 후 자동 로드 |
이 킷의 지침·스킬은 주로 방향(무엇을 다룰지), 형식(어떻게 정리할지), 재사용 가능한 워크플로를 정의합니다. 서비스명과 예시는 포함하지만, 자주 바뀌는 기능 상태·가격·수치·규제 조항은 가능한 한 고정하지 않습니다.
- 왜? 클라우드·AI·규제는 빠르게 변합니다. 박제된 내용은 금방 낡고 토큰만 소모합니다.
- 대신 답변 시점에 공식 문서(
learn.microsoft.com·docs.github.com)와 웹 검색으로 최신 정보를 확인합니다. - 효과: 최신성 오류와 유지보수 부담을 줄입니다. 검색 가능 여부와 원문 갱신 시점에 따라 최신성에는 한계가 있을 수 있습니다.
.github/
├── copilot-instructions.md # 단일 핵심 지침 (매 대화 자동 로드)
├── mcp.json # Microsoft Learn MCP 사전 번들 (CLI 워크스페이스 자동 로드)
└── skills/ # 전문 스킬 (온디맨드)
├── google-web-search/ # 실시간 웹·공식 문서 검색
│ └── SKILL.md
├── ai-platform-demo/ # 고객·산업별 AI 플랫폼 데모(단일 HTML) 생성기
│ ├── SKILL.md # 실시간 리서치→메뉴·데이터 매핑→Overlay 합성→검증
│ ├── runtime/ # 검증된 SPA shell·CSS·JavaScript Golden Runtime
│ ├── packs/ # 디자인·고객 사실을 고정하지 않는 산업별 기본 구조
│ ├── schema/ # 고객별 demo-spec JSON Schema
│ ├── scripts/ # Overlay Composer·Spec Renderer·브라우저 검증기
│ ├── tests/ # Composition·design 고정 검사 회귀 테스트
│ ├── examples/ # 전체 Spec·compact Customer Overlay 구조 예제
│ └── reference/ # 고정 GitHub soft-dark 디자인·화면 청사진·Runtime·검증 절차
└── adaptive-presentation/ # 주제·청중별 PPTX 생성기(조사·스토리라인 중심)
├── SKILL.md # 조사→스토리라인→자유 슬라이드 제작→빠른 렌더 검증
├── reference/ # 스토리라인 패턴·레이아웃 아이디어·python-pptx 제작·검증
├── scripts/ # 통합 QA Runner·구조 감사·JPEG/contact sheet 렌더링
└── tests/ # 검증 Runner 회귀 테스트
.vscode/
└── mcp.json # VS Code Copilot Agent용 MCP 번들
매 대화에 자동 로드되는 단일 지침. 아래 원칙을 압축해 담습니다.
| 섹션 | 핵심 |
|---|---|
| 페르소나 & 사고 | 지적 겸손, 단계적 추론, 불확실성 표기 |
| 커뮤니케이션 | 결론 우선(BLUF), 적응적 소통, 한국어 존댓말+영문 병기 |
| 안전 & 윤리 | 해로운 콘텐츠 거부, PII/시크릿 보호 |
| 코딩 | 가독성·보안(OWASP) 우선, 언어별 베스트 프랙티스 |
| Git 워크플로우 | 영어 커밋, Conventional Commits, PR 규칙 |
| MS/GitHub 가치 | 구체 서비스로 통제·가치 매핑(Foundry·Entra·Purview·Copilot 등) |
| 팩트체크 · 출처 | 답변 끝 사실 검증 표, 출처 명시 |
Skills — 자연어 또는 /skill-name
| 스킬 | 트리거 예시 | 기능 |
|---|---|---|
| google-web-search | "최신 버전 알려줘", "최근 업데이트" | 공식 소스 우선 실시간 웹·문서 검색 |
| ai-platform-demo | "○○ 고객 △△ 산업 AI 데모 만들어줘", "임원 데모", "운영 대시보드 데모" | 실시간 조사 + 스토리라인 + 메뉴·데이터 Overlay → 고정 GitHub Primer Dark Dimmed 계열 soft-dark 디자인의 단일 HTML SaaS 데모(8화면) 생성·전체 QA |
| adaptive-presentation | "병원 경영진 대상 의료 AI 전략 PPT 20장", "기술 발표자료 만들어줘", "제품 소개 슬라이드" | 실시간 조사 + 스토리라인 설계 + python-pptx 자유 슬라이드 제작 + 통합 QA Runner → 편집 가능한 PPTX 생성·빠른 렌더 검증 |
고객사 임원 보고·영업용 "실제로 동작하는" AI 운영 플랫폼 데모를 단일 HTML 하나로 생성합니다. 슬라이드가 아니라, 임원이 직접 클릭·질문·조작하는 SaaS 앱입니다.
무엇을 만드나 — 사이드바 + 실시간 대시보드 + 도메인 운영 콘솔 + AI 에이전트 채팅 + 거버넌스 등 8개 화면 SPA. 실시간 KPI·스트리밍 차트·움직이는 객체·토스트·멀티에이전트 협업까지 동작합니다.
사용법 — 자연어로 고객과 산업만 알려주면 됩니다.
> 현대제철 대상으로 철강 제조 AI 운영 플랫폼 데모 만들어줘. 청중은 CDO·생산본부장.
스킬이 자동 로드되어 ① 매 요청 실시간 고객·산업 리서치 → ② Storyline·메뉴/데이터 매핑(8개 화면 계약) →
③ compact customer-overlay.json 작성 → ④ Industry Pack과 합성해 Spec·HTML 생성 → ⑤ Puppeteer 전체 QA까지
수행합니다. 디자인은 GitHub Primer Dark Dimmed 계열 soft-dark로 고정되어 있어 고객별로는
메뉴와 데이터만 바뀝니다.
리서치는 research agent나 /fleet에 위임하지 않습니다. 메인 에이전트가 공식 검색·문서 도구의
독립 호출을 같은 단계에서 병렬 실행하고, Fact Ledger부터 Storyline·Overlay·최종 HTML까지 하나의
맥락으로 직접 통합합니다.
실시간 Fact Ledger + Storyline + 메뉴·데이터(고정 GitHub soft-dark 디자인)
→ Customer Overlay + Industry Pack
→ validated demo-spec.json
→ Golden Runtime (shell.tmpl + runtime.css + runtime.js)
→ 고객별 단일 HTML
→ 8개 화면·전체 인터랙션 브라우저 QA
Golden Runtime은 검증된 동작 엔진입니다. 라우터, timer/listener 정리, 실시간 차트, 시뮬레이터,
에이전트 채팅, HTML escaping, 안정적인 QA ID를 재사용합니다. 디자인은 GitHub Primer Dark Dimmed
계열 soft-dark로 고정(runtime.css)되어 있고, 고객별로는 화면 구성·KPI·공식·에이전트·서사(=메뉴와 데이터)만
Spec에서 결정하므로 HTML·CSS·JavaScript를 처음부터 다시 쓰는 시간을 줄입니다.
Industry Pack은 산업 terminology·KPI 공식·Agent 역할의 출발점만 제공하며 고객명·Storyline을
포함할 수 없습니다. Composer는 Customer Overlay가 design을 정의하거나(디자인은 고정) 실시간
research metadata가 오래됐거나 핵심 고객 path가 빠지면 실패합니다. 따라서 같은 산업이라도 고객별
운영 flow·KPI·에이전트·climax(=데이터)가 달라지되, 디자인은 모든 고객이 동일한 soft-dark 톤입니다.
python3 -B .github/skills/ai-platform-demo/scripts/compose_demo_spec.py \
--base .github/skills/ai-platform-demo/examples/precision-manufacturing.example.json \
--pack .github/skills/ai-platform-demo/packs/renewable-energy-holdings.pack.json \
--customer <session>/files/<app>-work/customer-overlay.json \
--output <session>/files/<app>-work/demo-spec.json \
--html-output <session>/files/<app>-work/<app>.html적합한 Industry Pack이 없으면 전체 demo-spec.json을 직접 작성하는 기존 경로를 사용합니다. 속도를
위해 고객과 맞지 않는 Pack을 사용하지 않으며 최종 8화면 QA는 항상 유지합니다.
| 입력 | 예시 |
|---|---|
| 고객명 / 산업 | "삼표산업 / 레미콘·골재·시멘트" |
| 청중(임원) | "CIO, 재무팀장, CI팀장" |
| 강조 서비스 | Microsoft Foundry · Agent Framework · GitHub Copilot |
산출물은 단일
.html(인라인 CSS/JS, 오프라인 동작). 모든 화면에● DEMO DATA배지로 시연 데이터임을 명시합니다.
# 팀 공유 — 같은 이름의 스킬이 없을 때
mkdir -p /path/to/my-project/.github/skills
cp -R github-copilot-augment-kit/.github/skills/ai-platform-demo \
/path/to/my-project/.github/skills/
# 개인 — 같은 이름의 스킬이 없을 때, 모든 프로젝트에서 사용
mkdir -p ~/.copilot/skills
cp -R .github/skills/ai-platform-demo ~/.copilot/skills/같은 이름의 스킬이 이미 있으면 덮어쓰지 말고 내용을 비교해 병합하세요.
확인: CLI에서 /skills list · /skills info ai-platform-demo · /env.
임원 보고, 고객 제안, 제품 소개, 기술 아키텍처, 교육·세미나 등 다른 주제와 청중에도 실제 .pptx를
생성합니다.
이 스킬의 무게 중심은 ① 실시간 데이터 수집(Fact Ledger) 과 ② 목적에 맞는 스토리라인 설계입니다.
슬라이드 시각화는 고정 템플릿이나 고정 생성 프레임워크에 의존하지 않고, 매 요청마다 주제에 맞게
자유롭고 다양하게 python-pptx로 직접 구성하되 제작·검증 시간은 최소화합니다.
진행 순서: ① 매번 실시간 공식 자료 조사·Fact Ledger → ② 목적별 Storyline 설계 →
③ python-pptx로 슬라이드 자유 제작(정보 유형에 맞는 시각 형태를 매번 다양하게) →
④ 통합 QA Runner의 전체 렌더 및 contact sheet로 빠른 검증 순입니다.
실시간 Fact Ledger
→ 목적별 Storyline(슬라이드별 결론·근거·시각 형태)
→ python-pptx 자유 슬라이드 제작(고정 템플릿 없음)
→ 편집 가능한 PPTX
→ 통합 QA Runner(구조 감사 + 전체 렌더 + risk slides)
슬라이드는 고정 생성 엔진 없이 python-pptx로 직접 만듭니다. 정보 관계(숫자·흐름·비교·계층·사례)에
맞는 시각 형태를 슬라이드마다 자유롭게 선택하고, 같은 구조를 기계적으로 반복하지 않습니다. 색·글꼴은
주제와 (있다면) 사용자 브랜드에 맞게 정하되 본문 대비 최소 4.5:1, 본문 최소 16pt, 출처 footer 표기 등
가독성·편집성 기준은 지킵니다. 아이디어가 필요하면 reference/slide-blueprints.md의 관계형 패턴을
선택적으로 참고하되 그대로 복제하지 않습니다.
외부 사실 조사는 캐시로 생략하거나 research agent·/fleet에 위임하지 않습니다. 이전 Fact Ledger와
URL은 검색 출발점으로만 사용하며, 기능 상태·가격·규제·고객 성과는 발표 요청마다 현재 공식 원문으로
다시 확인합니다. 서로 독립적인 조사 축은 메인 에이전트가 공식 검색·문서 도구의 병렬 tool call로
직접 수행하고 하나의 Fact Ledger로 합칩니다.
재생성 Python 스크립트와 QA 파일은 세션 작업 폴더에 격리하며 저장소와 최종 출력 폴더에는 사용자가 요청한 최종 파일 외 중간 자산을 남기지 않습니다. 중간 PDF는 manifest의 PPTX·PDF SHA-256이 모두 일치할 때만 상세 슬라이드 렌더에 재사용합니다. 수정 후에는 변경 부분을 먼저 확인하되 완료 전 요구되는 구조·시각 검증을 다시 수행합니다.
> 병원 경영진 대상 의료 AI 전략 발표자료 20장 만들어줘.
> 청중은 개발자야. 이벤트 기반 아키텍처를 교육하는 기술 PPT 15장으로 만들어줘.
> 이 기존 PPT는 내용은 유지하고, 투자위원회 대상의 절제된 디자인으로 재구성해줘.
슬라이드 시각화는 주제·내용에 따라 매번 다르게 구성하며 정해진 템플릿·색상·카드 스타일을 복제하지 않습니다.
통합 검증:
python3 -B .github/skills/adaptive-presentation/scripts/verify_deck.py \
deck.pptx --out <session>/<deck>-work --expected-slides 30 --strictRunner는 구조 감사와 전체 렌더를 병렬 실행하고, 텍스트 밀도·작은 글자·title risk·group·bounds를
점수화해 위험 슬라이드를 자동으로 상세 렌더합니다. 전체 overview와 위험 슬라이드는 사람이 확인하며,
--strict는 16pt 미만 본문 후보·명시적 크기가 없는 run·title risk를 실패 처리합니다. 사람이 확인한
의도적 예외에만 --allow-small-text 4,8-9처럼 슬라이드 번호를 지정합니다. QA Runner는 비어 있지 않은
일반 출력 디렉터리를 덮어쓰지 않습니다.
개인 설치(같은 이름의 스킬이 없을 때):
mkdir -p ~/.copilot/skills
cp -R .github/skills/adaptive-presentation ~/.copilot/skills/기존 스킬이 있으면 덮어쓰지 말고 내용을 비교해 병합하세요. 설치 후
/skills info adaptive-presentation으로 로드 위치를 확인할 수 있습니다.
두 생성 스킬은 기본적으로 FULL-OPTIMIZED 정책을 사용합니다. 조사·스토리라인·제작·전체 QA를 생략하는 대신, 안전한 병렬화·캐시·중간 산출물 재사용과 결함 일괄 수정으로 중복 작업과 wall-clock time을 줄입니다.
| 최적화 | ai-platform-demo |
adaptive-presentation |
|---|---|---|
| 생성 메커니즘 재사용 | Golden Runtime의 SPA lifecycle·interaction·QA hook 재사용 | 고정 생성 엔진 대신 python-pptx로 직접 제작하고 조사·검증·렌더 스크립트만 재사용 |
| 요청별 변경 surface 축소 | 매번 실시간 조사 후 Industry Pack에는 없는 고객 사실·메뉴·데이터(핵심 route)만 Customer Overlay에 작성 | 실시간 Fact Ledger·스토리라인을 먼저 확정하고 슬라이드는 주제에 맞게 자유 제작 |
| 안전한 병렬 실행 | 메인 에이전트가 공식 조사 도구를 병렬 호출하고 최종 Spec·HTML도 직접 소유 | 메인 에이전트가 공식 조사 도구를 병렬 호출하고 동일 immutable PPTX의 구조 감사·전체 렌더만 읽기 전용 병렬 실행 |
| 도구 캐시 | 저장소 밖 공용 Puppeteer·Chromium 캐시를 재사용 | 저장소 밖 Python·렌더링 도구·폰트 탐색 캐시를 재사용 |
| 중간 산출물 재사용 | 한 browser/page 세션에서 8개 route와 인터랙션을 연속 검증 | PPTX SHA-256이 같은 리비전에서만 중간 PDF를 상세 렌더에 재사용 |
| 수정 루프 단축 | 결함을 모아 일괄 수정 → 영향 route 확인 → 최종 전체 QA | 결함을 모아 일괄 수정 → 위험 슬라이드 확인 → 변경 시에만 최종 전체 render |
| 측정 | 단계별 시간·cache hit·repair cycle을 세션 metrics.json에 기록 |
단계별 시간·PDF reuse·cache hit·repair cycle을 세션 metrics.json에 기록 |
공용 캐시에는 고객 데이터·시크릿·생성 결과를 넣지 않으며, 검증 스크립트와 QA 파일은 세션 작업
폴더에 격리합니다. 최종 산출물 폴더에는 사용자가 요청한 .html 또는 .pptx만 남깁니다.
여기서 <session>은 클라이언트가 제공하는 세션 artifact 경로를 뜻합니다. 그런 경로가 없는
VS Code 환경에서는 저장소와 최종 출력 폴더 밖의 OS 임시 디렉터리를 사용합니다.
이 킷의 google-web-search 스킬이 범용 웹 검색을 맡는다면,
MCP(Model Context Protocol) 서버는 Copilot에 구조화된 1차 도구 접근
(공식 문서·GitHub 이슈/PR/코드)을 붙여 줍니다. 둘은 상호 보완적입니다 — 스킬은
"어떻게 정리할지", MCP는 "어디서 정확히 가져올지".
이 킷은 Microsoft Learn MCP를 리포에 사전 번들합니다. clone하면 설정 파일이 인식되고, 클라이언트에서 폴더 신뢰 또는 서버 Start를 승인하면 활성화됩니다. 연결 설정만 저장하며 문서 내용을 저장소에 복제하지 않습니다.
| 서버 | 역할 | 인증 | 어떻게 연결되나 |
|---|---|---|---|
| GitHub MCP | 이슈·PR·코드·릴리스 조회/작성 | GitHub 로그인 | Copilot CLI에 내장 — 설정 불필요 |
| Microsoft Learn MCP | learn.microsoft.com 공식 문서·코드 샘플 조회 |
불필요 · 무료 공개 엔드포인트 | 리포에 번들 — 클라이언트 승인 후 활성화 |
- Copilot CLI — 리포의
.github/mcp.json을 워크스페이스 서버로 자동 로드. 첫 실행 시 폴더 신뢰(trust)에 동의하면 활성화됩니다.- 확인:
copilot mcp list→Workspace servers: microsoft-learn (http)
- 확인:
- VS Code (Copilot Chat · Agent) — 리포의
.vscode/mcp.json을 인식. 파일 상단 Start 또는 명령 팔레트 → MCP: List Servers로 시작.- 확인: Agent 도구 목록에
microsoft_docs_search등이 보이면 정상입니다.
- 확인: Agent 도구 목록에
별도 서버 설치나 URL 입력은 필요하지 않습니다. GitHub MCP는 Copilot CLI에 내장되어 있고, Microsoft Learn MCP 연결은 리포에 번들되어 있습니다. 단, 클라이언트의 신뢰/실행 승인은 필요합니다.
- CLI:
/mcp add(대화형) 또는 전역~/.copilot/mcp-config.json(루트 키mcpServers). 관리는copilot mcp list//mcp show//mcp disable <이름>. - VS Code:
.vscode/mcp.json(루트 키servers).
보안: MCP 서버는 외부 도구를 실행합니다. 신뢰할 수 있는 서버만 추가하고, 추적되는
.github/mcp.json이나.vscode/mcp.json에 리터럴 키를 저장하지 마세요. 클라이언트가 지원하는 환경변수/secret/input 치환 또는 사용자 전역 설정을 사용하고, 구체 문법은 해당 클라이언트의 공식 문서를 따르세요.
Q. 어떤 Copilot 플랜이 필요한가요? 이 킷은 특정 모델을 요구하지 않습니다. 사용하려는 GitHub Copilot Chat·Agent·CLI 기능을 지원하는 플랜과 최신 클라이언트를 사용하면 됩니다.
Q. 내 프로젝트에 어떻게 적용하나요?
지침·스킬은 .github/에, VS Code MCP 설정은 .vscode/mcp.json에 둡니다. 기존 설정이나 같은
이름의 스킬이 있으면 복사 명령으로 덮어쓰지 말고 내용을 병합하세요.
Q. 스킬이 동작하지 않아요.
최신 VS Code + GitHub Copilot Chat의 Agent mode를 사용하고, SKILL.md의 name이 폴더명과
일치하며 description에 트리거 키워드가 있는지 확인하세요.
Q. 지침이 로드되지 않아요.
.github/copilot-instructions.md 경로가 맞는지, 프로젝트 루트에 .github/가 있는지 확인하세요. Copilot CLI도 이 파일을 자동으로 읽습니다.
Q. MCP 서버는 어떻게 붙이나요?
이미 사전 번들되어 별도 서버 설치가 필요하지 않습니다. Microsoft Learn MCP 설정은 CLI의
.github/mcp.json과 VS Code의 .vscode/mcp.json에 있으며, 폴더 신뢰 또는 Start 승인 후
활성화됩니다. GitHub MCP는 Copilot CLI에 내장돼 있습니다.