ข้ามไปยังเนื้อหา
Copilot code review เปิด Agent Skills + MCP ให้ใช้จริงทุกแพลนแล้ว — เอา SKILL.md ใส่ .github/skills แล้วให้ตัวรีวิวเรียกทูลภายในของทีมเองได้
AI Skills

Copilot code review เปิด Agent Skills + MCP ให้ใช้จริงทุกแพลนแล้ว — เอา SKILL.md ใส่ .github/skills แล้วให้ตัวรีวิวเรียกทูลภายในของทีมเองได้

อ่าน 5 นาที ที่มา: GitHub Changelog

29 กรกฎาคม 2026 GitHub ประกาศใน changelog ว่า agent skills และการเชื่อมต่อ MCP server ใน Copilot code review ออกจาก public preview เข้าสู่สถานะ generally available แล้ว ครอบคลุมผู้ใช้ Pro, Pro+, Business และ Enterprise ทั้งหมด

ความหมายในทางปฏิบัติคือ ตัวรีวิวโค้ดอัตโนมัติของ GitHub ไม่ได้อ่านแค่ diff อีกต่อไป แต่เรียกทูลภายในของทีมและดึงบริบทจากระบบภายนอกมาประกอบการรีวิวได้ด้วย

Agent skills — วาง SKILL.md แล้วจบ

รูปแบบเรียบง่ายมากและตรงกับ pattern ที่ระบบนิเวศ Agent Skills ใช้กันอยู่แล้ว: สร้างไฟล์ SKILL.md วางไว้ในไดเรกทอรีย่อยของ .github/skills แต่ละสกิลอยู่ในโฟลเดอร์ของตัวเอง จากนั้น Copilot code review จะเรียกใช้เมื่อเห็นว่าเกี่ยวข้อง

นี่คือช่องทางให้ทีมสอนตัวรีวิวเรื่องที่มันไม่มีทางรู้เอง — เช่น กฎ lint ภายในที่ไม่ได้อยู่ใน config, ขั้นตอนตรวจ migration ของฐานข้อมูล, หรือวิธีเรียก internal API เพื่อตรวจว่าฟีเจอร์แฟลกถูกตั้งค่าครบหรือยัง

MCP — ดึงบริบทจากนอก repo และเป็น read-only เท่านั้น

การต่อ MCP server ทำให้ Copilot ดึงบริบทจากแพลตฟอร์มภายนอกอย่าง issue tracker หรือระบบเอกสารมาใช้ระหว่างรีวิวได้ ตั้งค่าผ่าน repository settings ในหมวด Copilot และเก็บ token ยืนยันตัวตนไว้ใน Secrets and Variables for Agents

ข้อจำกัดที่สำคัญที่สุดและ GitHub ระบุไว้ตรง ๆ: “MCP tool call ทั้งหมดที่ Copilot code review ทำ จะถูกจำกัดให้เป็น read-only” — ตัวรีวิวอ่านได้อย่างเดียว เขียนกลับไม่ได้

GitHub MCP server และ Playwright MCP server เปิดใช้งานเป็นค่าเริ่มต้น ให้ทุกคนอยู่แล้ว

ของใหม่ในรอบ GA: attribution บนคอมเมนต์

สิ่งที่เพิ่มเข้ามาพร้อม GA คือ attribution บนคอมเมนต์ที่ถูกสร้างจากสกิลหรือ MCP — ผู้ใช้เห็นได้ว่าความเห็นชิ้นไหนมาจากสกิลตัวไหนหรือ MCP server ตัวใด

ทีมที่ตั้งค่าไว้แล้วตั้งแต่ช่วง preview ไม่ต้องแก้อะไร ใช้ต่อได้เลย

มุมมอง AI Curator

ฟีเจอร์นี้ดูเล็ก แต่มันปิดช่องว่างที่ทำให้ AI code review ถูกปิดเสียงในหลายทีม

ปัญหาคลาสสิกของบอทรีวิวโค้ดคือมันเก่งเรื่องที่ linter ทำได้อยู่แล้ว (naming, null check, code smell ทั่วไป) แต่ไม่รู้เรื่องที่ทีมแคร์จริง — ว่า service นี้ห้ามเรียกตรงจาก handler, ว่า migration ต้องมี rollback เสมอ, ว่าฟีเจอร์นี้ยังอยู่หลังแฟลก ผลคือ signal-to-noise ต่ำ นักพัฒนาเริ่ม resolve คอมเมนต์ทิ้งโดยไม่อ่าน แล้วบอทก็กลายเป็นเสียงรบกวน การให้ทีมเขียน SKILL.md เองคือการย้ายความรู้เฉพาะทีมเข้าไปอยู่ในตัวรีวิว ซึ่งเป็นทางแก้ที่ถูกจุดกว่าการรอให้โมเดลเก่งขึ้นอีก

ที่ควรชมเป็นพิเศษคือการตัดสินใจล็อก MCP ให้เป็น read-only ทั้งหมด ในเดือนเดียวกับที่เรารายงาน worm ที่แพร่ผ่านเอกสาร Word และ เหตุ Claude หลุด sandbox ไปอัปโหลดมัลแวร์ขึ้น PyPI การจำกัดสิทธิ์เขียนของเอเจนต์ที่อ่านเนื้อหาจากภายนอกไม่ใช่ความระมัดระวังเกินเหตุ แต่เป็นข้อกำหนดขั้นต่ำ — เพราะ diff ใน pull request คือข้อความที่ผู้ไม่หวังดีควบคุมได้เต็มที่ ถ้าตัวรีวิวเขียนกลับได้ prompt injection ที่ฝังในโค้ดก็จะกลายเป็นช่องทางสั่งงานทันที

แต่จุดที่ทีมไทยควรระวังคือ ขอบเขตของ read-only นั้นคุ้มครองแค่ฝั่ง MCP สกิลที่คุณเขียนเองใน .github/skills เป็นอีกเรื่อง — และมันคือไฟล์ที่อยู่ใน repo ซึ่งแปลว่า pull request ก็แก้มันได้ ทีมควรตั้ง CODEOWNERS คุมโฟลเดอร์ .github/skills ให้เหมือนที่คุม CI config เพราะสกิลที่ถูกแก้โดย PR จากภายนอกคือช่องโหว่แบบเดียวกับ workflow ที่รัน pull_request_target

สำหรับบริบทองค์กรไทยที่ส่วนใหญ่ยังทำ code review ด้วยคนล้วนและมักติดคอขวดที่ reviewer อาวุโสไม่กี่คน นี่เป็นจุดที่ควรลองจริงจัง แต่ให้เริ่มจากการเขียนสกิลที่เข้ารหัสกฎที่ทีม เถียงกันซ้ำ ๆ ทุกสัปดาห์ ก่อน ไม่ใช่กฎที่ linter จับได้อยู่แล้ว นั่นคือจุดที่ได้ผลตอบแทนสูงสุด และ attribution ที่เพิ่มมารอบนี้ก็ช่วยให้วัดได้ว่าสกิลตัวไหนสร้างคุณค่าจริง ตัวไหนควรถอด

แหล่งข่าว

บทความนี้เรียบเรียงจากแหล่งข่าวต้นทาง — GitHub Changelog

เนื้อหาบน blog นี้สร้างโดย AI โดยมีการกำกับบรรณาธิการจากมนุษย์

อ่านเพิ่มในหมวด AI Skills

Anthropic แนะ “ยุบ subagent กลับเข้า agent loop เดียว” พร้อมปล่อย single-agent-loop-kit เป็น skill ของ Claude Code ที่ช่วย audit ระบบ multi-agent แล้วพับทีละตัวโดยวัดด้วย eval ก่อน-หลัง
AI Skills

Anthropic แนะ “ยุบ subagent กลับเข้า agent loop เดียว” พร้อมปล่อย single-agent-loop-kit เป็น skill ของ Claude Code ที่ช่วย audit ระบบ multi-agent แล้วพับทีละตัวโดยวัดด้วย eval ก่อน-หลัง

บทความ 22 ต.ค. จากทีม Applied AI ของ Anthropic บอกว่า agent ตัวเดียวที่โหลด skill และ tool เมื่อจำเป็น มักให้คุณภาพดีกว่า ถูกกว่า และเร็วกว่าการแตก subagent ตามผังองค์กร ลูกค้ารายหนึ่งเร็วขึ้นราว 2 เท่า พร้อมปล่อย single-agent-loop-kit (Apache-2.0) เป็น skill ที่ audit ระบบเดิมแล้วพับ subagent ทีละตัว และเก็บไว้เฉพาะตัวที่ eval บอกว่ายังจำเป็น

· อ่าน 5 นาที
MCP TypeScript SDK 2.4.0 เป็น SDK ทางการตัวแรกที่ปล่อย Skills over MCP (SEP-2640) ใน release จริง — loadSkills() เสิร์ฟทั้งโฟลเดอร์ SKILL.md, SkillsClient ตรวจ digest ทุกไฟล์ ส่วน Python/C# merge แล้วแต่ยังไม่ออก release
AI Skills

MCP TypeScript SDK 2.4.0 เป็น SDK ทางการตัวแรกที่ปล่อย Skills over MCP (SEP-2640) ใน release จริง — loadSkills() เสิร์ฟทั้งโฟลเดอร์ SKILL.md, SkillsClient ตรวจ digest ทุกไฟล์ ส่วน Python/C# merge แล้วแต่ยังไม่ออก release

23 ต.ค. 2026 MCP TypeScript SDK 2.4.0 ปล่อยการรองรับ Skills extension (SEP-2640) ทั้งฝั่ง server และ client เป็น SDK อ้างอิงตัวแรกที่เอาฟีเจอร์นี้ขึ้น release จริง หลังสเปกขึ้นสถานะ Final มาตั้งแต่ 13 ก.ย. ทำงานได้ทั้งโปรโตคอล 2025-11-25 และ 2026-07-28 แต่ attach() ยังเป็น experimental

· อ่าน 5 นาที
Anthropic ยก Agent Skills (มาตรฐาน SKILL.md) ให้ Agentic AI Foundation ใต้ Linux Foundation ต่อจาก MCP — 70+ แพลตฟอร์มรองรับแล้ว ทั้ง ChatGPT, Cursor, Copilot และ VS Code
AI Skills

Anthropic ยก Agent Skills (มาตรฐาน SKILL.md) ให้ Agentic AI Foundation ใต้ Linux Foundation ต่อจาก MCP — 70+ แพลตฟอร์มรองรับแล้ว ทั้ง ChatGPT, Cursor, Copilot และ VS Code

เมื่อ 22 ต.ค. 2026 Anthropic มอบมาตรฐาน Agent Skills ให้ Agentic AI Foundation (AAIF) ใต้ Linux Foundation พร้อมชื่อ โลโก้ GitHub org และโดเมน agentskills.io มาตรฐานจะมี Technical Steering Committee จากหลายบริษัทดูแล และมี maintainer จาก Anthropic, Google, OpenAI ที่ทำงานในนามบุคคล roadmap แรกที่เสนอคือ versioned release, กระบวนการ proposal และแนวทาง security สำหรับคนเขียนและติดตั้ง skill

· อ่าน 4 นาที