Knowledge File / AI小生意项目库

2026-09-18 2 浏览免费阅读

Agentic CLI 自定义项现已纳入 Copilot 用量指标 API

Q: 这篇文章和哪些AI专题相关？

它适合放在Agent工作流、AI副业、AI工具专题里阅读。 关联原因：这篇内容命中「Agent、工作流」等主题信号。；这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「工具、自动化」等主题信号。

GitHub Copilot 在既有 CLI 报告上新增 agentic 活动指标，覆盖 skills、custom agents、MCP servers、slash commands 和 plugins 五类对象，字段出现在企业级与组织级的每用户报告、聚合 1 天报告、每用户 28 天报告及聚合 28 天报告的 day_totals 中。每类对象提供两组数据：最多五项使用排行的 totals_by_* 数组（含 interaction_count）与衡量使用广度的 distinct_*_use_count。企业和组织管理员据此可以判断哪些 CLI 自定义项正在获得采用、发现启用缺口，并把投入压到开发者真正觉得有价值的自动化上。

SOURCE / AI小生意项目库 MIN / 9 ACCESS / 免费阅读 POST / 2026-09-18 05:08:50

原贴

查看原文

作者：Allison 来源站点：github.blog 原贴时间： 2026-09-18 05:08:50

原文

GitHub Copilot expands existing CLI report coverage with agentic activity metrics for skills, custom agents, Model Context Protocol (MCP) servers, slash commands, and plugins. The fields appear in enterprise and organization per-user and aggregate 1-day reports, per-user 28-day reports, and the day_totals entries in aggregate 28-day reports. In a per-user report, the fields answer two questions about that user’s activity. In an aggregate report, they answer the same questions across the enterprise or organization: Which items are used most? The totals_by_skill , totals_by_custom_agent , totals_by_mcp , totals_by_slash_cmd , and totals_by_plugin arrays list up to five items with the most recorded activity. Each entry includes an interaction_count . Depending on the category, this counts invocations for skills, slash commands, and plugin skills, plus custom agent starts and MCP server connection attempts. How many different items were used? The distinct_skill_use_count , distinct_custom_agent_use_count , distinct_mcp_use_count , distinct_slash_cmd_use_count , and distinct_plugin_use_count fields count the number of different items used. In a per-user report, each item that user used counts once. In an aggregate report, each item used by anyone in the enterprise or organization counts once, not once per user. These counts include items outside the top five, and comparing them over time shows whether the variety of items in use is growing. Enterprise and organization administrators are now able to identify which Copilot CLI customizations are gaining traction, find enablement gaps, and focus investment on automations that developers find valuable. Names for recognized GitHub-provided items are shown. To protect privacy, customer-defined names are not shown. Skills, custom agents, MCP servers, and plugins are grouped under other . Copilot CLI telemetry already groups customer-defined slash commands under custom , so reports use that label for slash commands. For MCP servers, interaction_count increases only when Copilot CLI attempts to connect or reconnect to the server. Successful and failed attempts both count. Calling tools from the same connected server multiple times does not increase the count. Plugin metrics count only skill invocations associated with a plugin. Every plugin interaction therefore also appears in the skill totals, but skill interactions that do not come from a plugin appear only in the skill totals. Because the plugin totals are a subset of the skill totals, you should not add the two together. Empty arrays and zero counts indicate no matching activity. The fields are null or absent when customization data is unavailable. Reports are available to enterprise owners and billing managers, organization owners, and anyone with a custom organization or enterprise role that grants the View Copilot Metrics permission. The Copilot usage metrics policy must be enabled. Visit the Copilot usage metrics API documentation to get started.

中文翻译

GitHub Copilot 在现有的 CLI 报告覆盖范围基础上，扩展了针对 skills、custom agents、Model Context Protocol (MCP) servers、slash commands 和 plugins 的 agentic 活动指标。这些字段出现在企业级和组织级的每用户报告与聚合 1 天报告中、每用户 28 天报告中，以及聚合 28 天报告里的 day_totals 条目中。

在每用户报告中，这些字段回答关于该用户活动的两个问题。在聚合报告中，它们就整个企业或组织回答同样的问题：哪些项目使用最多？totals_by_skill、totals_by_custom_agent、totals_by_mcp、totals_by_slash_cmd 和 totals_by_plugin 数组最多列出记录活动最多的五个项目。每个条目包含一个 interaction_count。视类别而定，它统计 skills、slash commands 和 plugin skills 的调用次数，再加上 custom agent 启动次数和 MCP server 连接尝试次数。使用了多少个不同的项目？distinct_skill_use_count、distinct_custom_agent_use_count、distinct_mcp_use_count、distinct_slash_cmd_use_count 和 distinct_plugin_use_count 字段统计所使用的不同项目的数量。在每用户报告中，该用户使用的每个项目计一次。在聚合报告中，企业或组织中任何人使用过的每个项目计一次，而不是每个用户各计一次。这些计数包含前五名之外的项目，通过随时间比较可以看出使用中的项目种类是否在增长。

企业和组织管理员现在能够识别哪些 Copilot CLI 自定义项正在获得采用、发现启用缺口，并把投入集中在开发者认为有价值的自动化上。已识别的 GitHub 提供项目会显示名称。为保护隐私，客户自定义名称不予显示。Skills、custom agents、MCP servers 和 plugins 被归入 other。Copilot CLI 遥测已把客户自定义的 slash commands 归入 custom，因此报告对 slash commands 使用该标签。对于 MCP servers，interaction_count 仅在 Copilot CLI 尝试连接或重新连接到该服务器时增加。成功和失败的尝试都计入。对同一已连接服务器多次调用工具不会增加该计数。插件指标仅统计与某个插件关联的 skill 调用。因此每一次插件交互也会出现在 skill 总数中，但并非来自插件的 skill 交互只出现在 skill 总数中。由于插件总数是 skill 总数的子集，你不应将两者相加。空数组和零计数表示没有匹配的活动。当自定义数据不可用时，这些字段为 null 或缺失。报告可供企业所有者、账单管理员、组织所有者，以及任何拥有授予 View Copilot Metrics 权限的自定义组织或企业角色的人使用。必须启用 Copilot 使用指标策略。请访问 Copilot usage metrics API 文档以开始使用。

核心信息

GitHub Copilot 在既有 CLI 报告上新增 agentic 活动指标，覆盖 skills、custom agents、MCP servers、slash commands 和 plugins 五类对象，字段出现在企业级与组织级的每用户报告、聚合 1 天报告、每用户 28 天报告及聚合 28 天报告的 day_totals 中。每类对象提供两组数据：最多五项使用排行的 totals_by_* 数组（含 interaction_count）与衡量使用广度的 distinct_*_use_count。企业和组织管理员据此可以判断哪些 CLI 自定义项正在获得采用、发现启用缺口，并把投入压到开发者真正觉得有价值的自动化上。

GitHub Copilot 在既有 CLI 报告上新增 agentic 活动指标，覆盖 skills、custom agents、MCP servers、slash commands 和 plugins 五类对象，字段出现在企业级与组织级的每用户报告、聚合 1 天报告、每用户 28 天报告及聚合 28 天报告的 day_totals 中。每类对象提供两组数据：最多五项使用排行的 totals_by_* 数组（含 interaction_count）与衡量使用广度的 distinct_*_use_count。企业和组织管理员据此可以判断哪些 CLI 自定义项正在获得采用、发现启用缺口，并把投入压到开发者真正觉得有价值的自动化上。
原贴提到：GitHub Copilot expands existing CLI report coverage with agentic activit
来源：github.blog

详细解读

这是什么信号

GitHub Copilot 把「agentic 自定义」正式纳入官方用量指标 API。CLI 报告在原有覆盖上新增五类对象的统计——skills、custom agents、MCP servers、slash commands、plugins，字段同时出现在企业级与组织级的每用户报告、聚合 1 天报告、每用户 28 天报告，以及聚合 28 天报告的 day_totals 条目里。

每类对象给出两组数据：一组是「哪些用得最多」，即 totals_by_* 数组，最多列前五项并带 interaction_count；另一组是「用了多少种」，即 distinct_*_use_count。前者看强度，后者看广度。这是一个明确的信号：Copilot 的度量口径正在从「补全了多少代码」转向「agent 行为在组织里怎么发生」。

为什么重要

第一，AI 编码工具的采购与落地长期缺一个可信的中间层指标。许可证数量、活跃用户数只是粗粒度数据，回答不了「我们究竟在用哪些 agent 能力」。这次把粒度下沉到 skill、custom agent、MCP server、slash command 和 plugin，等于把 agentic 工作流本身变成了可统计对象。

第二，distinct 系列字段的设计意图很清楚——衡量多样性而非总量，用来判断使用是否只集中在少数人或少数工具上，通过随时间比较可以看出在用种类是否在扩散。这比单纯的总调用量更接近「是否在真正探索工具边界」。

第三，指标定义里藏着必须读懂的边界：MCP 的 interaction_count 统计的是连接或重连尝试（成功与失败都算），同一已连接服务器内多次调用工具不重复计数；插件指标只统计与插件关联的 skill 调用，因此插件总数是 skill 总数的子集，绝不能相加。误读这些口径，看板就会给出错误结论。

对谁有价值

企业所有者与组织管理员：现在可以识别哪些 CLI 自定义项正在被接受、哪里存在启用缺口，从而决定把预算投向哪些自动化。
平台工程与开发者体验团队：按用户与聚合的对比数据，可以用来定位推广死角、识别培训需求。
插件与 MCP 生态提供方：企业侧的度量口径变化会影响客户如何评估你的工具，理解字段定义有助于对齐自己的价值证明方式。
可见性有条件：企业所有者、账单管理员、组织所有者，或被授予 View Copilot Metrics 权限的自定义组织/企业角色才能看到，且必须启用 Copilot 使用指标策略。

可以怎么行动

把 1 天报告接进运营看板、28 天报告做趋势复盘，形成「日常监控 + 月度回看」两层节奏。
用 totals_by_* 的前五项找出组织内已被验证的自定义项，做内部推广与模板化；用 distinct_* 判断是少数人重度使用，还是已经在长尾扩散。
把 MCP 的 interaction_count 写进排查手册：连接尝试数偏高但体验不佳，通常指向配置或网络问题，而非使用意愿问题。原文没有单独的失败率字段，需要结合自身日志判断。
在治理上要先接受隐私带来的限制：除 GitHub 官方提供的项目外，客户自定义名称不显示，skills、custom agents、MCP servers、plugins 统一归入 other，slash commands 统一归入 custom。若想在报告里定位具体项，需要内部维护「自定义项清单 + 命名规范」作为对照表。

风险与限制

隐私优先的代价是可定位性：管理员看到的多是分组标签而非具体名称，想找出「谁在用哪个内部 skill」需要自己拼对照表，且永远无法从这份报告里直接读出客户自定义项的名字。

计数口径也有硬边界。MCP 只记连接尝试，衡量不了工具实际被调用的强度；插件与 skill 是子集关系，不能相加；空数组与零计数表示没有匹配活动，而字段为 null 或缺失表示自定义数据不可用——两种「空」含义不同，不能混为一谈。此外这不是公开或社区数据，可见性取决于权限与企业策略开关，未启用策略的组织拿不到任何字段，也就谈不上趋势判断。

信息差价值

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 github.blog 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Agentic CLI 自定义项现已纳入 Copilot 用量指标 API》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

参考来源

Allison 原帖

TOPIC HUBS

延伸专题

Agent工作流 Agent工作流：智能体、AI编程与自动化协作

这篇内容命中「Agent、工作流」等主题信号。

AI副业 AI副业：小生意、项目机会与可收费交付

这篇内容命中「项目、小生意、变现」等主题信号。

AI工具 AI工具：模型、插件、自动化与实战场景

这篇内容命中「工具、自动化」等主题信号。

AI SUMMARY

这篇文章回答了什么