GitHub Copilot Coding AgentをローカルLLMで再現してみた（無料・ローカル）

概要

GitHub CopilotのAgent機能は強力ですが、月額39ドルの費用やデータの外部送信が気になる方も多いはず。
本記事では、GitHub CopilotのCoding Agent相当の仕組みをローカルLLMのみで実現しました。
issueに書いて欲しい仕様を書いて、labelにcoding agentを振っておくと、自動でissueを見つけてコードを生成、git上に出力してくれます。
(現状では、試したのはhello world出力のみ。多分もうちょっと複雑なことをするにはプロンプトの改良が必要,ただ、qwen3-30Bが凄いので、結果動きそう)

• issueからタスクを自動取得し
• LLMがコードを提案・改良し
• 必要に応じてMCP (Model Context Protocol) サーバーのツールを使ってGitHub APIにアクセス

という一連の処理を、無料で・ローカル環境で・プライバシーを守りながら実行できます。

✅ 実装リポジトリはこちら
https://github.com/notfolder/coding_agent

使い方(Dockerに対応しました！！)

1. プロジェクト内のsample.envを参考に.envファイルを作成、APIキーを設定

2. githubかgitlabのissueにllmにお願い事をかく

3. issueに'''coding agent'''というラベルを付ける

4. run.shをcronで定期起動するとllmがissueを読んでコーディングしたりREADME.md書いたりしてくれます

---

目的と背景

GitHub Copilot ChatやCopilot Workspaceが登場し、"issue からコードを生成する"という開発スタイルが一般化しつつあります。
しかし、商用モデルを前提とするこれらのツールには次のような制約があります。

• 月額費用（Copilot Pro/Enterprise: $39）
• API利用時の追加課金
• 外部サービスにコードを送信する必要がある

そこで今回は、ローカルで動作するLLM（例：Qwen 30B、Mistralなど）とMCPサーバーを連携し、GitHub Copilot Coding Agentと同様の動作を模倣・拡張できるシステムを構築しました。

---

システム全体像と仕様（spec.mdより）

以下の仕様に基づき、エージェント全体の処理を構成しています。

主なコンポーネント

• LLM Client（lmstudio / ollama / openai に対応した抽象クラス）
• MCPToolClient：MCPサーバーへの同期呼び出しを抽象化
• TaskGetterFromGitHub：GitHub issueを取得し、Taskとして加工
• TaskGitHubIssue：GitHub上のissueへのコメント／ラベル操作などを抽象化

主な処理フロー

1. MCPサーバーをconfig.yamlに定義された設定で起動
2. GitHubから「coding agent」ラベル付きissueを取得
3. 各issueについて、プロンプトを作成しLLMを呼び出す
4. LLMの応答に含まれる command 指示に基づきMCPサーバーを操作
5. 結果を再度LLMに渡して応答を継続
6. done: true が返るまで繰り返し、完了したらラベル付与・コメント投稿

---

JSON-RPCでMCPツールを呼ぶときの注意点

MCPサーバーとの通信はJSON-RPC形式で行われます。重要なポイントは以下の通りです。

req_obj = {
    "jsonrpc": "2.0",
    "id": self._id_counter,
    "method": "tools/call",
    "params": {
        "name": tool,
        "arguments": args
    }
}

❗️ハマりどころ：tool名をそのままmethodに書くと動かない！

{
  "jsonrpc": "2.0",
  "method": "update_issue",
  ...
}

のようにすると Method not found しか返ってきません。

✅ 正しくは tools/call を明示

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "update_issue",
    "arguments": {
      ...
    }
  }
}

これに気づかず、MCPサーバーのレスポンスがずっと「Method not found」で悩み、3週間ほど格闘しました。

---

特徴と利点

💰 完全無料

• ローカルLLM（例: Qwen 30B, Mistral）を使用し、OpenAIのAPI料金なし
• GitHub APIアクセスもトークンベースで制御（Docker経由）

🔒 プライバシー保護

• LLMもMCPもすべてローカル実行
• 企業内や個人の閉じた開発環境でも安心

🧹 拡張性

• MCPプロトコル準拠のサーバーであれば何でも繋がる
• GitHub操作以外のツール（メール通知、ChatOps等）も追加可能
• Gitlabを実装予定

---

コード構成（抜粋）

.
├── config.yaml              # 各種設定
├── main.py                 # エージェント起動スクリプト
├── clients/
│   ├── mcp_tool_client.py  # MCPサーバー呼び出しロジック
│   └── lm_client.py        # LLMプロバイダ別の抽象クライアント
├── handlers/
│   ├── task_handler.py
│   ├── task_getter.py
│   └── task_getter_github.py

たとえば mcp_tool_client.py では、上述した正しい tools/call の形式でMCPにリクエストを送り、レスポンスを受けてLLMへ渡す流れを記述しています。

---

実行方法（例）

1. GitHubトークンを環境変数に設定
2. cronで main.py を一定間隔で実行
3. config.yaml で使用するLLMやMCPツールを定義
4. main.py を実行してGitHub issueの自動処理開始！

---

まとめ・所感

本記事では、GitHub Copilot Agent的なタスク駆動型の開発支援を、ローカルLLM + MCPサーバー + GitHub APIで再現しました。

• ローカルLLMなので コストゼロ、情報流出なし
• chatgptと相談してspec.mdを作って、chatgptにコーディングしてもらいました
• JSON-RPCの仕様落とし穴に注意が必要（特にtools/callの部分）

Copilot Agentを使いたいが課金や情報管理が気になる方にとって、本記事が参考になれば幸いです。

---

参考リンク

• Model Context Protocol 公式
• GitHub MCP Server
• 実装リポジトリ

---

この記事の作成過程

ChatGPTと複数回の対話を重ねながら、仕様検討・コード設計・エラー対処まで行いました。

• 相談ログ: https://chatgpt.com/share/6856a615-2220-8009-9917-09e3d2362d81

---