「GitHub Copilot、全員使えるようにしようと思うんだけどどう思う？」
Claude Codeをメインで使っている身としては、正直ちょっと戸惑いました。
Copilotのことをそこまでちゃんと調べたことがなかったからです。
「なんか補完してくれるやつでしょ」くらいの認識で止まっていました。
これはまずい、と思い2026年現在のGitHub Copilotを一から調べ直しました。
その結果、「あ、全然別物になってるじゃないか」と思い知らされました。
この記事では、Claude Codeユーザーとしての視点で、GitHub Copilotを正直に調査した結果をまとめます。
この記事で分かること:
- GitHub Copilotの2026年現在の機能全体像（Agent Mode、Coding Agent、MCPなど）
- プラン別の料金と、実際にどのくらいコストがかかるかの試算
- Claude Codeとの違いと、どう使い分けるべきかの実践的な指針
比較の結論だけ知りたい方はClaude Codeとの比較へどうぞ。
GitHub Copilot 2026年の現在地
GitHub Copilotは2021年にテクニカルプレビューとして登場しました。
当初はコード補完に特化したツールで、「Tabキーを押すだけで次のコードが出てくる」というシンプルなものでした。
ところが2024〜2026年にかけて、その姿は大きく変わりました。
2024年末にAgent Modeのプレビューが始まり、複数ファイルにまたがる自律的な編集が可能になりました。
2025年前半にAgent ModeがGAとなり、同時期にCopilot CLIもGAになりました。
2025年11月10日には旧Extensions（GitHub App ベースの拡張機能）が廃止され、MCP（Model Context Protocol）に一本化されました。
マルチモデル対応も進み、現在ではGPT-5.3-Codex・Claude Sonnet 4.5・Gemini系など複数のモデルを選択できます。
もはや「コード補完ツール」ではありません。
エージェントとして自律的に動き、外部ツールと連携し、CI/CDパイプラインにも介入する。
そういうシステムになっていました。
主要機能の詳細解説
Copilot Chat
IDEのサイドパネルから利用できるチャットインターフェースです。
VS CodeやJetBrainsのIDEに統合されており、コードを書きながらそのまま質問や指示ができます。
@workspace でプロジェクト全体をコンテキストに含めたり、@file で特定ファイルを参照させたりといったコンテキスト指定が特徴的です。
@terminal でターミナルの直近の出力を参照させることもできます。
@workspace このプロジェクトの認証フローを説明して
@file src/auth/login.ts このファイルのエラーハンドリングを改善して
コンテキスト指定が @workspace や @file という形で明示的な点が最初は新鮮でした。
Claude Codeはカレントディレクトリを自動的に認識するので、「どこを見てほしいか」を都度指定する習慣がないんですよね。
慣れの問題ではありますが、逆に言えば「何を参照しているか」が明確なので、意図しない情報混入が起きにくいという安心感もあります。
Copilot Edits
自然言語の指示で、複数ファイルにまたがる編集を一括で行う機能です。
CursorのComposerに近い体験と言えば伝わりやすいかもしれません。
「全てのAPIエンドポイントにバリデーションを追加して」のように指示すると、関連するファイルを探索して変更案を提示してくれます。
変更はdiff形式で確認でき、ファイルごとに承認・却下を選べます。
操作がIDE内で完結するので、コンテキストスイッチが少ないのが良いですね。
ターミナルとIDEを行き来しなくていい、という点はEditsの明確なメリットだと感じました。
Agent Mode
2025年にGAとなった、Copilotの中核機能です。
従来のChatやEditsとの違いは「反復性」にあります。
Agent Modeは以下を自律的に繰り返します:
- コードベースの探索（ファイル検索、シンボル解析）
- 編集の実行
- ターミナルコマンドの実行（テスト、ビルドなど）
- エラーの自動修正
- 必要であればMCPサーバーを呼び出して外部ツールと連携
「テストが全部通るまで直し続けて」という指示を投げっぱなしにできるイメージです。
コンテキスト窓はモデルにより異なり、公式には非公開ですが、実態として64k〜160kトークン程度とされています。
ただしシステムが出力用に約30%確保するため、実際にプロンプトへ使えるのはその70%程度です。
64kトークンは概算で約5万文字・2,000〜3,000行のコードに相当します。
ここが最も差を感じた部分でした。
Claude Codeは200k〜最大1Mトークンのコンテキスト窓を持っています。
大規模なモノリシックなコードベースを丸ごと食わせるようなケースでは、この差は無視できません。
逆に言えば、多くの一般的なプロジェクトでは32k〜128kで十分なケースも多いですね。
Coding Agent
おそらく2026年時点でのCopilotの最大のキラー機能だと思います。
使い方は驚くほどシンプルです。
GitHub IssuesのAssigneesに @copilot を追加するだけ。
するとCopilotがそのIssueを読み、GitHub Actions環境上でコードを実装し、Draft PRを自動的に作成してくれます。
しかもCoding AgentはPRを作成した後、自分でコードレビューも行います。
「このコードに潜在的な問題がある」と自己指摘してコメントを残すこともあります。
バックグラウンドで動作するため、人間のエンジニアはその間他の作業ができます。
IssueをAssignしたら、しばらくしてSlack通知が来て「PR作りました」という体験です。
これはClaude Codeには今のところない体験ですね。
Claude CodeはローカルでCLIを動かすスタイルなので、GitHub Actionsとのネイティブ統合という観点ではCopilot Coding Agentのほうが圧倒的に優位です。
OSSコントリビューションや、チームでのIssue消化を半自動化したい場合には特に強力だと思います。
Copilot CLI
ターミナルネイティブで使えるCopilot体験です。
2026年2月にGAとなった新しい Copilot CLI は、単純なコマンド提案ツールから、コードベースを理解して自律的に動くエージェントへと大きく進化しました。
インストール方法
Claude Code と同様に、パッケージマネージャーやスタンドアロンバイナリで直接インストールでき、copilot コマンド一発で起動できます。
# Homebrew（macOS / Linux）
brew install copilot-cli
# WinGet（Windows）
winget install GitHub.Copilot
# npm（Node.js 22以上が必要）
npm install -g @github/copilot
インストール後は gh copilot と打つ必要はありません。ターミナルで copilot と入力するだけで対話セッションが始まります。
補足:
gh copilotは GitHub CLI 経由のラッパーです。未インストールの場合は自動でインストールを促し、インストール済みの場合はそのままcopilotコマンドに転送します。gh copilot suggest/gh copilot explainは旧来の extension 時代の名残で、現在のエージェント型 CLI の主な使い方ではありません。
VS Code との統合
VS Codeの統合ターミナルでも copilot と入力するだけで起動できます。
さらに「Terminal: Create New Terminal (With Profile)」から「GitHub Copilot CLI」プロファイルを選ぶ方法もあります。
起動したCLIセッションはVS CodeのChatビューに自動検出され、ターミナルとChatビューの両方からプロンプト送信・進捗確認・変更レビューができます。セッションの一時停止・再開も可能です。
4種の専門サブエージェント
Copilot CLIは内部的に4種のサブエージェントを持ち、AIモデルがタスクに応じて自動的に使い分けます
| サブエージェント | 役割 |
|---|---|
| Explore | コードベースの高速分析。メインコンテキストを汚さずに「このコードはどう動く？」という質問ができる |
| Task | テスト・ビルドなどのコマンド実行。成功時は簡潔に、失敗時は全出力を表示 |
| Plan | 複雑な変更の実装計画を作成。依存関係を分析し、実行前に人間がレビューできる |
| Code Review |
/review スラッシュコマンドでコミット前にローカルの変更差分をレビュー（後述の PR Code Review とは別機能） |
複数のサブエージェントを並列実行することも可能です。
Autopilotモード
「autopilotモード」では、承認ステップをスキップして自律的にタスクを実行できます:
# --autopilot フラグで直接起動
copilot --autopilot -p "テストを全て修正して"
# 全変更を許可する場合（ファイル削除を含む）
copilot --autopilot --allow-all -p "リファクタリングして"
対話中に Shift+Tab を押すとその場でautopilotモードに切り替えることもできます。
正直、copilot と入力するだけで起動できる体験は Claude Code と並べて語れるレベルになったと思います。
4種のサブエージェントによる分業構造は、Claude CodeのAgentツールの使い方とも概念が近いですね。
一方、継続的なタスクをエージェントに任せるなら、まだClaude Codeのほうが慣れているかも。
CLIとしての体験はどちらも十分実用的だと感じました。
Code Review
Pull Requestに対して、CopilotがAIレビューコメントを自動投稿する機能です。
アジェンティックアーキテクチャを採用しており、PRの変更差分だけでなくコードベース全体のコンテキストを収集した上でレビューを行います。
バグの可能性、パフォーマンス問題、セキュリティ上の懸念などをコメントとして残してくれます。
GitHubの発表によると、Code Reviewは累計6,000万件を超えるレビューを処理しているとのことです。
これはClaude Codeとの比較というより、既存のコードレビュープロセスへの補完として捉えるべき機能ですね。
PRを出したら自動でAIレビューが入り、明らかなミスを事前に弾いてくれます。
チームで使う場合の時間節約効果は大きいと思います。
MCP連携
2025年11月10日に旧Extensions（GitHub App ベースの拡張機能）が廃止され、MCP（Model Context Protocol）に一本化されました。
VS Code 1.10x系以降では .vscode/mcp.json にMCPサーバーの設定を書くだけで連携できます。
{
"servers": {
"github": {
"type": "http",
"url": "https://api.githubcopilot.com/mcp/"
},
"filesystem": {
"type": "stdio",
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
}
}
}
設定ファイルの場所や書き方は異なりますが、MCPサーバー自体は共通してClaude Codeと同じく使えることが多いようです。
カスタムエージェント・スキル
Copilot の動作を専門化・拡張する仕組みとして、3つの概念が存在します。
| 概念 | 用途 | いつ使うか |
|---|---|---|
| Custom Instructions | コーディング規約・リポジトリ固有の前提知識 | ほぼ全タスクに常時適用したい簡潔なルール |
| Agent Skills | 特定タスクの専門的なワークフロー（スクリプト・例文・手順含む） | 特定の文脈でのみロードさせたい再利用可能な能力 |
| Custom Agents | 複数のスキルをまとめた名前付きペルソナ | 複数スキルを束ねた複雑なワークフロー |
Agent Skills
Agent Skills は 2025年12月に導入されたオープン標準です。
SKILL.md（YAMLフロントマター付きMarkdown）とスクリプト・リソースをディレクトリにまとめて定義します。
Copilotはプロンプトの内容を見て関連スキルを自動的にロードします。
.github/skills/
└── webapp-testing/
├── SKILL.md # スキルの説明と手順
└── run-tests.sh # スキルから呼び出すスクリプト
保存場所によってスコープが変わります:
| 保存先 | スコープ |
|---|---|
.github/skills/ |
リポジトリ固有 |
~/.copilot/skills/ |
個人・全プロジェクト共通 |
~/.claude/skills/ |
Claude Code との共有（オープン標準のため互換） |
Copilot CLI・Coding Agent・VS Code Agent Mode の3環境で同一スキルが動作します。
ここが調査していて驚いた部分です。
Agent Skills は オープンスタンダード を採用しているため、スキルファイル（SKILL.md）は両ツールで共用できます。
スキルのディレクトリは両ツールで共通
| スコープ | 保存先 |
|---|---|
| 個人（グローバル） |
~/.copilot/skills/ または ~/.claude/skills/
|
| プロジェクト |
.github/skills/ または .claude/skills/
|
.claude/skills/ はClaude Code専用ではなく、GitHub Copilotも読み込む共通ディレクトリなので.github/skillsが無くても.claude/skills/を自動で読み込んでくれます。
コミュニティには github/awesome-copilot というスキル・エージェント集もあり、共有文化が育ちつつあります。
「一度書いたスキルをCopilotでもClaude Codeでも再利用できる」 という世界がすでに始まっています。
マルチモデル対応
2026年3月現在、GitHub Copilotでは以下のモデルを選択できます:
- GPT-5.4（OpenAI）
- GPT-5.4 mini（OpenAI / 2026年3月17日GA）
- GPT-5.3-Codex（OpenAI）
- GPT-5.2-Codex / GPT-5.1-Codex（OpenAI）
- GPT-4.1（OpenAI）
- Claude Opus 4.6（Anthropic / Pro+ / Enterprise のみ）
- Claude Sonnet 4.6（Anthropic）
- Claude Sonnet 4.5（Anthropic）
- Claude Haiku 4.5（Anthropic）
- Auto（タスクに応じてモデルを自動選択）
モデルラインナップは頻繁に更新されます。最新の一覧は公式ドキュメントで確認してください。
Autoモードはコスト・速度・能力のバランスをCopilot側が判断して最適なモデルを選びます。
2026年3月時点のAutoモードの候補はGPT-4.1・GPT-5.4 mini・GPT-5.2-Codex・Claude Haiku 4.5・Claude Sonnet 4.5などです。
Autoモードのモデルプールは頻繁に更新されるため、常に最新の選択肢が使われます。
CopilotでClaudeが使えるのは事実ですが、これはClaude Codeとは別物として整理するのが正確です。
Copilot上のClaudeはCopilotのコンテキスト管理・ツール呼び出しの仕組みの中で動きます。
Claude Codeが提供する、ターミナルとの深い統合や長大なコンテキスト窓はCopilot経由では得られません。
「Copilotを使いながらClaudeの回答品質を一部享受できる」という理解が正確だと思います。
プラン別機能・料金比較
GitHub Copilotは2026年現在、主に5つのプランが存在します（学生・教育者向けの無料プランも別途あります）。
| プラン | 月額 | Premium Req/月 | 主な特徴 |
|---|---|---|---|
| Free | $0 | 50回 | コード補完2,000回/月（モデル倍率により実消費量変動） |
| Pro | $10 | 300回 | コード補完・Chat無制限、主要モデル利用可 |
| Pro+ | $39 | 1,500回 | 全モデル利用可（Opus 4.5 / 4.6等） |
| Business | $19/user | 300回 | 管理コンソール・組織ポリシー・IP保護 |
| Enterprise | $39/user | 1,000回 | SSO・監査ログ・Fine-tuning・Copilot全機能 |
学生・教育者・OSS メンテナー向けの無料枠
2026年3月12日より「GitHub Copilot Student」という独立プランが提供されています。
在学証明のある学生はGitHub Education、教育者・人気OSSのメンテナーはCopilot Proへの無料アクセスが付与されます。
「Premium Requests」はAgent ModeやCoding Agent、プレミアムモデル利用などで消費されるリクエスト数です。
モデルごとに倍率が設定されており、たとえばClaude Opus 4.5は3x倍率、Claude Opus 4.6（通常）は3x・高速版は最大30x倍率です。
上限を超えた場合は $0.04/Premium Req の追加料金が発生します。
Premium Requestsの消費量について
1回の操作あたりの消費Req数はモデル・タスク・会話の長さによって大きく変わります。
公式ドキュメントでも具体的な消費量の目安は明示されていません（2026年3月現在）。
Claude Codeとの比較
そもそもの設計思想が異なります。
GitHub Copilotは「IDEに統合されたAIアシスタント」として設計されており、エディタの体験をAIで拡張することが主眼です。
Claude Codeは「ターミナルネイティブのAIエージェント」として設計されており、CLI中心のワークフローに深く統合されることが主眼です。
この違いが、以下の表のほぼ全ての差を生んでいます。
| 比較軸 | GitHub Copilot | Claude Code | 備考 |
|---|---|---|---|
| 設計思想 | IDE拡張型AIアシスタント | ターミナルネイティブエージェント | 根本的に別のアプローチ。どちらが優れているかではなく、ワークフロー次第 |
| コンテキスト窓 | 64k〜160kトークン（公式非開示・モデル依存・実効約70%） | 200k〜最大1Mトークン（モデル依存） | 大規模コードベースへの対応力は今もClaude Codeが上 |
| 料金体系 | 月額定額 + Premium Req超過分従量 | 純粋な従量課金（API使用量） | Copilotは予算が読みやすい。Claude Codeは使い込むと高くなる |
| ベンチマーク | 非公開 | 非公開（SWE-benchリーダーボードで上位だが公式の直接比較データなし） | 両者とも「どちらが優れているか」の公式比較データは存在しない |
| CI/CD統合 | GitHub Actionsとネイティブ統合（Coding Agent） | 手動設定が必要 | IssueからPR自動化はCopilotの圧倒的強み |
| IDE対応 | VS Code、JetBrains系、Vim等幅広い | 主にターミナル（VS Code拡張あり） | チーム全員が同じIDEでない場合、Copilotの幅広さが有利 |
| セキュリティ | Business/EnterpriseでコードのAI学習を無効化可、SOC2対応 | API経由での利用、Anthropicのプライバシーポリシー準拠 | エンタープライズ要件ならCopilot Enterpriseのガバナンス機能が有利 |
| MCP対応 | VS Code 1.10x以降でGA（.vscode/mcp.json） |
対応済み（~/.claude.json） |
両者ともMCP対応。設定方法は異なるがサーバーは共通利用可能なケースも |
| カスタマイズ性 |
カスタムエージェント（.github/agents/）＋スキル（SKILL.md）・組織レベル共有可・MCP連携 |
スキル（SKILL.md）・~/.claude/skills/ にグローバル配置・スラッシュコマンドで呼び出し |
スキル形式はオープンスタンダード。同じ SKILL.md を両ツールで共有できる |
実務での使い分け指針
調査を通じて感じたのは、両者は競合ではなく補完関係にあるということです。
用途によって向き不向きが明確に分かれます。
個人開発
コスト最優先なら Copilot Free から始めるのが合理的です。
月50回のPremium Reqと2,000回の補完は、趣味プロジェクトなら十分なケースも多いですよね。
長時間の自律タスク（「このコードベース全体をTypeScript 5系に対応させて」など）や、大規模なリファクタリングにはClaude Codeが向いています。
コンテキスト窓の差がそのまま体験の差に出てきます。
OSS コントリビューション
Coding AgentのIssue→PR自動化は、OSSメンテナーにとって強力な武器になります。
「good first issue」タグのIssueにCopilotをアサインしておくだけで、自動的にPRが来るという運用が可能です。
実装の品質はもちろんレビューが必要ですが、「誰かが最初のコードを書いてくれる」という状況は大きく変わります。
チーム開発
Copilot Businessの組織ポリシー管理機能は、チーム全体でAIツールを統一したい場合に有効です。
「どのモデルを使っていいか」「コードをAI学習に使わせないか」といったポリシーを管理者が一元管理できます。
エンタープライズ
Copilot EnterpriseのSSO、監査ログ、Fine-tuning（自社コードでモデルをカスタマイズ）は、大企業の要件に特化しています。
コンプライアンス・セキュリティ要件が厳しい環境では、GitHubとの既存契約と合わせてCopilot Enterpriseを選ぶのが現実的でしょう。
まとめ
調査を始める前、私はCopilotを「コード補完ツール」だと思っていました。
終わってみると、Agent Mode、Coding Agent、MCP連携、マルチモデル対応を持つ本格的なエージェントシステムに進化していました。
一方で、Claude Codeにも明確な強みがあります。
コンテキスト窓の大きさ、ターミナルとの深い統合、従量課金モデルの柔軟性は、特定のワークフローではまだ一日の長がありますね。