GitHub Copilot CLI: jak zainstalować i używać w terminalu (przewodnik 2026)

TL;DR

• GitHub Copilot CLI to samodzielny agent terminalowy, instalowany przez npm install -g @github/copilot, niezależny od starego rozszerzenia gh-copilot.
• Stare komendy gh copilot explain i gh copilot suggest nie działają: rozszerzenie zostało wycofane 25 października 2025 i zastąpione nowym narzędziem.
• Nowy Copilot CLI nie odpowiada jednym poleceniem, tylko prowadzi rozmowę: planuje, edytuje pliki, uruchamia komendy i iteruje aż zadanie jest gotowe.
• Wymaga aktywnej subskrypcji GitHub Copilot (Free, Pro, Pro+, Business lub Enterprise) i Node.js w wersji 22 lub nowszej.
• Działa na tej samej zasadzie co Claude Code: agent w terminalu zamiast dopowiadania kodu w edytorze, z trybem plan i trybem autopilot.

Pytanie "jak zainstalować GitHub Copilot CLI" trafia dziś na dwa różne narzędzia w wynikach wyszukiwania. Starsze poradniki pokazują komendę gh extension install github/gh-copilot, nowsze mówią o osobnym pakiecie @github/copilot. To nie pomyłka autorów: GitHub faktycznie wymienił narzędzie pod spodem. Ten przewodnik pokazuje stan na sierpień 2026: co działa dziś, co jest martwe i jak zacząć bez tracenia czasu na przestarzałe komendy.

Czym jest GitHub Copilot CLI?

GitHub Copilot CLI to agent kodujący uruchamiany bezpośrednio w terminalu, zamiast w edytorze kodu. Zamiast podpowiadać kolejne linijki podczas pisania, przyjmuje polecenie w języku naturalnym i sam wykonuje zadanie: czyta pliki projektu, pisze kod, uruchamia testy, poprawia błędy i commituje zmiany.

Narzędzie łączy dwa światy. Z jednej strony pracuje lokalnie na twoim repozytorium, tak jak inne agenty terminalowe. Z drugiej ma wbudowaną integrację z GitHub.com: potrafi otwierać pull requesty, komentować issues, czytać code review i uruchamiać workflow GitHub Actions bez przełączania się na przeglądarkę.

Uruchamia się jednym poleceniem copilot w katalogu projektu. Od tego momentu rozmawiasz z nim tak jak z kolegą z zespołu, nie wpisujesz osobnej komendy do każdego typu zadania.

Praktyczny przykład: piszesz "znajdź wszystkie miejsca, gdzie wołamy stare API płatności i zamień na nowy endpoint". Agent sam przeszukuje repozytorium, znajduje wywołania, proponuje zmiany plik po pliku i pyta o akceptację przed zapisem. Nie musisz znać nazw plików ani pisać regexów samodzielnie.

Co się stało z gh copilot explain i gh copilot suggest?

Komendy gh copilot explain i gh copilot suggest przestały działać, bo rozszerzenie, z którego pochodziły, zostało wycofane. Jeśli trafiłeś tu z poradnika sprzed 2026 roku, warto to wiedzieć zanim zaczniesz kopiować stare komendy.

Stare rozszerzenie gh-copilot do GitHub CLI działało na prostej zasadzie: gh copilot suggest "cofnij ostatni commit" zwracało jedną propozycję komendy, gh copilot explain "sudo apt-get update" tłumaczyło komendę w prostych słowach. Żadnej pamięci kontekstu, żadnej edycji plików, jedna odpowiedź na jedno pytanie.

GitHub wycofał to rozszerzenie 25 października 2025, a repozytorium zostało zarchiwizowane pięć dni później. Powód nie był kosmetyczny. Nowy Copilot CLI to inna klasa narzędzia: agent terminalowy, który planuje wieloetapowe zadania, a nie prosty helper odpowiadający jednym zdaniem.

Odpowiednik dzisiaj wygląda tak: zamiast gh copilot explain "sudo apt-get update" po prostu piszesz w sesji Copilot CLI "wytłumacz mi tę komendę: sudo apt-get update". Zamiast gh copilot suggest "cofnij ostatni commit" piszesz "podaj komendę żeby cofnąć ostatni commit". Sama rozmowa zastąpiła sztywną składnię.

Jak zainstalować GitHub Copilot CLI (instalacja krok po kroku)?

GitHub Copilot CLI instalujesz jednym poleceniem, wybierając menedżer pakietów pasujący do twojego systemu. Wymagana jest aktywna subskrypcja GitHub Copilot i, przy instalacji przez npm, Node.js w wersji 22 lub nowszej.

Cztery metody instalacji przez npm, Homebrew, WinGet lub skrypt powłoki, opisane w oficjalnym repozytorium projektu:

macOS i Linux (npm, dowolny system z Node.js):

npm install -g @github/copilot

macOS i Linux (Homebrew i WinGet):

brew install --cask copilot-cli

Windows (WinGet, wymaga PowerShell 7 lub nowszego):

winget install GitHub.Copilot

Skrypt instalacyjny (macOS i Linux, bez npm):

curl -fsSL https://gh.io/copilot-install | bash

Homebrew, WinGet i skrypt powłoki aktualizują się automatycznie przy kolejnych wersjach. Instalacja przez npm wymaga ręcznego npm update -g @github/copilot co jakiś czas. Jeśli pracujesz w GitHub Codespaces, narzędzie jest już wbudowane w domyślny obraz i nie trzeba nic instalować.

Po instalacji sprawdź wersję komendą copilot --version, żeby potwierdzić że proces się udał. Jedna pułapka przy instalacji przez npm: jeśli w pliku ~/.npmrc masz ustawione ignore-scripts=true, standardowa komenda zawiedzie cicho. Trzeba wtedy doinstalować z jawnym nadpisaniem tej opcji, inaczej narzędzie nie skonfiguruje się poprawnie mimo braku błędu w terminalu.

Logowanie i pierwsza sesja w terminalu

Pierwszą sesję uruchamiasz komendą copilot w katalogu z projektem, a logowanie odbywa się przez komendę /login bezpośrednio w narzędziu. Nie trzeba wcześniej konfigurować tokenów ani kluczy API.

Krok po kroku:

1. Wejdź do katalogu projektu w terminalu.
2. Uruchom copilot.
3. Przy pierwszym starcie narzędzie poprosi o komendę /login. Wpisz ją i przejdź przez standardowe logowanie GitHub w przeglądarce.
4. Zaakceptuj katalog jako zaufany. Copilot CLI pyta o to przy pierwszym uruchomieniu w nowym folderze, żeby nie wykonywał komend w miejscach, których nie znasz.

Dla automatyzacji i CI/CD dostępne jest logowanie przez zmienną środowiskową (GH_TOKEN lub GITHUB_TOKEN) z tokenem mającym uprawnienie "Copilot Requests", bez interaktywnego logowania w przeglądarce.

Po zalogowaniu pierwsze polecenie warto zostawić proste, na przykład "opisz strukturę tego projektu i wskaż główne moduły". Odpowiedź pokazuje od razu, jak agent czyta kod i czy widzi cały katalog, zanim zlecisz mu coś, co faktycznie zmienia pliki.

Jak wygląda praca w GitHub Copilot CLI w praktyce

Typowa sesja zaczyna się od jednego zdania po polsku lub angielsku, opisującego cel, nie technikalia. Przykład: "przeanalizuj plik src/auth.py, dopisz testy dla wszystkich publicznych funkcji i uruchom je".

Copilot CLI czyta plik, rozumie strukturę kodu, pisze testy, uruchamia je i pokazuje wynik. Przed każdą operacją, która zmienia pliki lub uruchamia komendę systemową, narzędzie pyta o zgodę, chyba że włączysz tryb pełnej autonomii. Możesz zaakceptować pojedynczą komendę, zaakceptować wszystko do końca sesji albo zablokować konkretne narzędzie.

Do zadań specjalistycznych Copilot CLI automatycznie deleguje pracę do wyspecjalizowanych podagentów. Cztery główne role:

• Explore: przeszukuje i analizuje strukturę kodu projektu.
• Task: uruchamia buildy, testy i weryfikuje wyniki.
• Code Review: ocenia zmiany przed commitem, szuka błędów i regresji.
• Plan: buduje plan implementacji dla większych zadań.

Ty widzisz to jako jedną rozmowę, pod spodem pracuje kilka wyspecjalizowanych modułów, każdy skupiony na węższym zakresie.

Zadania, które mają jasno określony zakres, można też odpalić bez sesji interaktywnej, flagą -p z gotowym poleceniem. To wygodne w skryptach i pipeline'ach, gdzie nikt nie klika "tak" ręcznie.

Czym jest plan mode i autopilot mode w Copilot CLI?

Plan mode każe agentowi najpierw zaplanować zadanie, zamiast od razu pisać kod. Włączasz go skrótem Shift+Tab przed wysłaniem polecenia.

W tym trybie Copilot CLI zadaje pytania doprecyzowujące, a dopiero potem buduje strukturalny plan krok po kroku. Widzisz cały zarys zmian, zanim jakikolwiek plik zostanie tknięty. Przydaje się przy większych refaktoryzacjach, gdzie cena błędnego założenia jest wysoka.

Autopilot to przeciwieństwo: agent wykonuje narzędzia, uruchamia komendy i iteruje bez zatrzymywania się na każde potwierdzenie. Ma sens przy zadaniach z jasno zamkniętym zakresem, w repozytorium z dobrym pokryciem testami i rozsądnie ustawionymi uprawnieniami. Bez tych warunków autopilot potrafi pociągnąć zmianę dalej, niż byś chciał.

Między trybami przełączasz się tym samym skrótem Shift+Tab w trakcie sesji, bez restartu narzędzia.

Przykład z plan mode: zlecasz migrację modelu danych z jednej tabeli na dwie powiązane. Agent najpierw pyta o zgodność wsteczną i istniejące zapytania, dopiero potem pokazuje plan zmian. Przykład z autopilot: seria drobnych poprawek lintera w całym repozytorium, gdzie każda zmiana jest weryfikowana testami automatycznie, bez pytania o każdy plik z osobna.

MCP i wybór modelu: jak rozszerzyć możliwości Copilot CLI

Copilot CLI ma wbudowaną integrację z GitHub przez MCP GitHub bez żadnej konfiguracji: agent od razu może zarządzać issues, pull requestami i workflow. Dodatkowe serwery MCP (baza danych, wewnętrzne API, inne narzędzia projektowe) dodajesz komendą /mcp add w trakcie sesji.

Model, na którym pracuje agent, zmieniasz komendą /model w dowolnym momencie rozmowy. Do wyboru są modele od różnych dostawców, w tym warianty Claude i GPT, więc wybór modelu można dopasować do zadania: mocniejszy model do trudnej refaktoryzacji, szybszy i tańszy do prostych poprawek.

To jedna z większych różnic względem narzędzi zamkniętych na jednego dostawcę modeli. Nie musisz zmieniać narzędzia, żeby zmienić model.

Dodatkowe serwery MCP dodaje się pod konkretny projekt: serwer do bazy danych, wewnętrznego API firmy albo narzędzia do automatyzacji typu n8n. Agent widzi je jako kolejne narzędzia do wykorzystania w rozmowie, bez osobnej integracji po stronie kodu.

GitHub Copilot CLI vs Claude Code: który agent terminalowy wybrać?

Oba narzędzia rozwiązują ten sam problem: agent w terminalu zamiast dopowiadania kodu w edytorze. Różnica leży w tym, do czego są przywiązane.

Copilot CLI jest głęboko zintegrowany z ekosystemem GitHub: pull requesty, issues, GitHub Actions i code review działają od razu, bez dodatkowej konfiguracji. Dobry wybór, jeśli cały workflow zespołu już kręci się wokół GitHub.com.

Claude Code jest narzędziem niezależnym od platformy hostującej kod: integracja z GitHub, GitLab czy własnym serwerem odbywa się przez MCP, nie jest wbudowana z góry. Płacisz za dostęp do modeli Anthropic wprost, bez pośrednictwa subskrypcji Copilot. Dokładne różnice w codziennym użyciu, kosztach i workflow zespołu opisaliśmy w naszym porównaniu Claude Code i Cursora.

Praktyczna rekomendacja: jeśli zespół żyje w GitHub Issues i pull requestach, Copilot CLI oszczędza czas na integracjach. Jeśli budujesz agentów produkcyjnych niezależnych od jednej platformy hostingowej, elastyczność Claude Code się opłaca. Wiele zespołów, z którymi pracujemy przy wdrożeniach agentów AI, używa obu naraz: Copilot CLI do zadań mocno powiązanych z GitHub, drugiego agenta do reszty automatyzacji.

Ile kosztuje GitHub Copilot CLI?

GitHub Copilot CLI nie ma osobnego cennika: kosztuje tyle, ile już płacisz za subskrypcję GitHub Copilot. Dostęp mają wszyscy subskrybenci: Free, Pro, Pro+, Business i Enterprise.

Dla kont Business i Enterprise administrator organizacji musi włączyć Copilot CLI w panelu zasad, zanim zespół zacznie go używać. To jednorazowe ustawienie, nie dodatkowa opłata.

Plan Free ma sens tylko do testów: limity zapytań uderzają szybko przy codziennej pracy. Do regularnego użycia realistycznym minimum jest plan Pro, płatny miesięcznie w dolarach jak każde narzędzie SaaS tej kategorii.

Skoro narzędzie jest częścią istniejącej subskrypcji, decyzja "wdrażać czy nie" sprowadza się do pytania, czy zespół już płaci za Copilot, nie do osobnej kalkulacji budżetowej.

Jeśli zastanawiasz się, jak ułożyć cały stack agentowy w firmie, nie tylko jedno narzędzie, konsultacja z zespołem, który wdraża to na co dzień, oszczędza tygodnie prób i błędów. Sprawdź nasze usługi AI albo napisz, jeśli chcesz przetestować kilka agentów na realnym repozytorium przed decyzją.