Copilot使用指标升级：自定义技能与代理可命名追踪

GitHub Copilot 的企业级管理能力迎来一次细节但关键的更新：使用指标（usage metrics）现在能够直接显示组织内创建的自定义技能（custom skills）、自定义代理（custom agents）、MCP 服务器、斜杠命令（slash commands）和插件（plugins）的名称，而不再把它们统统归入 "Other" 或 "Custom" 类别。对于需要评估内部 AI 工具投入产出比的管理员来说，这意味着从「知道有人在用」到「知道谁在用哪个工具」的跨越。

从模糊分组到精确命名

此前，Copilot 的使用指标报告会将组织自定义的各类扩展统一归类，管理员只能看到一个大类的总量，无法区分具体是哪个技能或代理被调用。更新后，每个列表条目现在最多可容纳 25 个命名条目（此前为 5 个），剩余活动则合并到末尾的 "Other" 条目中。交互次数的计算方式保持不变，因此历史数据的可比性不受影响。

这一变化的核心价值在于可操作性。当管理员能够看到某个内部 MCP 服务器被频繁调用，而另一个自定义代理几乎无人问津时，就可以针对性地调整推广策略或重新评估开发优先级。

斜杠命令（slash commands） 是 Copilot 中一种快捷交互方式，用户通过在聊天框输入 / 后跟命令名称来触发预设的操作，例如 /explain 解释代码、/fix 修复错误或组织自定义的 /deploy 执行部署流程。自定义斜杠命令允许团队将常用工作流封装成简单指令，降低使用门槛。插件（plugins）则是更广泛的扩展机制，可以为 Copilot 添加新的功能模块或集成第三方服务。这两类扩展与自定义技能、代理一样，都属于组织内部可定制的 AI 能力。使用指标现在能分别显示它们的名称，意味着管理员可以评估不同交互模式（自然语言、快捷命令、插件调用）的采用情况，进而优化培训材料和推广策略。

容量提升与显示逻辑

每个列表的条目上限从 5 个提升到 25 个，这并非简单的数字变化。对于大型组织而言，内部可能同时存在数十个自定义技能和代理，5 个条目的限制会导致大量活动被压缩进 "Other"，失去分析价值。25 个条目的容量使得大多数组织的活跃扩展都能被单独呈现。

超出 25 个的剩余活动仍会合并为一个尾部 "Other" 条目，保证报表的整洁性。这种「长尾合并」的设计在可读性和完整性之间取得了平衡。

版本要求与历史数据说明

要启用命名显示，组织需要确保 Copilot CLI 版本不低于 1.0.97，或 Copilot SDK 版本不低于 1.0.21。低于这些版本的客户端所产生的活动仍会以 "Other" 形式呈现，早期日期的数据也保持原样，不会追溯性地补充名称。

这意味着管理员在对比新旧数据时，需要留意版本切换的时间点。交互次数的计算逻辑没有改变，因此总量趋势仍然可信，但细分维度的完整性会因客户端版本而异。

对组织AI治理的实际影响

这次更新回应了一个企业 AI 落地的常见痛点：推广阶段热闹，运营阶段盲目。当组织投入资源开发内部技能和代理后，缺乏细粒度的使用数据会导致无法判断哪些投入产生了实际价值。命名级别的指标让「上线后追踪采用率」成为可执行的流程，而不是一句口号。

对于平台管理员而言，这也简化了安全与合规审查的路径——能够明确看到哪些自定义 MCP 服务器正在被调用，有助于及时发现未授权的集成或异常使用模式。

总体来看，这不是一个炫目的功能，但它补上了企业 Copilot 管理链条中缺失的一环：从部署到度量的闭环。

MCP（Model Context Protocol） 是一个开放协议，用于标准化 AI 模型与外部工具、数据源的连接方式。在 Copilot 的上下文中，MCP 服务器充当了模型与组织内部系统（如数据库、API、知识库）之间的桥梁，使 Copilot 能够安全地访问和操作这些资源。自定义 MCP 服务器通常由组织自行部署，可能涉及敏感数据或内部流程，因此对其调用情况的监控不仅是效率问题，更是安全治理的关键环节。管理员通过使用指标中的命名信息，可以识别出哪些 MCP 服务器被频繁使用，哪些可能被闲置或存在未授权访问的风险，从而及时调整权限或下线不再维护的服务器。