github

github 快速入门

把 GitHub 装进 AI 客户端,让 AI 直接帮你查 issue、改 PR、跑 workflow。

这是什么?解决什么问题?

日常用 GitHub 的人都知道,大部分操作都得在网页上一个一个点:看 issue 列表、查 PR diff、读 workflow 日志、合并 PR、加 label、@同事……繁琐且打断思路。如果能让 AI 客户端直接操作 GitHub,效率会大幅提升——你说”看看 #123 这个 issue 的最新 3 条评论,并 @ 小李跟进”,AI 就能直接调 API 完成。
github Skill 是 GitHub 官方维护的 MCP Server,完整实现了 GitHub REST API + GraphQL API 的大部分能力,包括:仓库管理(读/写 README、文件、tag)、Issues(创建、查询、评论、改 label)、PR(创建、merge、读 diff、review)、Actions(读 workflow 状态、查日志)、Releases(发布、下载资产)、Search(代码/issue/PR 全文搜索)。
加载 Skill 后,AI 真的可以直接”动手”操作你的 GitHub 仓库,而不仅仅给建议。它解决了”开发者需要在 IDE 和 GitHub 网页之间反复切换”的问题,让代码工作流在一个 AI 助手里闭环。
适合:重度 GitHub 用户的开发者、想用 AI 自动化仓库管理的技术 Lead、给开源项目做”AI 协管员”的维护者。

准备工作

1. GitHub 账号 + Personal Access Token:https://github.com/settings/tokens,需要 repo、workflow、read:org 等 scope
   
2. Claude Code / Cursor / 任何支持 MCP 的 AI 客户端
   
3. 可选:gh CLI,作为本地命令行的备用通道
   

3 步快速上手

第 1 步:安装 Skill(MCP 方式)

在 Claude Code 中:

claude mcp add --transport http github https://api.githubcopilot.com/mcp/<br>
```<br>
仓库:https://github.com/github/github-mcp-server<br>
或在 `.cursor/mcp.json` 写入:<br>
```json<br>
{<br>
"mcpServers": {<br>
"github": {<br>
"url": "https://api.githubcopilot.com/mcp/"<br>
}<br>
}<br>
}<br>
```<br>
### 第 2 步:配置认证<br>
按提示在浏览器完成 OAuth 授权,或粘贴 Personal Access Token。<br>
### 第 3 步:用 Skill 跑第一个操作<br>
向 AI 说:<br>
```<br>
用 github Skill,列出我名下的仓库,最近 7 天有 push 的前 5 个<br>
```<br>
AI 会通过 GitHub API 真实查询,返回仓库名、最后提交时间、星数等。<br>
## 常见踩坑<br>
1. **Token 权限不足**:用 `repo` 私有仓库需要 `repo` scope,只用 `public_repo` 会拒绝访问。务必在生成 Token 时勾选对应 scope。<br>
2. **Rate Limit 触发**:GitHub API 未认证每分钟 60 次,认证后 5000 次/小时,大量调用要加退避。<br>
3. **MCP 端点选错**:GitHub 官方提供 `api.githubcopilot.com/mcp/`(认证版)和其他社区端点,新手容易用错。<br>
4. **PR review 状态混乱**:AI 帮忙 approve PR 时,如果之前有人 request changes,会变成"多 review 状态",reviewer 收到通知迷惑。<br>
5. **误合并未审查 PR**:AI 工具调用要二次确认,不要把 `merge_pr` 这种破坏性操作放在全自动流程里。<br>
6. **私有仓库误公开操作**:Token 误用会导致 AI 误给私有 repo 推送 commit,务必用 fine-grained token 限定 repo 范围。<br>
## 初级用法<br>
1. **查 issue**:`列出我 repo 上所有 label 为 'bug' 且未关闭的 issue`,AI 真实查询返回。<br>
2. **创建 PR**:`帮我基于当前分支开一个 PR,标题 "Fix login bug",body 写 "fixes #123"`,AI 创建并返回 PR URL。<br>
3. **读 workflow 日志**:`查最近一次 CI 失败的具体报错`,AI 调 Actions API 拿原始日志。<br>
## 高级玩法<br>
1. **批量 issue 管理**:把"按 label 分组"、"按 assignee 统计"、"SLA 提醒"等写成自动化流程,AI 每天跑一次。<br>
2. **AI 协管员**:在 issue 列表里自动给新 issue 打 label,@ 合适的维护者,根据模板问澄清问题。<br>
3. **仓库健康检查**:让 AI 定期查"未合并 PR 数量"、"30 天无活动 issue 数"、"工作流失败率",生成周报。<br>
## 小技巧<br>
- 用 Fine-grained Personal Access Token 替代传统 Token,可限定"只读 + 限定 repo",安全很多。<br>
- 在 `~/.config/github-mcp/config.json` 配置默认仓库,避免每次问 AI 都要指定。<br>
- 操作类调用(merge / close)在 prompt 里加"先列出待操作的清单,等我确认",避免 AI 误操作。<br>
- Search API 用 `is:open is:issue label:bug` 这样的过滤器,比纯关键词准。<br>
- Rate Limit 触发后等 1 小时或换不同 IP,GitHub 会在响应头告诉你剩余配额(`X-RateLimit-Remaining`)。<br>
- 配合 `gh` CLI 使用,`gh issue list --label bug --json` 输出 JSON 喂给 AI 做分析,效果比 MCP 直接调用更可控。<br>
## 常见问题 FAQ<br>
**Q1: 这个 Skill 跟 github 有什么关系?必须装吗?**<br>
A: Skill 是给 AI Agent 用的"技能包",能告诉 Agent 怎么按特定规范工作。**不是必须装**——如果你的项目规模小、要求不高,不装也能用。但装上能让 Agent 输出的质量更高、更符合最佳实践,推荐装。<br>

**Q2: 这个 Skill 适合哪些 AI Agent?Cursor?Claude Code?其他?**<br>
A: github 来自 community,主要面向支持 Skill 机制的 Agent。常见兼容 Agent 包括 Claude Code、Cursor、OpenCode、Windsurf 等。具体兼容性请查 Skill 官方文档。<br>

**Q3: 装了这个 Skill 后,会拖慢 Agent 响应吗?**<br>
A: 会的——Skill 通常会增加 prompt 长度,导致响应变慢、token 消耗增加。但质量提升明显。建议:1) 只装项目必需的 Skill;2) 用 Skill 启动/加载/卸载机制按需加载;3) 定期清理不用的 Skill。<br>

**Q4: 怎么验证 Skill 装对了?**<br>
A: 在 Agent 中输入"列出已加载的 Skill"或类似命令。如果 Skill 出现在列表里,说明装对了。然后用 Skill 跑一个相关任务,看输出是否符合 Skill 规范。<br>

**Q5: 这个 Skill 有许可证吗?能商用吗?**<br>
A: 取决于 github 的许可证。常见许可证包括 MIT(完全自由)、Apache-2.0(自由但有专利条款)、源可用(可看不能用)、GPL(强开源)。商用前请查仓库 LICENSE 文件。<br>
## 参考链接<br>
- [Skill 仓库](https://github.com/github/github-mcp-server)<br>
- [GitHub API 文档](https://docs.github.com/rest)<br>
- [Personal Access Token 设置](https://github.com/settings/tokens)<br>
- [GitHub MCP 官方公告](https://github.blog/)<br>
- [gh CLI 文档](https://cli.github.com/manual/)<br>
- [MCP 协议规范](https://modelcontextprotocol.io/)<br>
## 实战经验:用 github Skill 跑"仓库健康周报"<br>
下面演示如何把 github Skill 接入到每周一次的工程效率 review。<br>
**场景**:技术 Lead 每周一上午需要一份"上周仓库活跃度报告",人工整理要 1 小时。<br>
### 步骤 1:让 AI 收集原始数据<br>
```<br>
用 github Skill 收集本仓库(anthropics/skills)上周的数据:<br>
1) 新增 issue 数、按 label 分组<br>
2) 关闭的 issue 数、平均关闭时间<br>
3) PR 数量、合并率、平均 review 时长<br>
4) 高频 contributor top 5<br>
5) 失败的 workflow runs 列表<br>
```<br>
AI 调 GitHub API 真实查询,返回结构化数据。<br>
### 步骤 2:让 AI 生成 markdown 周报<br>
```<br>
基于上面的数据,生成一份 markdown 周报,<br>
包含:摘要 / 关键指标 / 异常 issue 列表 / 建议改进项<br>
```<br>
AI 把原始数字翻译成"管理层能看懂"的话,例如"PR 平均 review 时长比上周增加 20%,瓶颈在小李身上,需要分流"。<br>
### 步骤 3:把周报 commit 到 docs 目录<br>
```<br>
用 github Skill 把这份周报提交到 docs/weekly/2026-W24.md,<br>
标题"chore: weekly report W24"<br>
```<br>
AI 自动 create commit + push,周报永久留档。<br>
整套流程:从 1 小时压到 10 分钟,且数据准确(直接来自 API,不是估算)。<br>
## 配合使用的工具链<br>
- **GitHub Actions**:CI/CD + 自动化测试,在 PR 流水线里嵌入"AI 预审",失败直接红牌。<br>
- **Dependabot**:自动检测依赖更新,Skill 可配合审查 Dependabot PR 是否安全。<br>
- **CodeQL**:GitHub 自带的代码安全扫描,Skill 可读取 CodeQL 报告,生成"安全 issue 摘要"。<br>
- **GitHub Projects**:内置看板,Skill 可自动 issue 分流到对应列。<br>
- **Discussions**:社区问答,Skill 可定期爬取 hot 讨论,识别用户痛点。<br>
## 安全注意事项<br>
- **永远不要把 Personal Access Token 提交到代码仓库**。<br>
- **用 Fine-grained Token**,限定"只读 + 特定 repo",把权限面缩到最小。<br>
- **Token 定期 rotate**,3-6 个月换一次。<br>
- **监控 Token 使用情况**,GitHub 会发邮件提醒异常 IP 登录。<br>
- **本地调试用环境变量**,生产用 secret manager(Vault / AWS Secrets Manager)。<br>
- **公开仓库不要泄露内部 issue**,AI 操作前务必 review 它即将调用的 API 路径。