GitHub Copilot アプリ への LLM モデルの追加

GitHub提供のモデルに加えて、 を構成して、Bring Your Own Key (BYOK) を使用し、任意の LLM プロバイダーのモデルを含めることができます。 最初にアプリを開いたとき、または後でアプリ設定でモデル プロバイダーを設定できます。

NVIDIA GPU と十分なメモリを搭載した Windows ユーザーは、Flint NVFP4内から直接、GitHub Copilot app モデルと MAI Code 1.1 Flash モデルをデバイスにローカルにインストールできます。

アプリを使用するには GitHub アカウントでサインインする必要がありますが、独自のモデル プロバイダーを使用する場合は Copilot プランは必要ありません。 Copilotプランがある場合は、独自のモデル プロバイダーのモデルと、GitHub 提供のモデルを同じアプリで使用できます。

BYOK を使用したモデルの追加

BYOK メソッドを使用して、 GitHub Copilot appにモデルを追加できます。

サポートされているプロバイダー

GitHub Copilot appでは、次の BYOK モデル プロバイダーがサポートされています。

• OpenAI
• Azure OpenAI
• Microsoft Foundry
• Anthropic
• Ollama
• ファウンドリー・ローカル
• LM Studio
• OpenAI と互換性のある HTTP エンドポイント

前提条件

認証を必要とするモデル プロバイダーを追加するには、API キーが必要です。

モデルプロバイダーを設定する

初めてアプリを設定していて、 Copilot プランがない場合は、オンボード時に独自のモデル プロバイダーを設定できます。

モデル プロバイダーを後で追加または更新するには:

をクリックして、[設定] ダイアログを開きます。

1. サイドバーのモデルプロバイダーをクリックします。
2. [ プロバイダーの追加] をクリックします。
3. プロバイダーを選択します。
4. プロバイダーの詳細を入力します。 これはプロバイダーによって異なりますが、表示名、ベース URL、API キーを含めることができます。
5. [ プロバイダーの追加] をクリックしてプロバイダーを保存します。

プロバイダーを追加すると、そのプロバイダーのモデルは GitHubホスト型モデルとともにモデルピッカーに表示されます。 モデルを選択し、セッションで使用できます。 詳細については、「GitHub Copilot アプリ でのエージェント セッションの操作」を参照してください。

プロバイダーの資格情報はシステム資格情報ストアに格納され、UI には表示されません。

モデル ピッカーからのローカル モデルのインストール

Windowsを使用していて、コンピューターが次の前提条件を満たしている場合は、アプリの設定内から次のモデルをデバイスにローカルにダウンロードしてインストールできます。

• MAI Code 1.1 Flash
• Flint NVFP4

Prerequisites

以下のものが必要です:

• 1 台の Windows PC

• NVIDIA GPU (AMD はサポートされていません)

• モデルごとに使用可能な最小組み合わせ RAM:

  • MAI Code 1.1 Flash:  96 GB
  • Flint NVFP4:  48 GB

• モデルごとに使用可能な最小ストレージ容量:

  • MAI Code 1.1 Flash:  60 GB
  • Flint NVFP4:  23 GB

• llama.cpp v0.7.0以降をインストールし、LLAMACPP_SERVER_PATH をそのパスに設定。 必要なビルド バージョン:

  • MAI Code 1.1 Flash: b11669 以降
  • Flint NVFP4: b11803 以降

  Windowsについては、「llama.cppのインストール」を参照してください。

ローカルで MAI Code 1.1 Flash を使用する利点

MAI Code 1.1 Flashは、Windows PC でローカルに実行できるコーディング最適化モデルです。 ローカルで実行されているモデルを使用すると、 Copilot をオフラインで使用でき、 GitHub AI Creditsの使用を回避できます。

MAI Code 1.1 Flashをインストールした後は、他のモデルと同様に、モデル ピッカーから選択できます。 このモデルは、Copilot FusionのFusion Standard のエフォート レベルでも利用できるようになります。 モデルの選択を Copilot Fusion に **** で設定すると、MAI Code 1.1 Flash が適切なタスクに対応するために自動的に選択され、より多くのリソースや高いパフォーマンスを必要とするタスクにはクラウドベースのモデルを使用できます。

Windowsのllama.cppのインストール

CUDA ビルドを使用してWindowsにllama.cppをインストールするには:

1. ブラウザーで、llama.cpp リポジトリhttps://github.com/ggml-org/llama.cpp/releasesのリリース ページに移動します。

2. インストールするリリース ( b11803 など) を選択します。

3. リンクをクリックして、Windows CUDA 13.4 ARM64 ビルドの両方のファイルをダウンロードします。

   • Windows arm64 (CUDA 13)
   • CUDA 13.4 DLLs

4. コマンド プロンプトを開き、インストール フォルダーを作成します。

   Shell

   mkdir "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64"
   

   ビルド番号をBUILDに置き換えます（例: b11803）。

5. 両方のZIPファイルからすべてのファイルをこのフォルダーに直接抽出してください。 エクスプローラーで [すべて抽出] を使用する場合は、既定では ZIP ファイルごとに個別のサブフォルダーが作成されるため、展開先をこのフォルダーに変更します。 完了したら、フォルダーにはサブフォルダーがなく、llama-server.exe、cudart64_13.dll、cublas64_13.dll、cublasLt64_13.dll などを含む多数のファイルが含まれている必要があります。

6. LLAMACPP_SERVER_PATH環境変数を設定します。

   Shell

   setx LLAMACPP_SERVER_PATH "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64\llama-server.exe"
   

BUILDビルド番号を置き換えています。

1. コマンド プロンプトを閉じ、新しいコマンド プロンプト ウィンドウを開きます。 Copilot appまたはVS Codeが既に開いている場合は、再起動してください。 Copilot CLIが実行されている場合は、それを終了し、新しいターミナル ウィンドウからもう一度起動してください。

2. 設置を確認するには、以下を実行します:

   Shell

   "%LLAMACPP_SERVER_PATH%" --list-devices
   

Copilot app内からローカル モデルをインストールする

をクリックして、[設定] ダイアログを開きます。

1. サイドバーのモデル プロバイダーをクリックします。

2. [ プロバイダーの追加] をクリックします。

3. Windows ML を選択します。

   ローカル コンピューターが前提条件を満たしている場合は、サポートされているローカル モデルが [使用可能なモデル] の下に一覧表示されます。

4. インストールするモデルのダウンロードをクリックします。

5. 最大 % システム メモリ スライダーを使用して、Windows ML モデルで使用できるシステム メモリの量を上限にします。

6. アプリの再起動時にモデルを再起動 をオンにすると、Copilot appアプリを再起動したときに、ダウンロードした Windows ML モデルが自動的に再起動します。

7. 必要に応じて、モデル固有の設定を変更します。

ダウンロードしたローカル モデルの使用

ダウンロードが完了すると、ローカル モデルがセッションで使用できるようになります。

次のいずれかを実行できます。

• 他の使用可能なモデルと同じように、モデル ピッカーから選択します。 「Copilot app でモデルを選択する」を参照してください。
• **MAI Code 1.1 Flashのみ:**Fusion Standard モデル ピッカーで推論レベルを選択すると、Copilot は必要に応じてこのモデルを自動的に使用します。
• 集中して取り組むタスク用に、custom agent に割り当てます。 その後、メイン セッションをクラウド内の別のモデルに維持しながら、タスクの一部に対してそのカスタム エージェントを使用するように Copilot に求めることができます。 「GitHub Copilot CLI のカスタムエージェントの作成と使用」を参照してください。