Skills、MCP 与 Memory 审查上下文

提供专业审查步骤和外部事实，并检查某条评论实际使用了哪些来源。

代码审查可以在相关时使用仓库 Skills、MCP 服务和 Memory。它们承担不同角色：技能描述专门工作流程，MCP 提供外部数据或工具，Memory 提供经验证的仓库事实；仅配置存在不保证每次审查都会使用。

用 Skills 表达专业审查流程

在 .github/skills 放置适合任务的技能。名称和描述应明确审查目的，例如 code-review，正文说明迁移、授权、计费等场景的步骤。文件结构见云端 Skills。

审查读取 head branch 中的 Skills，可随 PR 测试更新。普通常驻规则应放自定义指令，避免把每次都应遵守的短规则变成庞大技能流程。

在仓库 Copilot 设置配置 MCP，配置同时作用于 cloud agent 和 code review。默认启用 GitHub MCP 与 Playwright MCP；修改服务器配置会影响两者。

Allow Copilot to use MCP tools when reviewing pull requests 默认开启。若只希望 cloud agent 使用服务器，可关闭这个审查专属开关，而不删除共用配置。服务器类型、认证和工具筛选见仓库 MCP。

在指令或技能中说明要使用什么上下文，在 PR 描述提供 issue key、incident ID 等可检索标识，会帮助审查选择相关来源。不能把单纯放一个任意外链等同于建立可用 MCP 集成。

评论底部的 attributions 可以指出该评论使用的 Skill 或 MCP server。还可从 PR timeline 打开对应 review session，在日志中核对服务器与工具调用。

配置页面证明能力可用，attribution 和调用日志才是这次使用的证据；没有证据时不要把审查意见描述成已经查询某个内部系统。

Copilot Memory可把其他受支持功能学到的仓库事实用于审查。事实带代码引用，使用前对照当前分支验证。当前 Memory 专题明确 code review 不使用用户级个人偏好；不能因为个人偏好已保存，就期待所有 PR 评论采用这些偏好。

Agentic capabilities 需要 runner 执行上下文收集和工具工作。没有可用 runner 或相关工作流失败时，仍可能生成较有限的审查。已有评论不代表全部 MCP 或项目上下文收集都完成，应结合日志判断。