El agent mode de GitHub Copilot está generalmente disponible en 2026 tanto en VS Code como en JetBrains. Planifica tareas de código de varios pasos por su cuenta, edita archivos en todo tu repositorio, ejecuta comandos de terminal e itera hasta que los tests pasan.
En este artículo te explico qué hacen realmente el agent mode y el coding agent, cuánto cuesta cada plan con el nuevo sistema de créditos y el workflow exacto que recomiendo para que entreguen trabajo real esta semana.
1. Contexto: De Autocompletado a Agente Autónomo
Copilot nació en 2021 como autocompletado inline, después sumó chat conversacional y en 2025 GitHub presentó el agent mode: un modo donde Copilot deja de sugerir y empieza a ejecutar. Durante 2026 el cambio se consolidó — el agent mode llegó a disponibilidad general en VS Code y JetBrains, el coding agent en la nube empezó a convertir issues de GitHub en pull requests vía GitHub Actions, el code review migró a una arquitectura agéntica en marzo de 2026 y el 1 de junio de 2026 GitHub reemplazó las cuotas de premium requests por créditos de IA basados en uso.
El Error Más Común
Tratar el agent mode como autocompletado. Los desarrolladores que menos valor obtienen escriben one-liners vagos como arreglá el bug y aceptan cada diff. El agent mode premia lo opuesto: tareas acotadas, reglas escritas y revisión escéptica de todo lo que toca.
La consecuencia práctica es una nueva división del trabajo: vos definís intención, alcance y condiciones de parada, y el agente se encarga de la ejecución mecánica entre archivos. Quienes aprenden ese handoff entregan visiblemente más rápido, mientras que quienes delegan a ciegas acumulan deuda técnica a velocidad de máquina.
2. Qué Hace Realmente el Agent Mode
El agent mode vive dentro de Copilot Chat como uno de sus modos de ejecución. En lugar de responder una pregunta, percibe tu repositorio y encadena herramientas — leer archivos, editar código, correr comandos — hasta terminar la tarea o necesitar tu input.
Edición Multi-Archivo
Núcleo · Ejecución
Identifica cada archivo que un cambio toca y aplica ediciones consistentes en todo el codebase — código, imports, tipos y tests juntos.
Comandos de Terminal
Núcleo · Ejecución
Ejecuta comandos como npm install o pytest por su cuenta, lee la salida e itera. Por defecto pide permiso antes de correr cualquier cosa.
Contexto Total del Repo
Núcleo · Comprensión
Busca en el workspace y sigue referencias en lugar de adivinar desde la pestaña abierta. Dale una tarea acotada y encuentra el código relevante.
Checkpoints
Seguridad · Control
Puntos de restauración para las sesiones del agente. Cuando toma un mal camino, volvés atrás en lugar de desenredar sus ediciones a mano.
Instrucciones Personalizadas
Seguridad · Control
Un archivo .github/copilot-instructions.md con tu stack, estilo y reglas de testing. Se escribe una vez y aplica a cada ejecución.
Servidores MCP
Extensiones · Contexto
Las integraciones del Model Context Protocol permiten al agente consultar bases de datos, docs, specs de Figma y estado de CI como herramientas nativas.
Cómo Lo Pienso Yo
El autocompletado escribe la línea que ibas a escribir. El agent mode hace la tarea que ibas a postergar: el refactor en doce archivos, la suite de tests faltante, la migración que nadie quiere asumir.
3. Ask vs Edit vs Agent (y el Coding Agent)
Copilot Chat ofrece tres modos más un hermano en la nube. Elegir el correcto para cada tarea es la mitad de la habilidad — usá el modo más barato que pueda hacer el trabajo.
💬 Los Tres Modos de Chat
Ask mode
Preguntas y respuestas sobre tu codebase. Explica código y responde dudas sin editar archivos. Ideal para aprender y debuggear ideas.
Edit mode
Cambios puntuales en un solo archivo desde instrucciones explícitas. Ideal para fixes chicos que se describen en una frase.
Agent mode
Tareas autónomas de varios pasos: lee archivos, edita en todo el repo, corre comandos de terminal e itera sobre errores.
Auto mode
El chat elige el modelo por request en lugar de fijar un modelo caro para cada turno. Buen default para controlar el gasto de créditos.
Inline agent
El mismo toolkit del agente dentro del popover de inline-chat en JetBrains. Útil para ediciones agénticas sin mover el cursor.
Checkpoints
Puntos de restauración de la sesión. Rebobiná el agente cuando se desvía en lugar de revertir a mano una cadena de malas ediciones.
🤖 El Coding Agent en 3 Pasos
Asignar
Asignás un issue de GitHub a Copilot. Se levanta en la nube sobre infraestructura de GitHub Actions.
Implementar
Crea una rama, escribe código en varios archivos, corre tests y linters, y ejecuta escaneos de seguridad.
Revisar
Abre un pull request para vos. Revisalo y mergealo como el PR de cualquier colega — nunca a ciegas.
🧰 Dónde Corre
VS Code
Agent mode, chat y completions full
JetBrains
Agent mode GA desde julio de 2025
GitHub.com
Chat y coding agent en issues/PRs
Mobile
Copilot Chat en GitHub Mobile
CLI
Acceso desde la terminal
Actions
Sandbox donde construye el agente
Tip: Prototipá Local, Delegá a la Nube
Mi híbrido probado: prototipá rápido en agent mode donde podés corregir el rumbo, después escribí el follow-up como issue de GitHub y dejá que el coding agent lo implemente mientras seguís con lo tuyo. Revisá el PR, mergeá, repetí.
4. Cinco Implicaciones para Desarrolladores
El agent mode no reemplaza el criterio — lo reubica. Esto es lo que cambia concretamente en tu forma de trabajar cuando el agente absorbe la ejecución mecánica.
⚡ Cambios del Día a Día
1. Delegá tareas bien acotadas
Features, refactors, tests y docs con criterios de aceptación claros. Describí intención más alcance más condiciones de parada, y dejalo planificar y ejecutar.
2. Revisá diffs como el PR de un colega
La salida del agente es código revisable, no evangelio. Leé cada cambio multi-archivo, corré la suite vos mismo y cuestioná sus suposiciones.
3. Escribí las reglas una vez
Stack, estilo y reglas de testing en .github/copilot-instructions.md guían cada ejecución. Cada corrección que repetís dos veces pertenece a ese archivo.
📈 Cambios a Nivel Equipo
4. Los issues se vuelven PRs de noche
Issues bien escritos con pasos de reproducción pueden llegar a pull requests testeados vía el coding agent mientras el equipo duerme.
5. Los presupuestos reemplazan el conteo de sillas
Desde junio de 2026, el uso del agente consume pools de créditos de IA. Medí consumo por equipo en lugar de contar solo seats.
5. Planes y Precios en 2026
Desde junio de 2026, Copilot factura el uso agéntico y de modelos premium con créditos de IA sobre el precio base de cada seat, mientras que los completions siguen ilimitados en planes pagos. Estas son las tarifas públicas por seat — siempre confirmalas en la página oficial de precios antes de presupuestar.
Free — $0
Costo cero para evaluar Copilot. Una asignación mensual limitada de $0 en chat y agente — suficiente para sentir el workflow antes de pagar.
Pro — $10/mes
El punto justo para desarrolladores individuales a $10/mes ($100 al año). Completions ilimitados, agent mode, chat, code review y coding agent en todos los IDEs.
Pro+ — $39/mes
Para workflows agénticos intensivos a $39/mes. Mayor asignación de créditos más acceso a los modelos de razonamiento más potentes.
Max — $100/mes
Para volumen agéntico extremo a $100/mes. Solo tiene sentido si Copilot corre como agente automatizado durante horas cada día.
Business — $19/usuario/mes
Para equipos a $19/usuario/mes. Suma gestión de seats, políticas de uso, audit logs e indemnidad de IP sobre las features de Pro.
Enterprise — $39/usuario/mes
Para organizaciones grandes a $39/usuario/mes. Gobernanza, SAML SSO y capacidades agénticas avanzadas sobre GitHub Enterprise.
6. Qué Hacer Esta Semana
Un plan de cinco días para pasar de cero a un workflow agéntico funcional sin quemar créditos ni mergear basura.
☀️ Días 1–2: Activar y Calibrar
- 1. Abrí Copilot Chat, cambiá el selector de modo de Ask a Agent y corré una tarea mínima como agregar unit tests a un solo módulo
- 2. Creá .github/copilot-instructions.md con tu stack, reglas de estilo y comandos de test para que cada ejecución siga tus convenciones
- 3. Mantené la aprobación de comandos de terminal en manual al principio. Mirá lo que el agente corre antes de considerar el auto-approve
📅 Días 3–4: Primera Delegación Real
- Mañana: delegá un issue bien acotado — un bug con pasos de reproducción o una feature que siga patrones existentes
- Tarde: revisá el diff archivo por archivo, corré la suite de tests vos mismo y anotá cada lugar donde el agente adivinó mal
- Noche: ajustá tu archivo de instrucciones con todo lo que tuviste que corregir dos veces
📆 Día 5: Convertirlo en Sistema
- Conectar: agregá un servidor MCP — base de datos, docs o diseño — para que el agente lea contexto real en lugar de tus snippets pegados
- Disparar: asigná un issue del backlog al coding agent y compará su PR contra tu propia sesión de agent mode
- Presupuestar: revisá el consumo de créditos y decidí si Pro te alcanza o el equipo necesita seats de Business con pool compartido
7. Límites Honestos: Lo Que el Agent Mode No Puede
El agent mode es competente pero no es el mejor en todo, y hay trabajos que nunca deberían delegarse. Conocer el límite es lo que separa la ventaja del riesgo.
✅ Delegá al Agente
- • Features autocontenidas con criterios de aceptación claros
- • Refactors sistemáticos en muchos archivos
- • Unit tests y actualizaciones de documentación
- • Upgrades de dependencias y migraciones de codebase
- • Primeras pasadas de code review en pull requests
- • Issues del backlog con pasos de reproducción y patrones establecidos
❌ Reservá Para Vos
- • Decisiones de arquitectura y diseño greenfield ambiguo
- • Código sensible a seguridad sin revisión humana
- • Aceptar a ciegas diffs multi-archivo que no leíste
- • Auto-aprobar comandos de terminal el primer día
- • Incidentes en producción con blast radius poco claro
- • Cualquier cambio cuyo diff resultante no puedas explicar
Regla de oro
El agent mode multiplica tu output, pero cada línea que escribe sigue siendo tu responsabilidad. Si no podés revisarlo, no lo mergees.
Conclusión
El agent mode convirtió a Copilot de autocompletado inteligente en un ejecutor capaz para tareas bien definidas: planifica, edita entre archivos, corre comandos e itera. Sumado al pipeline issue-to-PR del coding agent, hoy tenés un camino desde el backlog hasta el pull request testeado con checkpoints humanos reales en el medio.
Los desarrolladores que están ganando con esto en 2026 no son los que más delegan — son los que tienen el loop más ajustado: tareas acotadas, reglas escritas, revisión escéptica y conciencia de créditos. Armá ese loop esta semana y el agente empieza a pagar su renta.
Machete del Workflow
Modos
- • Ask para preguntas
- • Edit para fixes chicos
- • Agent para tareas multi-archivo
Planes
- • Pro $10 — punto justo solo
- • Business $19 — control de equipo
- • Confirmá créditos antes de escalar
Reglas
- • Acotá cada tarea
- • Reglas por escrito
- • Revisá antes de mergear
Fuentes
- • Documentación de GitHub Copilot — docs.github.com
- • Planes de GitHub Copilot — docs.github.com
- • Planes y precios de GitHub Copilot — github.com
- • Cómo maximizar las capacidades agénticas de Copilot — GitHub Blog (abr 2026)
- • Code review de Copilot con arquitectura agéntica — GitHub Changelog (mar 2026)
