소개
/fleet 슬래시 명령은 코파일럿 CLI 구현 계획을 가져와서 하위 에이전트가 병렬로 실행할 수 있는 더 작고 독립적인 작업으로 분할하도록 설계되었습니다. 이렇게 하면 여러 단계를 포함하는 복잡한 요청을 더 빠르게 완료할 수 있습니다.
이 문서에서는 /fleet 슬래시 커맨드에 대한 개요를 제공합니다. 사용하는 방법에 대한 자세한 내용은 /fleet 명령을 사용하여 작업 완료 속도 향상을 참조하세요.
작동 방식 /fleet
명령을 사용하는 /fleet 경우 주 Copilot 에이전트는 프롬프트를 분석하고 더 작은 하위 작업으로 나눌 수 있는지 여부를 결정합니다. 하위 작업의 특성과 그 종속성을 바탕으로, 이러한 작업이 하위 에이전트에 의해 효율적으로 수행될 수 있는지를 평가합니다. 하위 작업의 일부 또는 전부를 하위 작업에 할당하기로 결정한 경우 오케스트레이터 역할을 하여 하위 작업 간의 워크플로 및 종속성을 관리합니다. 가능한 경우 오케스트레이터 에이전트는 스바겐트를 병렬로 실행하여 전체 작업을 더 빨리 완료할 수 있도록 합니다.
사용의 이점 /fleet
-
작업 완료 속도: 명령 사용
/fleet의 주요 이점은 하위 작업을 병렬로 실행하여 여러 부분으로 구성된 대규모 작업을 더 빠르게 완료할 수 있다는 것입니다. 큰 작업의 일부를 병렬로 작업할 수 있는지 여부는 하위 작업 간의 종속성에 따라 결정됩니다. 새 기능에 대한 테스트 모음을 만드는 것과 같은 일부 작업은 병렬 처리에 적합하며 일반적으로 슬래시 명령을 사용할/fleet때 더 빠르게 완료됩니다. -
전문화: 특정 유형의 작업에 맞게 설계된 사용자 지정 에이전트를 정의한 경우 이러한 에이전트는 하위 에이전트에서 사용할 수 있습니다. 이를 통해 작업 중인 특정 하위 작업에 가장 적합한 사용자 지정 에이전트를 활용하여 서브에이전트와 함께 특수화가 가능합니다.
기본적으로 하위 에이전트는 저비용 AI 모델을 사용합니다. 그러나 작업의 일부에 특정 모델을 사용하도록 지시 Copilot 할 수 있습니다. 예를 들어 더 큰 프롬프트 내에서
... Use GPT-5.3-Codex, to create ... Use Claude Opus 4.5, to analyze ...을(를) 지정할 수 있습니다. 서브에이전트가 특정 AI 모델을 지정하는 사용자 정의 에이전트 프로필을 사용하는 경우, 해당 모델은 서브에이전트에서 사용됩니다. 특정 모델을 사용하면 특정 유형의 하위 작업에 대해 더 나은 품질 결과를 생성할 수 있습니다.사용자 지정 에이전트를 사용할 수 있는 Copilot 경우 특정 하위 작업을 완료하는 데 사용할지 여부를 결정합니다. 그러나 특정 사용자 지정 에이전트가 특정 하위 작업에 적합하다는 것을 알고 있는 경우 프롬프트에서 다음을 사용하여
@CUSTOM-AGENT-NAME지정할 수 있습니다. 예를 들어 더 큰 프롬프트 내에서 다음... Use @test-writer to create comprehensive unit tests for ...을 수행합니다.자세한 내용은 사용자 지정 에이전트 만들기 및 사용 GitHub Copilot 명령 줄 인터페이스 (CLI)을(를) 참조하세요.
-
컨텍스트 창: 각 하위 에이전트는 주 에이전트 및 다른 하위 에이전트와는 별도로 자체 컨텍스트 창이 있습니다. 이렇게 하면 각 스바겐트가 더 큰 작업의 전체 컨텍스트에 압도되지 않고 특정 작업에 집중할 수 있습니다.
언제 사용해야 /fleet하나요?
- 크거나 복잡한 작업: 요청에 여러 파일 리팩터링, 종속성 업데이트 또는 모듈 간 테스트 실행과 같은 여러 독립적인 단계가 포함된 경우
- 병렬 처리 가능한 작업: 작업을 서로 종속되지 않는 하위 작업으로 분할할 수 있는 경우
- 자동화된 워크플로: 대규모 작업의 가능한 가장 빠른 완료를 원하는 경우(예: 자동 조종 모드를 사용하여 자율적으로 작업할 수 있도록 하는 Copilot 경우)
고려할 항목
-
GitHub AI Credits 사용량: CLI에서 프롬프트를 입력하면 Copilot가 선택한 대규모 언어 모델(LLM)과 상호 작용하여 응답을 생성하며, 이때 GitHub AI Credits가 소모됩니다. LLM과의 상호 작용이 많을수록 사용량이 증가합니다 GitHub AI Credits.
각 스바겐트는 주 에이전트와 독립적으로 LLM과 상호 작용할 수 있으므로 작업을 스바겐트가 실행하는 더 작은 작업으로 분할하면 작업이 주 에이전트에 의해 처리된 경우보다 더 많은 LLM 상호 작용이 발생할 수 있습니다. 따라서 프롬프트에서
/fleet를 사용하면 GitHub AI Credits가 더 많이 소모될 수 있습니다. -
작업 컴퍼지션: 작업은 독립적인 하위 작업으로 분해할 수 있는 경우 여러 하위 에이전트의 실행에 가장 적합합니다. 요청이 본질적으로 순차적인 경우 슬래시 명령 모드를
/fleet사용하면 어떤 혜택도 제공하지 않을 수 있습니다.
/fleet과 자동 조종 모드 간의 관계
/fleet 슬래시 명령은 autopilot 모드에서 자주 사용되지만 독립적으로 사용할 수 있는 고유한 기능입니다.
- Autopilot 모드 를 Copilot 사용하면 작업이 완료될 때까지 자율적으로 작업을 계속할 수 있으며, 그렇지 않으면 사용자 개입이 필요한 요청에 자동으로 응답할 수 있습니다.
/fleet는 주 에이전트가 전체 워크플로를 관리하는 동안 스바겐트를 사용하여 작업을 병렬로 실행하는 방법에 관한 것입니다. autopilot 모드와 독립적으로 대화형 세션에서 슬래시 명령을 사용할/fleet수 있습니다.
autopilot 모드에서 사용하는 /fleet 일반적인 워크플로는 다음과 같습니다.
- Shift+Tab을 눌러 계획 모드로 전환하고 코파일럿 CLI 구현 계획을 만듭니다.
- 완료된 계획서에 여러 요소가 포함되어 있으며
/fleet의 적합한 후보로 보입니다. - 계획 수락을 선택하고 계획이 완료될 때 표시되는 autopilot + /fleet 옵션을 기반으로 빌드 합니다.
autopilot 모드에 대한 자세한 내용은 GitHub Copilot CLI가 자율적으로 작동하도록 허용을 참조하세요.