Claude Code lub Codex obok GitHub Copilota

Dodanie Claude Code lub Codeksa obok GitHub Copilota oznacza, że Copilot zostaje przy podpowiedziach, pracy agenta chmurowego opartej na issue i przeglądach, a drugi agent dostaje zadania wymagające jego własnego środowiska. Oba narzędzia współistnieją w jednym repozytorium, gdy dzielą jeden AGENTS.md, jeden katalog skilli, jedną konfigurację GitHub MCP i jeden zestaw bramek CI.

Twoja firma płaci za Copilot Business, a mimo to w repozytorium leżą .github/copilot-instructions.md, CLAUDE.md i AGENTS.md, które nie zgadzają się co do polecenia uruchamiającego testy. Pull requesty przychodzą od Copilota, Claude Code i Codeksa, a nikt nie potrafi powiedzieć, który agent jest wart swojej ceny. Pytanie nie brzmi więc „jak odejść od Copilota”, tylko: jak uruchomić obok niego drugiego agenta, nie podwajając zamieszania.

Ta strona jest dla developera, który dodaje drugiego agenta, i dla tech leada, który musi sprawić, żeby ta konfiguracja była powtarzalna. Copilot to zwykle narzędzie, które firma już ma i za które płaci, więc zostaje. Jest też dziś pełną platformą agentową: ma agenta chmurowego, aplikację desktopową, CLI, hooki, MCP i Agent Skills. Szczegóły opisuje strona GitHub Copilot jako agent kodujący.

Co zyskasz, uruchamiając drugiego agenta obok Copilota

• Tabelę decyzyjną: kiedy Copilot wystarczy, a kiedy Claude Code lub Codex zwraca swój koszt
• Układ repozytorium, w którym Copilot, Claude Code i Codex czytają te same instrukcje, skille i serwer GitHub MCP
• Trzy gotowe prompty: konsolidacja plików instrukcji, delegowanie zmiany w wielu plikach wraz z dowodami i porównanie dwóch agentów na tym samym issue
• Dwutygodniowy pilotaż z metrykami dla każdego agenta i jawną decyzją: zostawić, zawęzić albo zrezygnować
• Typowe awarie repozytorium z dwoma agentami i sposób naprawy każdej z nich

Kiedy Copilot wystarczy, a kiedy drugi agent się opłaca?

Zacznij od pracy, nie od narzędzia. Agent chmurowy Copilota zamienia dobrze napisane issue na GitHubie w pull request w GitHub Actions i w wielu zespołach pokrywa większość delegowanej pracy. Drugi agent zarabia na siebie wtedy, gdy praca wymaga czegoś, czego środowisko Copilota temu zespołowi nie daje.

Sytuacja	Co zrobić
Praca zaczyna się od małych, dobrze opisanych issue na GitHubie	Zostań przy agencie chmurowym Copilota. Pisz issue jak specyfikację z kryteriami akceptacji, które agent potrafi sprawdzić.
Inżynierowie chcą agenta w terminalu z hookami, subagentami, pluginami i uruchomieniami claude -p w skryptach i CI	Dodaj Claude Code tym inżynierom. Copilot zostaje przy pracy opartej na issue i podpowiedziach.
Chcesz GPT-6 Astra, domyślnego modelu Codeksa, w jego własnym środowisku albo codex exec w CI i zadań w Codex cloud	Dodaj Codeksa. 26 września 2026 r. dokumentacja GitHuba wymieniała dla agenta Codex wewnątrz Copilota starsze modele OpenAI.
Chcesz porównać środowiska, zanim cokolwiek kupisz	Włącz agentów zewnętrznych Claude lub Codex wewnątrz Copilota (public preview). Zużywają twoje kredyty AI Copilota i minuty Actions.
Kod nie jest na GitHubie	Agent chmurowy nie ma zastosowania. Porównaj innych agentów kodujących.
Inżynierowie chcą agenta w IDE z wizualnymi diffami	Oceń Cursora na podstawie porównania bezpośredniego, które omawia jego agenta, ceny i narzędzia do przeglądu kodu.

Na początku zostań przy domyślnym modelu każdego narzędzia: Claude Opus 5.5 w Claude Code (od v2.1.280 w kanale wydań latest; inżynierowie w kanale stable zachowują poprzedni domyślny model, dopóki ten kanał nie dojdzie do v2.1.280) i GPT-6 Astra w Codeksie. Najpierw dostrój poziom wysiłku (effort), a model zmieniaj dopiero wtedy, gdy wskażą to twoje ewaluacje. Ceny i okna kontekstu są w przeglądzie modeli.

Przygotuj jedno repozytorium dla Copilota i drugiego agenta

Cel to jedno źródło prawdy dla każdego obszaru: instrukcji, skilli, dostępu do narzędzi i bramek. Każdy duplikat staje się miejscem, w którym agenci się rozjeżdżają.

1. Zrób z AGENTS.md kanoniczny plik instrukcji. Dokumentacja GitHuba wymienia AGENTS.md jako instrukcje agenta dla Copilota, a jako alternatywę plik CLAUDE.md lub GEMINI.md w katalogu głównym (sprawdzone 26 września 2026 r.). Codex czyta AGENTS.md natywnie (w zaufanym projekcie; od 0.150.0 Codex nie wczytuje AGENTS.md z projektu niezaufanego). Claude Code czyta AGENTS.md tylko wtedy, gdy projekt nie ma CLAUDE.md. Ten mechanizm wymaga v2.1.277 w kanale latest (v2.1.281 na Bedrocku, Google Cloud, Foundry lub przez bramę LLM). Kanał stable był 26 września 2026 r. na v2.1.274. Daj więc Claude Code jednolinijkowy CLAUDE.md, który importuje wspólny plik. Copilot CLI czyta AGENTS.md bezpośrednio i dodatkowo rozwija import, więc może załadować ten plik dwa razy; to nieszkodliwe, ale zużywa kontekst:

   AGENTS.md                         # polecenia build, test, lint; architektura; definicja ukończenia
   CLAUDE.md                         # jedna linia: @AGENTS.md (Copilot też czyta ten plik)
   .claude/rules/                    # reguły Claude Code (Copilot CLI też je czyta; agent chmurowy nie)
   .github/copilot-instructions.md   # uwagi tylko dla Copilota (ton przeglądu, szablon PR), bez poleceń budowania
   .claude/skills/                   # wspólne skille: Copilot i Claude Code ładują tę ścieżkę
   .mcp.json                         # serwery MCP projektu dla Claude Code

2. Trzymaj skille w jednym katalogu. Copilot ładuje skille projektu z .github/skills, .claude/skills lub .agents/skills (dokumentacja GitHuba, sprawdzone 26 września 2026 r.), a Claude Code ładuje .claude/skills, więc skill napisany raz w .claude/skills działa w obu. W Codeksie uruchom /skills w TUI i sprawdź, które skille znalazł, zanim na którymś się oprzesz. Zobacz instalowanie i zarządzanie skillami.

3. Daj nowemu agentowi serwer GitHub MCP. Copilot CLI ma domyślnie wbudowany serwer MCP GitHuba; drugiemu agentowi trzeba go dodać. Token czytaj ze zmiennej środowiskowej, nigdy z linii poleceń, i wybieraj fine-grained token z dostępem tylko do potrzebnych repozytoriów.

   Claude Code

   Zacommituj ten plik .mcp.json w katalogu głównym repozytorium. Claude Code rozwija ${GITHUB_PAT_TOKEN} ze środowiska każdego inżyniera, więc żaden sekret nie trafia do gita.

   {
     "mcpServers": {
       "github": {
         "type": "http",
         "url": "https://api.githubcopilot.com/mcp/",
         "headers": { "Authorization": "Bearer ${GITHUB_PAT_TOKEN}" }
       }
     }
   }

   Codex

   Uruchom w terminalu. Codex zapisuje wpis w ~/.codex/config.toml i odczytuje token ze wskazanej zmiennej w czasie działania.

   codex mcp add github --url https://api.githubcopilot.com/mcp/ --bearer-token-env-var GITHUB_PAT_TOKEN

   Zestawy narzędzi tylko do odczytu, tryb lockdown i wariant lokalny w Dockerze opisuje strona serwer GitHub MCP.

4. Daj każdemu agentowi własną gałąź. Nadawaj gałęziom prefiks agenta (claude/…, codex/…), żeby metryki mogły przypisać każdy pull request, i nigdy nie pozwalaj dwóm agentom pushować na jedną gałąź. claude --worktree NAME uruchamia sesję Claude Code we własnym worktree gita.

5. Stosuj jeden zestaw wymaganych checków do każdego pull requesta. Ochrona gałęzi nie pyta, kto napisał kod. Sprawdzanie typów, lint, testy i skan bezpieczeństwa są wymagane tak samo dla PR Copilota, jak i drugiego agenta, a każdy PR agenta zawiera pakiet dowodów.

Konsolidację z kroku 1 zrób pierwszym promptem, uruchomionym w drugim agencie. Agent czyta to, co Copilot już wie, i przenosi to, zamiast kazać ci przepisywać wszystko ręcznie.

Gotowy prompt: przenieś instrukcje Copilota do AGENTS.md

Consolidate this repository's agent instructions so GitHub Copilot, Claude Code and Codex read the same rules.

1. Read .github/copilot-instructions.md, every .github/instructions/**/*.instructions.md, and any existing AGENTS.md or CLAUDE.md.
2. Run each build, test, lint and type-check command they mention. Keep only the commands that succeed; list the ones that fail.
3. Write AGENTS.md at the root with: the verified commands, a short architecture map, coding conventions, and a "definition of done" section (tests pass, types pass, lint clean, evidence in the PR body).
4. Replace CLAUDE.md with a single line: @AGENTS.md. Move any rule that applies only to Claude Code into .claude/rules/<topic>.md. CLAUDE.md must contain nothing tool-specific, because Copilot also reads a root CLAUDE.md. Copilot CLI also reads .claude/rules/, so word every rule there so it is harmless to any agent, or scope it with paths: frontmatter.
5. Reduce .github/copilot-instructions.md to Copilot-only guidance. Leave path-specific .instructions.md files in place unless they duplicate AGENTS.md.
6. Do not change any source code. Finish with a table: each original rule, where it lives now, or why you dropped it.

Tę zmianę weryfikujesz tabelą na końcu i jednokrotnym ręcznym uruchomieniem poleceń z AGENTS.md. Jeśli tabela pokazuje odrzuconą regułę, której nadal potrzebujesz, przywróć ją przed merge’em.

Zleć drugiemu agentowi zmianę w wielu plikach

Daj drugiemu agentowi zadanie, które niewygodnie opisać jako issue dla Copilota: obejmujące wiele modułów i wymagające wielokrotnego uruchamiania narzędzi projektu. Wpisz kryteria akceptacji do promptu, żeby wynik dało się sprawdzić bez czytania każdej linii.

Gotowy prompt: zmiana w wielu plikach, która sama się dowodzi

Replace the moment library (a legacy project in maintenance mode) with date-fns across this repository.

Acceptance criteria:
- No import of moment remains (verify with a repository-wide search and paste the command and its empty output).
- Every existing display format is preserved: add a table-driven test in tests/date-format.test.ts that pins each format string currently in use to its output for 2026-03-01T14:05:00Z in UTC.
- moment is removed from package.json and the lockfile is updated.
- Type check, lint and the full test suite pass.

Work on a new branch named codex/moment-to-date-fns (or claude/… if you are Claude Code). Run the checks after each module, not only at the end. Open a pull request whose body maps each criterion to the test or command that proves it, with the command output. If you cannot create the branch or open the PR yourself, print the PR body (criterion → proof) instead. If a format cannot be reproduced exactly, stop and list it instead of approximating.

Claude Code

Uruchom odizolowaną sesję z katalogu głównego repozytorium, wklej prompt i zatwierdź plan w trybie planowania (Shift+Tab), zanim zaczną się edycje.

claude --worktree moment-to-date-fns

Codex

Uruchom ten sam prompt nieinteraktywnie z profilem uprawnień workspace (beta), który ogranicza zapisy do obszaru roboczego. Zapisz prompt w prompt.md, a potem sam utwórz gałąź, bo Codex tego nie zrobi:

git switch -c codex/moment-to-date-fns
codex exec -c default_permissions=":workspace" "$(cat prompt.md)"

W profilu :workspace Codex edytuje pliki, ale nie może commitować: profil zostawia .git tylko do odczytu, a piaskownicę bez dostępu do sieci, dopóki go nie włączysz (sprawdzone na codex-cli 0.157.1). Dlatego przed uruchomieniem sam wykonaj npm install date-fns && npm uninstall moment (agent tylko edytuje wtedy kod) albo włącz sieć dla profilu. Po nim przejrzyj diff, zrób commit, wypchnij gałąź i uruchom gh pr create, wklejając dowody wypisane przez agenta.

Agent chmurowy Copilota przyjmie ten sam prompt jako treść issue i właśnie to umożliwia następny krok.

Porównaj Copilota i drugiego agenta na tym samym issue

Opinie o tym, który agent jest „lepszy”, niczego nie rozstrzygają. Daj obu agentom to samo issue, a potem niech ktoś trzeci, człowiek lub agent, oceni oba pull requesty według kryteriów akceptacji z issue, a nie według gustu.

Gotowy prompt: oceń PR dwóch agentów według jednego issue

Compare two pull requests that implement GitHub issue #412 in this repository: one from the Copilot cloud agent and one from the branch claude/issue-412.

For each pull request:
1. Check out the branch and run the type check, lint and full test suite. Record pass or fail with the command output.
2. For each acceptance criterion in issue #412, find the test that proves it. Mark it proven, unproven (no test), or failing.
3. Count files changed, lines added and removed, and any change outside the files the issue names.
4. List risks a reviewer must look at by hand: auth, migrations, money, public API changes.

Do not edit either branch. Output one table per pull request, then a two-sentence recommendation on which to merge and why, based only on the evidence above.

Aby zacząć oba przebiegi, przypisz issue #412 Copilotowi (Assignees → Copilot albo uruchom je z zakładki Agents), a drugiego agenta uruchom na gałęzi claude/issue-412. Porównanie uruchamiaj z podłączonym serwerem GitHub MCP, żeby agent mógł przeczytać issue i oba pull requesty. Agent chmurowy Copilota sam może działać na modelach Claude lub GPT, więc wybierz recenzenta, którego model różni się od modeli obu autorów; inaczej model oceni własne nawyki.

Przeprowadź dwutygodniowy pilotaż i zdecyduj na podstawie liczb

1. Wybierz od trzech do pięciu inżynierów i dwie klasy zadań. Na przykład aktualizacje zależności i refaktoryzacje przekraczające granice modułów. Zadania wielkości issue zostaw na czas pilotażu Copilotowi, żeby mieć punkt odniesienia.

2. Mierz cztery wskaźniki dla każdego agenta. Odsetek zmergowanych PR agenta; poprawki, czyli commity naprawcze w tych samych plikach w ciągu 14 dni; odsetek PR przechodzących CI przy pierwszym pushu; oraz koszt na zmergowany pull request. Pull requesty Copilota przypisuj po autorze pull requesta (bocie Copilota) albo po jego gałęzi; każdy uczestnik pilotażu z Claude Code zapisuje na koniec tygodnia liczby tokenów i zużycia planu z /usage, a koszt całego zespołu pochodzi z Admin settings > Usage na claude.ai (miejsca Team i Enterprise), z Claude Console (rozliczenie API) albo z eksportu OpenTelemetry opisanego w zarządzaniu kosztami. Dla Codeksa w planie ChatGPT podziel miesięczny koszt planu dla stanowisk w pilotażu przez liczbę zmergowanych pull requestów z gałęzi codex/. Resztę przypisujesz po prefiksie gałęzi. Strona ramy metryk wyjaśnia, dlaczego odsetek merge’y i poprawki mówią więcej niż liczniki aktywności.

3. Zaplanuj budżet na oba rachunki. Od 1 czerwca 2026 r. Copilot rozlicza zużycie w GitHub AI Credits po 0,01 USD, a jego agent chmurowy i agenci zewnętrzni zużywają dodatkowo minuty Actions. Własny szacunek Anthropic dla Claude Code w firmach to „around $13 per developer per active day and $150-250 per developer per month” (ok. 13 USD na developera za aktywny dzień i 150–250 USD miesięcznie; dokumentacja kosztów Claude Code, sprawdzone 26 września 2026 r.). Codex jest w planach ChatGPT Plus, Pro, Business, Edu i Enterprise. Ceny planów są w analizie cen, a mechanizmy kontroli budżetu w zarządzaniu kosztami.

4. Zdecyduj na koniec drugiego tygodnia. Zostaw oba narzędzia, jeśli drugi agent wygrywa z punktem odniesienia Copilota zarówno odsetkiem merge’y, jak i liczbą poprawek, przy akceptowalnym koszcie na zmergowany pull request. Zawęź go do zwycięskiej klasy zadań, jeśli wygrywa tylko w jednym z tych wskaźników albo tylko w jednej klasie. Zrezygnuj, jeśli Copilot dorównuje mu w obu. Gdy wyniki są bliskie, rozstrzygnij odsetkiem PR przechodzących CI przy pierwszym pushu. Zapisz decyzję i liczby, żeby kolejna prośba o narzędzie zaczynała się od dowodów. Projektowanie pilotażu omawia grupy kontrolne i wielkość próby.

Jak weryfikować pracę dwóch agentów bez czytania każdej linii?

Weryfikacja nie zależy od autora. Te same bramki łapią te same błędy niezależnie od tego, czy kod napisał Copilot, czy drugi agent.

• Kryteria akceptacji przed kodem. Każde issue lub prompt podaje kryteria i polecenie, które je dowodzi. Prompty powyżej mają właśnie taki kształt.
• Wymagane checki na każdym pull requeście. Sprawdzanie typów, lint, testy i skan bezpieczeństwa działają w CI i blokują merge. Żaden agent nie dostaje wyjątku.
• Pakiet dowodów w opisie pull requesta. Każde kryterium wskazuje test i jego wynik. Recenzent sprawdza to mapowanie, a nie każdą linię.
• Automatyczny recenzent od innego dostawcy. Copilot code review, /code-review w Claude Code lub przegląd Codeksa na GitHubie mogą recenzować pull requesty pozostałych agentów. Zobacz porównanie botów do code review.
• Akceptacja człowieka tam, gdzie testy nie sięgają. Inżynier, który zlecił zadanie, zatwierdza dowody i czyta diff tylko w miejscach dotyczących uwierzytelniania, migracji danych, rozliczeń i publicznego API. Pełną listę kontrolną ma strona przegląd pull requestów agentów.
• Małe pull requesty i czysta ścieżka wycofania. Jeden agent, jedna gałąź, jedno zadanie. Jeśli zmergowana zmiana źle się zachowuje, git revert usuwa ją bez naruszania pracy drugiego agenta.

Co się psuje, gdy Copilot i drugi agent dzielą repozytorium?

Agenci stosują różne reguły. Ktoś zmienia polecenie testów w .github/copilot-instructions.md, ale nie w AGENTS.md. Jak naprawić: uruchom ponownie prompt konsolidujący i dodaj krok CI, który zawodzi, gdy CLAUDE.md nie zaczyna się od @AGENTS.md (head -n 1 CLAUDE.md | grep -qx '@AGENTS.md') oraz gdy .github/copilot-instructions.md zawiera polecenie budowania (! grep -Eq '(npm|pnpm|yarn|bun|make) (run|test|build)' .github/copilot-instructions.md; dopasuj nazwy narzędzi do swojego repozytorium).

Część sesji Claude Code w ogóle nie ładuje AGENTS.md. Inżynierowie w kanale stable i każdy, u kogo CLAUDE.md nie zawiera importu, nigdy go nie ładują. Jak naprawić: import @AGENTS.md nie zależy od mechanizmu zastępczego, więc działa w obu kanałach. Sprawdź, czy każdy CLAUDE.md w repozytorium się od niego zaczyna.

Instrukcje tylko dla Claude trafiają do Copilota. Dokumentacja GitHuba wymienia CLAUDE.md w katalogu głównym jako alternatywny plik instrukcji dla Copilota. Jak naprawić: ogranicz CLAUDE.md do importu i reguł neutralnych wobec narzędzia, a reguły specyficzne dla Claude przenieś do .claude/rules/. Dzięki temu nie ma ich w CLAUDE.md i nie widzi ich agent chmurowy Copilota, ale Copilot CLI nadal je czyta: traktuje .claude/rules/**/*.md tak samo jak .github/instructions/ (dokumentacja poleceń Copilot CLI, sprawdzone 26 września 2026 r.). Reguła, która nigdy nie powinna trafić do Copilota, musi być sformułowana tak, żeby nie szkodziła żadnemu agentowi, albo ograniczona frontmatterem paths: do plików, których dotyczy.

Dwóch agentów pushuje na tę samą gałąź. Commit Copilota ląduje na gałęzi drugiego agenta i CI świeci na czerwono z powodów, których żaden z nich nie spowodował. Jak naprawić: zamknij pull request, zacznij od gałęzi domyślnej z jednym agentem i egzekwuj regułę prefiksów.

Organizacja blokuje narzędzia nowego agenta. Polityki organizacji w Copilocie regulują MCP i agentów zewnętrznych, a włączenie agenta Claude lub Codex wewnątrz Copilota instaluje GitHub App. Jak naprawić: poproś administratora o konkretną politykę i zapisz zmianę we wspólnej polityce dla wszystkich agentów.

Wydatki po cichu się podwajają. Inżynierowie rozliczają prywatne plany, a firma płaci za miejsca w Copilocie. Jak naprawić: przenieś uczestników pilotażu na firmowe licencje z limitem budżetu i przejrzyj oba rachunki przy decyzji po drugim tygodniu.

Kolejka przeglądów się zapycha. Dwóch agentów produkuje pull requesty szybciej, niż zespół je przegląda, i recenzenci zaczynają czytać po łebkach. Jak naprawić: ogranicz liczbę otwartych PR agentów na inżyniera, utrzymuj je małe i zajrzyj do strony zarządzanie kolejką przeglądów.

Dokąd dalej z Copilotem i drugim agentem

GitHub Copilot jako agent kodujący Agent chmurowy, aplikacja, CLI, rozliczenia, agenci zewnętrzni i polityki organizacji.

Cursor, Claude Code i Codex kontra GitHub Copilot Porównanie bezpośrednie, na którym opiera się tabela decyzyjna.

Migracja między Codeksem, Cursorem i Claude Code Tłumaczenie plików instrukcji i konfiguracji MCP między trzema narzędziami.

Wdrażanie i adopcja w zespole Jak przenieść wynik pilotażu na cały zespół.

Żeby zainstalować drugiego agenta, zacznij od szybkiego startu Claude Code lub szybkiego startu Codeksa. Żeby przygotować samo repozytorium do pracy z agentami, zobacz playbook konwersji projektu.