GitHub 在 7 月 29 日把 Copilot code review 的 agent skills 和 MCP server 支持推为正式可用。这个变化不只是给代码审查多加几个工具入口：Copilot 可以在 review 时读取团队写进 .github/skills 的规范，也可以通过 MCP 接入 issue、文档或服务目录一类外部系统。GitHub 同时给出一个关键限制：代码审查里的 MCP 调用只读，评论还会标注它使用了技能或 MCP 上下文。

同一天附近，GitHub 又调整了 Copilot Business 和 Enterprise 的模型默认策略，并把 Copilot app 的使用数据纳入更细的 API rollup；Vercel 则在 AI Gateway 里加入统一 fast mode 和区域推理。把这些发布放在一起看，AI 编程平台的重心正在从“给开发者一个更强模型”转向“给团队一个可控的运行层”。模型、上下文、速度、地域和审计指标都被产品化了。

代码审查开始读取团队上下文

Copilot code review 的新能力把团队内部约束放进了 review 路径。agent skills 的入口是仓库里的 SKILL.md 文件，GitHub 建议把它放在 .github/skills 下的技能目录中，用来描述组织或仓库特有的编码标准、内部工具和审查偏好。MCP server 则把第三方平台的上下文带进 review，比如工单、文档系统或服务目录。

这和把一段长提示词贴给模型不一样。提示词通常是一次性的，真正进入团队流程后很难知道它是否被使用、什么时候被使用、读了哪些上下文。GitHub 这次强调的 attribution 解决的是可追溯性：当一条 Copilot 评论由某个 skill 或 MCP 上下文生成，reviewer 至少能看见这条评论不是凭空出现的。只读工具调用也说明边界仍然收紧在审查阶段，而不是让 review bot 直接改动外部系统。

模型选择变成企业策略

模型本身也在被纳入治理。GitHub 新增的默认模型启用策略面向 Copilot Business 和 Enterprise：未来已经 GA 的 Copilot 模型不再都等管理员逐个打开，而是默认跟随一个组织或企业级策略。这个策略先进入 28 天可配置但不生效的窗口，计划在 2026 年 8 月 26 日开始影响模型可用性。显式启用或禁用过的模型会保留原决定；开源权重模型以及不在 GitHub 数据保留协议覆盖内的模型被排除在默认启用之外。

这给管理员的选择更清楚，也更硬。默认打开可以减少新模型上线后的配置滞后，默认关闭则把审批权留在中心团队手里。代价是模型治理不能再只靠“谁在 IDE 里点了哪个模型”来追踪。GitHub 扩展 Copilot app usage metrics，把 Copilot app 的会话、请求、prompt、token 和代码活动按用户、feature、model、language 等维度纳入报告，说明企业会越来越需要用指标去解释 AI 工具到底被谁用、在哪些语言里产出代码、和 IDE/chat/code review/coding agent 的使用有什么差别。

网关把速度和地域也抽象出来

Vercel 的 AI Gateway 发布从另一侧说明同一件事。fast mode 现在是一个统一的 beta 抽象：开发者在 providerOptions.gateway 里设置 speed: fast，网关会在可路由时切到快速 serving path，不可用时回落到标准速度。团队也可以直接使用带 fast 后缀的模型 slug，但统一参数的价值在于不必把 provider 细节写死到业务代码里。Vercel 同时提醒，fast variant 通常更贵，速度和成本被放进同一个策略层。

区域推理更像合规控制。Vercel 允许在请求里设置 inferenceRegion，将推理钉在 US 或 EU；如果没有 provider 能在指定区域服务，请求会失败，而不是偷偷改走全球路由。响应会报告实际服务区域。默认不设置时仍是全球路由，没有 residency guarantee；设置区域后，provider 的区域费率可能高于标准，Vercel称常见幅度约在 10% 左右且不加价转售。

真正要管的是上下文污染

Martin Fowler 站点上 Rahul Garg 的工程记录给这个趋势补了一个底层解释：多 agent 工作流的成本不只在 token 或并行任务数量，更在主 orchestrator 的工作记忆会不会被无关 transcript、重复探索和中间噪声污染。文中把“cognitive locality”作为拆分任务的判断标准：需要同一套心智模型的工作不该被拆得过细，否则多个 agent 会重复重建上下文。

这正是平台控制层要面对的问题。GitHub 让 review bot 读取团队技能和 MCP 上下文，Vercel 把 provider、速度和区域统一成请求参数，都会降低单个开发者手工拼接上下文的负担。但平台不能替团队判断哪些上下文值得进入审查、哪些模型适合默认开放、哪些 fast path 的额外成本能换回真实交付收益。接下来 AI 编程平台的差异，很可能不在模型列表长度，而在它能不能把这些控制点做得可审计、可回滚，并且不把噪声带进每一次开发决策。