یاد بگیریم، بسازیم

← بازگشت به صفحه اصلی

GitHub Agentic Workflows چیست؟

اگه تا حالا با GitHub Actions کار کرده باشی، می‌دونی نوشتن workflow با YAML گاهی دردسر داره. GitHub Agentic Workflows قابلیتیه که اجازه می‌ده به‌جای اون، هدفت رو با Markdown و به زبان ساده بنویسی و یه Agent هوش مصنوعی اجراش کنه. این مقاله همه‌چیز رو درباره‌ی این قابلیت جمع کرده، از تعریف و نصب تا امنیت، هزینه و تاریخچه‌ی تغییرات.

آخرین به‌روزرسانی مقاله: ۳۰ شهریور ۱۴۰۵ (۲۱ سپتامبر ۲۰۲۶)

فهرست مطالب

GitHub Agentic Workflows چیه؟

یه قابلیت از GitHub که با کمک هوش مصنوعی، کارهای تکراری یه Repository رو خودکار می‌کنه. تو هدف اتوماسیون رو به زبان طبیعی تو یه فایل Markdown می‌نویسی و یه Agent هوش مصنوعی داخل GitHub Actions اجراش می‌کنه.

فرقش با اتوماسیون سنتی اینه که اونجا قانون‌ها ثابته («اگه این اتفاق افتاد، این کار رو بکن»)، ولی اینجا Agent می‌تونه محتوا رو بخونه، بفهمه و تصمیم بگیره. خروجی معمولاً چیزی مثل یه Issue، کامنت یا Pull Request‌ه که خودت بررسیش می‌کنی و تأیید یا رد می‌کنی.

این پروژه متن‌باز (با مجوز MIT) و حاصل همکاری GitHub Next، Microsoft Research و Azure Core Upstream ـه. اگه هنوز با Markdown آشنا نیستی، اول مقاله‌ی Markdown چیست؟ رو بخون.

جایگزین GitHub Actions می‌شه؟

نه. طبق توضیح خود پروژه، Agentic Workflows مکمل CI/CD ـه، نه جایگزین اون:

  • برای کارهای قطعی و تکرارپذیر (build، تست، lint، deploy) همون GitHub Actions معمولی رو استفاده کن.
  • برای کارهایی که نیاز به فهم و تفسیر دارن (دسته‌بندی Issue، بررسی Pull Request، بررسی خطاهای CI، به‌روز نگه داشتن مستندات، تحلیل وابستگی‌ها، گزارش‌گیری) از Agentic Workflows استفاده کن.

چطور کار می‌کنه؟

هر workflow یه فایل Markdown با دو بخشه:

  • Frontmatter: یه بلوک YAML بین دو خط --- که تنظیم می‌کنه workflow کِی اجرا بشه، چه دسترسی‌هایی داشته باشه و چه کارهای نوشتنی‌ای مجاز باشه.
  • بدنه‌ی Markdown: دستورالعمل‌هایی به زبان طبیعی که Agent دنبالشون می‌کنه.

مراحل کار:

  1. فایل .md رو با frontmatter و دستورالعمل‌ها می‌نویسی. این فایل تو پوشه‌ی .github/workflows/ قرار می‌گیره.
  2. با افزونه‌ی gh aw فایل رو «کامپایل» می‌کنی تا یه فایل .lock.yml (یه workflow استاندارد و سخت‌شده‌ی GitHub Actions) تولید بشه.
  3. هر دو فایل رو commit و push می‌کنی.
  4. workflow مثل بقیه‌ی GitHub Actionsها اجرا می‌شه، با یه trigger یا دستی از صفحه‌ی Actions یا GitHub CLI.

پس YAML کلاً حذف نشده؛ فقط پشت صحنه‌ست و لازم نیست خودت بنویسیش. این هم یه نمونه‌ی ساده از مستندات رسمی برای گزارش هفتگی Issueها:

---
on: weekly on monday

permissions:
  issues: read
  copilot-requests: write

network: defaults

tools:
  github:
    toolsets: [issues]

safe-outputs:
  create-issue:

---

# Weekly issue activity report

Review issue activity from the last 7 days in this repository.

Create a GitHub issue that includes:

- Total issues opened and closed this week.
- The top recurring themes from issue titles and descriptions.
- A short list of notable issues that still need attention.
- Two or three actionable recommendations for maintainers.

Keep the report concise and action-oriented.

بخش بالای فایل (frontmatter) تنظیمات رو مشخص می‌کنه:

  • on: trigger، مثل weekly on monday؛ سینتکسش شبیه triggerهای GitHub Actions ـه.
  • permissions: دسترسی‌های Agent به Repository. پیش‌فرضش read-all (فقط خواندن) ـه.
  • safe-outputs: کارهای نوشتنی‌ای که Agent اجازه‌ی انجامشون رو داره، مثل create-issue، add-comment یا create-pull-request. اینجا فقط ساختن Issue مجازه.
  • engine: Agent هوش مصنوعی. اگه ننویسی، پیش‌فرض copilot ـه.

بخش پایین فایل (بدنه) هم دستورالعمل‌های Agent ـه. تو این نمونه، دستورالعمل‌ها به انگلیسی نوشته شدن.

پیش‌نیازها

  • یه Repository که GitHub Actions براش فعاله و دسترسی نوشتن بهش داری.
  • یه حساب برای یکی از Agentهای هوش مصنوعی: GitHub Copilot، Anthropic Claude، OpenAI Codex یا Google Gemini.
  • GitHub CLI (دستور gh) نصب و وارد شده به حسابت (نسخه‌ی ۲.۰.۰ یا بالاتر).

اولین workflow: قدم‌به‌قدم

روش پیشنهادی GitHub اینه که خود یه coding agent، workflow رو برات بنویسه. مراحل:

  1. وارد حساب GitHub بشو: 
    gh auth login --scopes repo,workflow
  2. افزونه‌ی Agentic Workflows رو نصب کن: 
    gh extension install github/gh-aw
    اگه نسخه‌ی GitHub CLI ات ۲.۹۰.۰ یا بالاتره، اجرای هر دستور gh aw خودش پیشنهاد نصب افزونه رو می‌ده.
  3. Repository رو برای نوشتن workflow آماده کن (برای بار اول توصیه شده): 
    gh aw init
    این دستور skill، دستورالعمل و یه custom agent اضافه می‌کنه تا coding agentها راحت‌تر workflow بنویسن.
  4. coding agent ات رو (مثلاً Copilot CLI یا حالت agent تو VS Code) توی پوشه‌ی پروژه باز کن و بگو چی می‌خوای: 
    /agentic-workflows Create a new workflow that creates a daily report on recent activity in the repository, delivered as an issue.
  5. Agent فایل رو می‌سازه و کامپایل می‌کنه. تو نتیجه رو بررسی کن و بعد بخواه commit و push کنه.
  6. از تب Actions یا با این دستور اجراش کن: 
    gh aw run YOUR-WORKFLOW-NAME

ویرایش یه workflow: فایل Markdown رو تغییر بده، با gh aw compile دوباره کامپایل کن، هر دو فایل رو commit کن و از یه Pull Request برای چک کردن Actions استفاده کن.

استفاده از workflowهای آماده: می‌تونی workflow یه Repository دیگه رو وارد کنی. مثلاً:

gh aw add-wizard githubnext/agentics/daily-repo-status

بعداً با gh aw update می‌تونی نسخه‌ی جدیدش رو بگیری. فقط از منبع‌های مورد اعتماد وارد کن و قبلش ببین workflow دقیقاً چه کاری می‌کنه.

به چه کاری می‌آد؟

مستندات رسمی این کاربردها رو مثال زده:

  • دسته‌بندی Issueهای جدید و برچسب‌زدن بر اساس نوع و اولویت
  • بررسی خطاهای CI و پیشنهاد راه‌حل
  • ساختن گزارش روزانه یا هفتگی از وضعیت Repository
  • به‌روز نگه داشتن مستندات با تغییرات کد
  • بهتر کردن پوشش تست‌ها

GitHub از بررسی Pull Requestها، پایش رعایت الزامات (Compliance) و حتی «بالا بردن روحیه‌ی تیم» هم به‌عنوان مثال اسم برده.

برای نمونه‌ی آماده می‌تونی سراغ مخزن githubnext/agentics بری که workflowهای آماده برای دسته‌بندی، گزارش‌گیری و compliance داره. Peli's Agent Factory هم بیش از ۵۰ agentic workflow برای کاربردهای مختلف نشون می‌ده.

از چه Agentهایی پشتیبانی می‌کنه؟

طبق مستندات، Agentهای زیر پشتیبانی می‌شن و با فیلد engine تو frontmatter انتخاب می‌شن:

  • GitHub Copilot (پیش‌فرض؛ نیاز به پلن Copilot داره)
  • Anthropic Claude
  • OpenAI Codex
  • Google Gemini

هر Agent برای احراز هویت، secret مخصوص خودش رو تو Repository لازم داره. قالب workflow برای همه‌ی Agentها یکسانه. (تو README خود پروژه اسم Agent دیگه‌ای به نام Pi هم آمده.)

چه امکاناتی داره؟

  • Triggerهای متنوع: رویدادهای Issue و Pull Request، زمان‌بندی، اجرای دستی یا دستور تو کامنت.
  • اتصال به GitHub: از طریق GitHub MCP Server به Repository، Issueها، Pull Requestها، Actions و امنیت دسترسی داره. ابزارهایی برای خودکارسازی مرورگر، جستجوی وب و MCPهای سفارشی هم داره.
  • نوشتن با کمک هوش مصنوعی: ساخت، ویرایش و دیباگ workflow با Agent تو VS Code، github.com یا coding agent دلخواهت.
  • ابزار بررسی هزینه و اجرا: دستورهای gh aw logs و gh aw audit (بخش هزینه رو ببین).
  • متن‌باز: با مجوز MIT تو مخزن github/gh-aw.

امنیتش چطوره؟

وقتی قراره یه Agent هوش مصنوعی تو Repository کار کنه، امنیت مهم‌ترین سؤاله. لایه‌های محافظتی که GitHub اعلام کرده:

  • پیش‌فرض فقط‌خواندنی: Agent بدون اجازه‌ی صریح، دسترسی نوشتن نداره.
  • Safe Outputs: هر کار نوشتنی (ساختن Issue، کامنت، Pull Request) فقط از مسیر safe-outputs که خودت تو frontmatter تعریف کردی و بعد از اعتبارسنجی انجام می‌شه.
  • جدا بودن secretها: اطلاعات حساس تو jobهای جداگانه نگه داشته می‌شن و مستقیم در دسترس Agent نیستن.
  • تشخیص تهدید (Threat Detection): یه job مخصوص، تغییرات پیشنهادی رو قبل از اعمال برای موارد مشکوک اسکن می‌کنه.
  • اجرای ایزوله و فایروال: Agent داخل یه container ایزوله و پشت «Agent Workflow Firewall» اجرا می‌شه.
  • کنترل دسترسی نقش‌محور: می‌تونی مشخص کنی چه کسانی مجاز به اجرا یا تغییر workflow هستن.

با این حال، مستندات خود پروژه صراحتاً می‌گه استفاده از Agentic Workflows نیاز به دقت امنیتی و نظارت انسانی داره و حتی با این کنترل‌ها هم ممکنه اشتباه پیش بیاد. پس با احتیاط و با مسئولیت خودت استفاده کن و قبل از انتشار، دسترسی‌ها و ابزارها رو مرور کن.

هزینه‌ش چقدره؟

هزینه دو بخش داره:

  • دقیقه‌های GitHub Actions که jobها مصرف می‌کنن.
  • هزینه‌ی مدل هوش مصنوعی (inference)، که با واحدی به نام AI Credits (به‌اختصار AIC) سنجیده می‌شه. هر ۱ AIC برابر ۰.۰۱ دلاره.

با Agent پیش‌فرض (Copilot)، مصرف AIC توی صورت‌حساب AI credits مربوط به Copilot حساب می‌شه. با Agent شخص ثالث، هزینه رو همون شرکت حساب می‌کنه.

برای دیدن مصرف، gh aw logs اجراهای اخیر رو با مدت، مصرف token و تخمین AIC نشون می‌ده و gh aw audit RUN-ID یه اجرای مشخص رو با جزئیات بررسی می‌کنه. این اعداد فقط تخمینه و ممکنه با فاکتور واقعی کمی فرق داشته باشه.

می‌تونی با max-ai-credits تو frontmatter سقف مصرف هر اجرا رو تعیین کنی؛ مقدار پیش‌فرض ۱٬۰۰۰ AIC برای هر اجراست.

نکته برای Repositoryهای سازمانی: اگه Repository مال یه سازمان با پلن Copilot باشه، GitHub استفاده از GITHUB_TOKEN داخلی Actions رو توصیه می‌کنه تا هزینه مستقیم به سازمان بخوره و نیازی به personal access token نباشه. برای این کار مدیر سازمان باید سیاست «Allow use of Copilot CLI billed to the organization» رو فعال کنه و تو هر workflow باید copilot-requests: write رو زیر permissions بنویسی. برای Repositoryهای شخصی و Agentهای دیگه، یه secret شامل personal access token یا API key لازمه (برای Copilot اسمش COPILOT_GITHUB_TOKEN ـه).

تاریخچه‌ی تغییرات

  • ۱۳ فوریه ۲۰۲۶ (۲۴ بهمن ۱۴۰۴): معرفی به‌صورت Technical Preview.
  • ۲۶ مارس ۲۰۲۶ (۶ فروردین ۱۴۰۵): فایل Markdown هر workflow حالا تو خلاصه‌ی اجرای GitHub Actions هم نشون داده می‌شه.
  • ۱۱ ژوئن ۲۰۲۶ (۲۱ خرداد ۱۴۰۵): ورود به مرحله‌ی Public Preview. GitHub همراهش از شرکت‌هایی مثل Carvana و Marks & Spencer نقل‌قول منتشر کرد. همون روز اعلام شد که دیگه برای استفاده لازم نیست personal access token بسازی و می‌شه از GITHUB_TOKEN استفاده کرد (هزینه‌ی AI credits به سازمان می‌خوره).
  • ۲۳ ژوئیه ۲۰۲۶ (۱ مرداد ۱۴۰۵): قابلیت‌های «دلیل، میزان اطمینان و تأیید» (rationale, confidence, approvals) برای اقدام‌های خودکار روی Issueها در Public Preview آمد. این قابلیت با Agentic Workflows هم کار می‌کنه؛ با issue-intents: true تو frontmatter می‌شه برای safe outputهایی مثل add-labels و close-issue فعالش کرد. GitHub توضیح داده که «تأیید» یه راحتی برای workflow ـه، نه یه کنترل امنیتی.
  • ۷ سپتامبر ۲۰۲۶ (۱۶ شهریور ۱۴۰۵): تیم پروژه گزارش به‌روزرسانی هفتگی منتشر می‌کنه، یعنی توسعه‌ی فعاله. تو گزارش این هفته، از نسخه‌ی v0.88.4 نام برده شده که تمرکزش روی تقویت فایروال و لایه‌ی شبکه بود و ویژگی‌هایی مثل تولید خودکار سیاست‌های DIFC برای workflowهای GitHub App هم اضافه کرد.

الان تو چه مرحله‌ایه؟

تا تاریخ به‌روزرسانی این مقاله (۲۱ سپتامبر ۲۰۲۶)، مستندات رسمی GitHub می‌گه Agentic Workflows در Public Preview ـه و ممکنه تغییر کنه. یعنی هنوز نسخه‌ی نهایی (GA) اعلام نشده. قبل از استفاده‌ی جدی تو پروژه‌های مهم، مستندات رو بخون و اول تو یه Repository آزمایشی امتحانش کن.

جمع‌بندی

GitHub Agentic Workflows راهیه برای خودکار کردن کارهای نیازمند فهم، مثل دسته‌بندی Issue، بررسی خطاهای CI و گزارش‌گیری، با یه فایل Markdown ساده. امنیتش روی چند لایه محافظ ساخته شده، ولی هنوز Public Preview ـه و نظارت انسانی لازمه. هر وقت خبر یا تغییر جدیدی اومد، همین مقاله به‌روز می‌شه.

منابع

← بازگشت به صفحه اصلی