GitHub در ۲۳ اکتبر ۲۰۲۶ یک تغییر مهم را برای مدیران سازمان‌ها و تیم‌های توسعه اعلام کرد: API آمار مصرف GitHub Copilot اکنون می‌تواند مصرف مدل را از ابزارهایی خارج از محیط IDE نیز گزارش کند. این تغییر برای تیم‌هایی مهم است که اعضای آن‌ها از ابزارهایی مانند OpenCode، Codex، Claude Code، Copilot CLI یا اتصال‌های دیگر به‌عنوان رابط کار با مدل‌های Copilot استفاده می‌کنند.
چرا این تغییر مهم است؟
پیش از این، بخشی از درخواست‌هایی که از ابزارهای بیرون از ویرایشگر کد ارسال می‌شدند، در گزارش‌های مبتنی بر IDE دیده نمی‌شدند. در نتیجه مدیر تیم ممکن بود تصور کند مصرف Copilot فقط در VS Code، JetBrains یا محیط‌های شناخته‌شده اتفاق می‌افتد، درحالی‌که ابزارهای جانبی نیز درخواست مدل و توکن مصرف می‌کنند.
GitHub با اضافه‌کردن آرایهٔ totals_by_client به گزارش‌های یک‌روزه و ۲۸روزه، این شکاف را کم می‌کند. هر ورودی این آرایه نام یا گروه ابزار، تعداد درخواست‌های موفق مدل، تعداد نشست‌ها و آمار توکن‌های ورودی و خروجی را نشان می‌دهد. در سطح مدل نیز می‌توان دید مدل چگونه انتخاب شده است: انتخاب مستقیم کاربر، انتخاب خودکار یا انتخاب محصول.
چه داده‌هایی در گزارش دیده می‌شود؟
در گزارش جدید، فیلد client مشخص می‌کند درخواست از کدام ابزار یا یکپارچه‌سازی آمده است. نمونه‌هایی که GitHub نام برده شامل opencode، claude_code، codex، zed، copilot_cli، github_app، cloud_agent، code_review، vscode و jetbrains هستند. ابزارهایی که قابل شناسایی نباشند در گروه other قرار می‌گیرند.
فیلد request_count تعداد فراخوانی‌های موفق مدل را می‌شمارد، نه الزاماً تعداد promptها یا تعامل‌های کاربر. یک prompt ممکن است چند فراخوانی مدل ایجاد کند؛ بنابراین نباید این عدد را مستقیماً با تعداد پیام‌های کاربران مقایسه کرد. session_count تعداد نشست‌های متمایز را نشان می‌دهد و token_usage برای بررسی حجم توکن ورودی، خروجی و میانگین توکن در هر درخواست کاربرد دارد.
کاربرد عملی برای تیم‌های توسعه
اولین کاربرد، کنترل هزینه و ظرفیت است. تیم می‌تواند ببیند کدام ابزار بیشترین حجم درخواست یا توکن را مصرف می‌کند و سپس محدودیت‌ها، سهمیه‌ها یا سیاست‌های استفاده را بر اساس دادهٔ واقعی تنظیم کند. در این تحلیل، مصرف Copilot باید کنار نوع ابزار، مدل انتخاب‌شده و میانگین توکن بررسی شود. این کار بهتر از تصمیم‌گیری بر پایهٔ حدس یا گزارش ناقص IDE است.
کاربرد دوم، حاکمیت ابزارهاست. اگر سازمان استفاده از Agentهای کدنویس را مجاز کرده باشد، مدیران می‌توانند بررسی کنند مصرف Copilot از مسیرهای تأییدشده انجام می‌شود یا از یکپارچه‌سازی‌هایی که هنوز در سیاست داخلی بررسی نشده‌اند. این گزارش به‌تنهایی هویت قطعی کاربر یا ابزار را تضمین نمی‌کند، چون شناسایی client بر اساس integration ID ارسالی است و GitHub آن را best-effort می‌داند؛ بااین‌حال برای مشاهدهٔ الگوهای مصرف و شروع بررسی بسیار مفید است.
کاربرد سوم، برنامه‌ریزی پشتیبانی و آموزش است. اگر یک تیم بیشتر از CLI یا ابزارهای Agentمحور استفاده می‌کند، مستندات و آموزش باید همان مسیرها را پوشش دهند، نه اینکه فقط روی افزونهٔ IDE تمرکز کنند. همچنین در گزارش‌های ۲۸روزه، دادهٔ totals_by_client در ورودی‌های روزانهٔ هر روز قرار می‌گیرد و امکان مقایسهٔ روند مصرف Copilot را فراهم می‌کند.
چک‌لیست پیشنهادی برای مدیران
request_count را با تعداد promptها یکی نگیرید و برای تحلیل هزینه، توکن ورودی و خروجی را هم ببینید.other را به‌عنوان نشانهٔ نیاز به بررسی بیشتر در نظر بگیرید، نه به‌عنوان هویت قطعی.این تغییر، قابلیت‌های موجود را حذف نمی‌کند و به‌صورت افزایشی به API اضافه شده است؛ بنابراین فیلدهای قبلی همچنان باقی می‌مانند. برای تیم‌هایی که استفاده از عامل‌های کدنویس را جدی دنبال می‌کنند، totals_by_client می‌تواند تصویر کامل‌تری از مسیر واقعی مصرف Copilot ارائه دهد.
برای آشنایی با خدمات توسعه و اتوماسیون تکتاز، صفحهٔ خدمات طراحی و توسعه وب تکتاز را ببینید. جزئیات فنی تغییر در اعلام رسمی GitHub دربارهٔ API آمار مصرف Copilot منتشر شده است.
