数据科学福音！VSCode 1.99版本Copilot全面升级，Jupyter Notebook支持堪比Google Colab

引言

Visual Studio Code（简称VSCode）于2025年3月发布了1.99版本，带来了一系列令人兴奋的更新和改进。本文将重点介绍此次更新中与GitHub Copilot相关的主要功能增强，包括Agent模式的正式发布、代码编辑功能的改进、聊天功能的增强以及Jupyter Notebook编辑的智能化。这些更新不仅提升了开发效率，还为开发者提供了更加智能和个性化的编码体验。

核心亮点：VSCode 1.99版本中的GitHub Copilot功能升级主要集中在Agent模式、代码编辑增强和Jupyter Notebook智能化三大方面，全面提升AI辅助编程体验。

Agent模式正式登陆VS Code稳定版

Agent模式是VSCode 1.99版本中最值得关注的更新之一，它现已在VS Code稳定版中正式可用。虽然相比其他AI编程软件，GitHub Copilot的Agent模式来的晚了一些，但是功能方面还是做的相当完整的，基本吸收了目前市面上所有主流AI编程软件的Agent模式的主要功能。

启用与配置方法详解

想要体验VSCode 1.99版本中的Agent模式，可以按照以下步骤操作：

• 用户可以通过在设置中勾选chat.agent.enabled来启用Agent模式
• 在未来几周内，该功能将逐步向所有用户默认开启
• 如下图所示，开启后，用户可以通过聊天视图中的模式选择器轻松切换到Agent模式

模型上下文协议(MCP)服务器支持

此次更新GitHub Copilot也在Agent模式中引入了最近流行的Model Context Protocol (MCP)服务器支持，为AI模型提供了标准化的方法来发现和与外部工具、应用程序和数据源进行交互。这是VSCode在AI编程领域的重要突破，使得开发者可以更灵活地扩展AI助手的能力。

MCP服务器配置指南

• MCP服务器可以在用户、远程或.code-workspace设置中的mcp部分进行配置
• 支持输入变量以避免硬编码密钥和常量，提高安全性
• 提供了MCP: Add Server命令以快速设置MCP服务器
• 可以使用MCP: List Servers命令查看MCP服务器列表及其当前状态

全新内置工具详解

除了自定义的MCP服务器，Agent模式还新增了几个强大的内置工具，这些工具大大提升了GitHub Copilot的实用性：

1. 思考工具(Thinking Tool)：

   • 受Anthropic最新研究启发，允许模型在工具调用之间进行思考
   • 研究表明，这可以大大提高Agent在复杂任务中的表现
   • 特别适合处理需要多步推理的编程问题

2. 获取工具(Fetch Tool)：

   • 使用#fetch工具将公开网页的内容包含在提示中
   • 通过在无头浏览器窗口中渲染网页来工作，数据在本地缓存
   • 支持从官方文档、Stack Overflow等网站获取最新信息

3. 引用工具(Usages Tool)：

   • 结合了"查找所有引用"、"查找实现"和"转到定义"功能
   • 帮助聊天了解更多关于函数、类或接口的信息
   • 可用于查找接口的示例实现或查找重构时需要更改的所有位置
   • 大幅提升代码重构和理解大型代码库的效率

轻松创建新工作区

和其他主流AI编程软件一样，用户现在可以使用Agent模式轻松搭建新的VS Code工作区，适用于设置VS Code扩展、MCP服务器或其他开发环境。这一功能特别适合以下场景：

• 快速创建新项目并自动配置开发环境
• 根据项目类型自动安装推荐的扩展和工具
• 自动生成项目模板和基础代码结构

Agent模式工具自动审批机制

为了平衡功能强大性和安全性，Agent模式默认情况下需要用户手动批准工具和终端命令的使用：

• 可以在会话、工作区或应用程序级别记住批准，避免重复操作
• 提供了实验性的chat.tools.autoApprove设置，可自动批准所有工具，类似Cline的Auto Approve
• 自动审批功能适合在受信任的环境中使用，提高工作效率

代码编辑功能增强

下一步编辑建议(NES)正式发布

Next Edit Suggestions (NES)功能现已正式发布，并进行了多项用户体验改进。这项功能使VSCode的AI辅助编码能力更上一层楼：

• 使编辑建议更加紧凑，减少对周围代码的干扰
• 更新了边栏指示器，使所有建议更容易被注意到
• 默认启用了内联建议的语法高亮，提高了代码可读性

聊天功能增强

统一的聊天体验

VSCode现在提供了一个统一的聊天视图，用户可以在三种模式之间轻松切换，大大提升了开发体验：

• Ask模式：针对询问关于代码库的问题和头脑风暴想法进行了优化
• Edit模式：针对在代码库中的多个文件中进行编辑进行了优化
• Agent模式：针对自主编码流程进行了优化，结合了代码编辑和工具调用

如下图所示，用户可以先使用Ask模式询问问题，然后切换到Edit模式进行编辑，最后切换到Agent模式进行自主编码。

自带密钥(BYOK)功能详解

Copilot Pro和Copilot Free用户现在可以使用自己的API密钥来访问流行提供商的语言模型，这一功能大大扩展了VSCode的AI能力：

• 目前支持Azure、Anthropic、Gemini、OpenAI、Ollama和OpenRouter等提供商
• 这使得用户可以轻松配置自己喜欢的提供商
• 我就把我最常用的OpenRouter配置了一下，如下图所示，可以在聊天中用到GitHub Copilot目前还不支持的DeepSeek系列模型和Meta最新发布的Llama 4系列模型

Jupyter Notebook编辑增强

AI驱动的Jupyter Notebook编辑支持现已在稳定版中可用，这是VSCode 1.99版本中另一个重要的功能增强。正好之前有读者朋友问我有没有类似Google Colab的Data Science Agent功能的本地版本，经过我的尝试，我认为现在VSCode的Jupyter Notebook编辑功能已经可以做到这一点了。

数据科学工作流程革新

VSCode 1.99版本中的Jupyter Notebook功能为数据科学工作者带来了全新的工作方式：

• 支持从自然语言描述生成数据分析代码
• 自动处理数据清洗和预处理步骤
• 智能推荐可视化方法和图表类型
• 帮助解释分析结果和发现数据洞见

新的Notebook工具

VSCode现在提供了一个专用工具，在Agent模式下，用户可以直接使用/newNotebook命令来创建新的Jupyter Notebook。

比如我最近在做一个微信公众号数据分析与可视化的项目，我直接把csv格式的数据集放在项目目录下，然后在Agent模式下要求GitHub Copilot帮我创建一个包含数据读取和可视化代码的Jupyter Notebook，如下图所示，GitHub Copilot很快就帮我创建了一个完整的Jupyter Notebook文件。

智能Notebook编辑功能详解

GitHub Copilot现在可以像编辑代码文件一样直观地编辑Jupyter Notebook文件，支持以下功能：

• 修改多个单元格的内容，实现一次性批量更新
• 插入和删除单元格，优化笔记本结构
• 更改单元格类型，在代码和markdown之间灵活切换
• 使用差异工具栏浏览和查看每个AI编辑，清晰了解变更内容
• 当聚焦在单元格容器上时，"撤销"命令会在Notebook级别撤销完整的AI更改集

所以当你对自动生成的Jupyter Notebook进行编辑时，你可以直接在聊天中进行修改，GitHub Copilot会智能地识别出你的修改需求并应用到Jupyter Notebook文件中。

文本和图像输出支持

GitHub Copilot现在可以将Jupyter Notebook单元格输出（如文本、错误、图像）直接添加到聊天中作为上下文，这一功能大大提升了问题解决效率：

• 使用"将单元格输出添加到聊天"操作，可通过三点菜单或右键单击输出来访问
• 这使语言模型更容易理解和协助处理您的Jupyter Notebook内容
• 支持将单元格错误输出和图像输出作为聊天上下文附加
• 特别适合调试复杂的数据处理和可视化问题

这使得修复某些单元格运行出现的错误变得更加方便。

与其他数据科学工具的比较

与Google Colab、Jupyter Lab等其他数据科学工具相比，VSCode 1.99版本的Jupyter Notebook支持具有以下优势：

• 与VSCode强大的代码编辑功能无缝集成
• 支持本地运行，不依赖云服务
• 可以利用GitHub Copilot的全部AI能力
• 与Git版本控制系统深度集成
• 支持更丰富的扩展生态系统

总体感觉，这次对Jupyter Notebook编辑的智能化增强，非常类似于Google Colab的Data Science Agent功能，基本能够根据数据集和需求自动生成完整的Notebook，并根据需求进一步自动修改，极大地提高了数据科学工作流程的效率，我想当推荐！

结论

VSCode 1.99版本带来的更新，特别是在GitHub Copilot功能方面的增强，标志着VSCode向更加智能化和自动化的方向迈进了一大步。Agent模式的正式发布，结合新的内置工具和MCP服务器支持，为开发者提供了前所未有的自动化编码体验。代码编辑功能的改进和聊天功能的增强，进一步提升了开发效率和用户体验。尤其是Jupyter Notebook编辑的智能化，为数据科学工作者提供了强大的工具支持。