技术速递｜GitHub Copilot 中的 GPT-5：我如何在 60 秒内做出一个游戏(技术())

让我带你一起回顾我们构建了什么、学到了什么，以及你如何从今天开始在自己的开发工作流中使用这些强大的工具。

GPT-5

https://github.blog/changelog/2025-08-07-openai-gpt-5-is-now-in-public-preview-for-github-copilot/?wt.mc_id=3reg_webpage_reactor

GitHub Copilot

https://github.com/features/copilot/?wt.mc_id=3reg_webpage_reactor

GPT-5：为你的工作流带来更强的推理能力

GPT-5 是 OpenAI 迄今最先进的模型，而最棒的是，它现在已经能在你最喜欢的 IDE 中使用了。你可以在 VS Code 中通过 ask、edit 和 agent 模式访问它 —— 这点非常厉害，因为并不是所有模型都能在所有模式下使用。

真正让我印象深刻的是它的速度。作为一个推理模型，它的响应速度比我预想的还要快。在实际构建时，建议几乎是瞬间返回的，而且质量也有明显提升。

在 GitHub Copilot 中启用 GPT-5

1. 打开 Copilot 界面中的模型选择器

2. 从可用选项中选择 GPT-5

3. 开始构建！

企业提示：如果你是通过公司使用 GitHub Copilot，那么企业或业务管理员需要选择加入才能启用 GPT-5 访问权限。如果你还没看到该选项，请联系你们的 IT 团队。

在线测试：60 秒内构建一个 Magic Tiles 游戏

我想立刻测试一下 GPT-5 的实力，所以在直播时问观众我该做点什么。压倒性的回答是：做个游戏！有人提议 Magic Tiles（老实说，我当时完全不知道怎么玩）。但这正是 GPT-5 大显身手的时刻。

这是我用 AI 构建时的思路（我称之为规范驱动开发（spec-driven development）：

第一步：让 AI 生成产品需求

与其直接上手写代码，我先问 GPT-5：

Doyou know the game Magic Tiles? Ifyou do, can you describe the game insimple MVP terms? No auth, just core functionality.

GPT-5 给出了非常详细的回答：

• 任务分解与核心玩法循环

• 最小功能集需求

• 数据模型结构

• 清晰的构建检查清单

这正是为什么对大语言模型来说，“上下文就是王者”。通过先要一份规范说明，我给了 GPT-5 足够的上下文来构建出一个连贯且可用的东西。

第二步：用一个简单的提示来构建

有了 MVP 规范之后，我只说：

Build this.

就这样。没有指定框架，没有规定技术栈 —— 只是“做出来”。结果呢？GPT-5 做出了非常聪明的选择：

• 使用 HTML、CSS 和 Java 构建简单的 MVP

• 基于 Canvas 创建游戏，并正确处理输入

• 增加得分、连击追踪和速度进阶

• 实现游戏结束功能

整个构建过程不到一分钟。我不是在夸张，GPT-5 真正交付了一个能运行的原型。

第三步：用自然语言迭代

当我意识到游戏需要更清晰的玩家说明时，我问：

Can you provide userinstructions onhow toplay the game before the userclicks start?

GPT-5 立即更新了 HTML，加入了清晰的用户指引，还主动给出了下一步功能建议。这种迭代方式非常自然，就像和一个非常聪明的编程伙伴对话一样。

接下来，让我们看看 GitHub MCP Server！

GitHub MCP Server：用自然语言实现 GitHub 自动化

现在，让我们来聊一件将彻底改变你与 GitHub 交互方式的东西：Model Context Protocol (MCP) Server。

Model Context Protocol (MCP) Server

https://github.blog/ai-and-ml/generative-ai/a-practical-guide-on-how-to-use-the-github-mcp-server/?wt.mc_id=3reg_webpage_reactor

什么是 MCP？为什么它很重要？

MCP 是一种标准，用来连接 AI 助手与外部工具和应用程序。你可以把它理解为一座桥梁，让大语言模型（LLM）能够与以下内容对话：

• GitHub 仓库与 Issues

• Gmail 账户

• SQL 服务器

• Figma 项目

• 以及更多……

没有 MCP 时，你的 LLM 只能“孤立存在”。有了 MCP，它就能变成一个强大的自动化引擎，可以与整个开发生态系统进行交互。

MCP 遵循客户端-服务器架构，类似于 REST API。以 VS Code 为例，VS Code 同时扮演着主机（提供运行环境）和客户端（连接 MCP 服务器）的角色。

配置 GitHub MCP Server（出乎意料的简单！）

启动 GitHub MCP Server 的过程不到 5 分钟：

1

创建配置文件📄

在工作区根目录下创建一个 .vscode/mcp.json 文件📄：

{"servers": { "github": { "command": "npx", "args": [ "-y", "@github/mcp-server-github"] }}}

2

进行 GitHub 身份认证

点击 MCP 配置中的 “Start” 按钮。你将完成一个标准的 GitHub OAuth 流程（支持 Passkey！）。

3

访问你的工具

完成身份认证后，你将在 Copilot 界面中看到 GitHub MCP Server 提供的工具。

就这么简单！无需复杂的设置，无需管理 API Key，只要简单的配置和认证即可。

令人震撼的真实 MCP 自动化案例

在直播中，我演示了一些非常实用的 MCP 工作流，你今天就可以开始使用。

用自然语言创建仓库

之前我做了一个项目叫 “Teenyhost”（类似 Tiinyhost，用于临时将文档部署到网页上），我想为它创建一个仓库。与其手动去 GitHub 创建仓库，我直接问 Copilot：

Can you createa repository forthis project calledteenyhost?

GPT-5 会询问所需的详细信息：

- Repository name: teenyhost- Owner: my GitHub username- Visibility: public- Optional deion

我提供了这些信息，几秒钟内，Copilot 通过 MCP Server 就完成了：

• 在 GitHub 上创建仓库

• 将本地代码推送到新仓库

• 设置正确的 Git 远程

这看起来很简单，但想想它对工作流的影响。有多少次你在专注编码时，想要快速把项目推到 GitHub？以前你得切换到浏览器，现在只需在编辑器里用自然语言就能搞定。

用自然语言批量创建 Issues

这里就真正有趣了。我问 Copilot：

What additional features and improvements can Iimplement inthis app?

它给出了分类建议：

• 低成本快速优化

• 核心稳定性改进

• 提升用户体验的功能

• 高级功能

接着我说：

Can you createissues forallthe low effort improvements inthis repo?

就这样，Copilot 创建了五个格式规范的 GitHub Issues，内容包括：

• 描述性标题

• 详细说明

• 实现建议

• 适当的标签

想想这对捕捉项目创意来说有多强大。以前你可能会把好的建议埋在 Slack 对话或会议记录里，现在可以立即将讨论转化为可执行的 GitHub Issues。

让这个工作流变革的原因

在大量使用 GPT-5 和 GitHub MCP Server 后，以下几点尤为突出：

速度与上下文保持

GPT-5 的处理速度令人印象深刻。这不仅仅是响应更快——更重要的是在构建过程中保持思维流畅。当你的 AI 助手能跟上你的思路时，整个开发体验变得更加顺畅。

将自然语言作为开发界面

GitHub MCP Server 消除了从想法到执行之间的摩擦。不再需要：

• 在 VS Code 和 github.com 之间切换

• 手动格式化 Issue 描述

• 在编码与项目管理之间频繁切换

人机协作自动化

我喜欢这种设置的原因是，你依然保持掌控。当 Copilot 想直接推送到主分支时，我可以取消操作。AI 处理繁琐的部分，而你做出关键决策。

你的行动计划：今天就开始构建

想马上实践吗？操作步骤如下：

尝试 GPT-5

1. 在 IDE 中打开 GitHub Copilot

2. 在模型选择器中切换到 GPT-5

3. 对于复杂构建，先使用 agent 模式

4. 尝试规范驱动的开发方法：先请求需求，再构建

设置 GitHub MCP Server

1. 在工作区创建 .vscode/mcp.json

2. 添加 GitHub MCP Server 配置

3. 完成 GitHub 身份认证

4. 用自然语言开始自动化你的 GitHub 工作流

5. 实验自动化工作流

• 为副项目创建仓库

• 从头脑风暴生成 Issues

• 自动化分支创建和 Pull Request 流程

• 探索 MCP 提供的完整工具集

展望未来

GPT-5 与 GitHub MCP Server 的结合，标志着我们与开发工具互动方式的重大转变——从手动、界面驱动的工作流，迈向会话式、意图驱动的自动化。

在下一期 Rubber Duck Thursday，我计划从零构建我们的第一个自定义 MCP Server。我之前从未做过，所以我们将一起学习——探索新技术最有趣的方式总是一起动手实践。

与此同时，我鼓励你：

• 安装GitHub MCP Server并进行实验

• 尝试用 GPT-5 和规范驱动的方法构建项目

• 与社区分享你的实验和成果

这些工具已经就位，且易于使用，并准备好为你的开发工作流提供强大助力。那么，你的第一个构建项目会是什么呢？

开始使用 GitHub Copilot>

GitHub MCP Server

https://aka.ms/GitHubMCP

GitHub Copilot

https://github.com/features/copilot/?wt.mc_id=3reg_webpage_reactor