GitHub Copilot Agents i VS Code: 12 Trin, 30 Min [2026]

GitHub Copilot fik sin største opdatering i flere år i august 2026. Et nyt Agents-vindue, en Sessions-sidebar til flere samtidige AI-samtaler og kommandoer som /rewind og /btw ændrer hvordan udviklere arbejder i VS Code. Problemet: langt de fleste guider derude dækker stadig den gamle, enkle chat-boks. Denne guide viser dig, trin for trin, hvordan du sætter de nye Copilot Agents-funktioner op og bruger dem til at bygge et rigtigt projekt, fra første installation til et færdigt Node.js-API bygget af en agent.

Guiden er skrevet til dig, der allerede kender VS Code og har brugt Copilot til almindelig kodefærdiggørelse, men endnu ikke har rørt agent-laget. Vi går forudsætning for forudsætning gennem opsætningen, viser konkrete kommandoer og settings.json-ændringer, og slutter med et komplet eksempelprojekt du selv kan følge med i. Undervejs peger vi også på, hvor danske og nordiske teams typisk skal tænke sig ekstra om, særligt når det kommer til hvor kildekode og data reelt sendes hen.

Vi bygger videre på det du allerede kender fra grundlæggende GitHub Copilot-opsætning, men fokuserer udelukkende på agent-laget: Agent Host, flere sprogmodel-udbydere, sessionsstyring og de nye kommandoer, der kom med Copilots ugentlige udgivelser i august 2026.

Hvad er GitHub Copilot Agents, og hvorfor betyder august 2026-opdateringen noget?

Copilot Agents er den del af GitHub Copilot, der ikke bare foreslår kodelinjer, men selv udfører opgaver: opretter filer, kører terminal-kommandoer, retter fejl og tester ændringer, mens du følger med. Det nye Agents-vindue i VS Code samler denne funktionalitet i sit eget UI, adskilt fra den almindelige chat, og giver dig kontrol over hvilken “harness” (kørselsmiljø) agenten bruger.

Den vigtigste nyhed kom i VS Code’s opdatering fra 5. august 2026: en indstilling kaldet chat.agentHost.enabled, der lader dig åbne Agents-vinduet uden at logge ind med GitHub overhovedet. Samme opdatering gør det muligt at tilknytte eksterne sprogmodel-udbydere som Anthropic, Azure, Gemini, OpenAI, Ollama og OpenRouter direkte fra Command Palette, så du ikke er låst til én model. Kort efter, i ugen 3.-7. august, tilføjede GitHub selv en Sessions-sidebar til at styre flere samtidige agent-sessioner, samt kommandoerne /rewind og /btw. Til sammen betyder det, at en Copilot-opsætning fra foråret 2026 allerede er forældet.

For udviklere, der allerede har vænnet sig til at bruge Copilot til enkeltstående kodeforslag, er springet til agent-drevet arbejde ikke bare en ny knap i menuen. Det ændrer selve arbejdsflowet: i stedet for at skrive kode selv og bede om forslag undervejs, formulerer du en opgave, lader agenten arbejde gennem flere filer og trin, og bruger din tid på at vurdere resultatet frem for at producere hver linje. Det kræver en anden slags tillid til værktøjet, og det er netop derfor funktioner som /rewind er blevet så centrale i august-opdateringen, uden en pålidelig fortryd-mekanisme tør de færreste give agenten frie tøjler på en rigtig kodebase.

Konkurrenten Cursor lancerede sin egen Agents Window i april 2026 med Cursor 3, og har siden opdateret hurtigt, den seneste build er Cursor 3.16.17 fra 14. august 2026. Det er en del af grunden til, at Microsoft har skyndt sig med at matche funktionaliteten i VS Code. Vi kommer tilbage til den sammenligning senere i artiklen.

Kort historik: fra autocomplete til agent

Da GitHub Copilot lancerede tilbage i 2021, var værktøjet en linje-for-linje kodefærdiggørelse, du kunne acceptere med Tab-tasten. Det ændrede sig gradvist med chat-integrationen, hvor du kunne stille spørgsmål om din kodebase uden selv at skrive koden. Agent-laget, som blev introduceret i løbet af 2025 og udbygget markant i 2026, er det tredje spring: nu kan Copilot selv planlægge og udføre en hel opgave over flere filer, køre terminal-kommandoer og rette sine egne fejl, mens du overvåger fremdriften i stedet for at skrive hver linje selv. August 2026-opdateringen med Agent Host, Sessions-sidebar og flere modeludbydere er det seneste og hidtil mest gennemgribende skridt i den udvikling.

Forudsætninger: Dette skal du have klar

Før du starter, så sørg for at have følgende på plads. Guiden forudsætter Windows, macOS eller Linux, funktionerne er identiske på tværs af platforme.

• Visual Studio Code version 1.127 eller nyere (opdateringerne til Agents-vinduet kræver dette som minimum)
• En GitHub-konto med adgang til Copilot, enten gratis-tier, Pro eller en virksomhedslicens
• Node.js version 20 eller nyere, hvis du følger med i eksempelprojektet mod slutningen
• Git installeret og konfigureret lokalt
• Mindst 8 GB RAM til at køre VS Code og en agent-session samtidig uden at mærke det på maskinens ydeevne
• Valgfrit: en API-nøgle til Anthropic, OpenAI eller en anden udbyder, hvis du vil køre agenter med en anden model end standard-Copilot

Har du allerede en fungerende Copilot-installation fra vores tidligere opsætningsguide, kan du springe direkte til trin 3. Har du aldrig brugt Copilot før, skal du starte fra trin 1. Sæt cirka 30 minutter af til hele opsætningen, inklusive eksempelprojektet i trin 10, hvis du følger guiden fra ende til anden uden at springe noget over.

Trin 1: Opdater VS Code til version 1.127 eller nyere

Åbn VS Code, gå til Help > Check for Updates (på macOS: Code > Check for Updates), og lad editoren opdatere sig selv. Du kan også tjekke din nuværende version fra terminalen.

code --version
# Forventet output (eksempel):
# 1.127.2
# a1b2c3d4e5f6...
# x64

Er dit versionsnummer lavere end 1.127, mangler du sandsynligvis Agents-vinduet og indstillingen chat.agentHost.enabled helt. Opdater før du fortsætter, ellers vil trin 3 og frem ikke give mening i din installation. Bruger du en Insiders-build, ligger du typisk allerede foran stabil-kanalen med et par uger, og kan opleve at nogle af menupunkterne i denne guide hedder lidt andet, indtil funktionerne lander i den almindelige udgivelse.

På virksomhedsmaskiner, hvor IT-afdelingen styrer opdateringer centralt, kan det tage længere tid, før den nyeste version rulles ud. Tjek med jeres interne dokumentation eller IT-support, om automatiske opdateringer af VS Code er slået fra, det er en af de hyppigste årsager til, at Agents-vinduet simpelthen ikke findes på arbejds-pc’en, selvom det virker fint på den private maskine.

Trin 2: Log ind og aktivér AI-funktioner i Copilot

Hold musen over Copilot-ikonet i statuslinjen nederst i VS Code, og vælg Use AI Features. Vælg din login-metode (typisk GitHub) og følg promptene. Når du er logget ind, kan du bekræfte at Copilot kører ved at skrive /init i en chat-session, kommandoen sætter dit projekt op til AI-assisteret udvikling og opretter en grundlæggende konfigurationsfil, hvis der ikke allerede findes en.

Bruger din organisation GitHub Enterprise, skal du bruge en anden godkendelsesudbyder. Det dækker vi i trin 11, da det kræver at settings.json redigeres manuelt. For de fleste individuelle udviklere og mindre teams er standard-loginet med en almindelig github.com-konto dog tilstrækkeligt, og du kan roligt springe det avancerede trin over indtil videre.

Er du i tvivl om, hvilken licens din konto har, kan du tjekke det under github.com’s kontoindstillinger under “Copilot”. Gratis-tieren har et loft over antal forespørgsler pr. måned, mens Pro og virksomhedslicenser giver væsentligt højere eller ubegrænset kvote. Rammer du loftet midt i en agent-session, mister du ikke dit arbejde, men Agents-vinduet falder tilbage til en begrænset tilstand, indtil kvoten nulstilles ved månedsskiftet.

Trin 3: Aktivér Agent Host og vælg din harness

Dette er kernen i august 2026-opdateringen. Åbn settings.json med genvejen Ctrl+Shift+P (eller Cmd+Shift+P på Mac), skriv “Preferences: Open User Settings (JSON)”, og tilføj følgende linje.

{
  "chat.agentHost.enabled": true
}

Gem filen. Åbn nu Command Palette igen og kør Chat: Open Agents Window. Du får nu et dropdown, hvor du vælger hvilken harness agenten skal køre i. De fleste bør starte med standard-harnessen, som er tættest integreret med VS Code’s fil- og terminalsystem. Vælger du forkert harness her, oplever du typisk at agenten “hænger” uden at reagere, se fejlfindingsafsnittet længere nede hvis det sker.

Begrebet “harness” er nyt for de fleste, der kommer fra den almindelige Copilot Chat. Kort fortalt er det det tekniske kørselsmiljø, agenten opererer i, altså hvordan den læser filer, kører kommandoer og rapporterer resultater tilbage til dig. VS Code understøtter flere harnesses side om side, så du i princippet kan sammenligne, hvordan samme prompt løses forskelligt afhængig af hvilket kørselsmiljø der bruges. Til daglig brug er det sjældent nødvendigt at skifte væk fra standarden, men det er værd at vide, at muligheden findes, hvis du støder på en opgave, standard-harnessen håndterer dårligt.

Trin 4: Tilslut flere sprogmodel-udbydere

En af de mest efterspurgte funktioner er muligheden for at bruge andre modeller end standard-Copilot inde i det samme Agents-vindue. Kør Manage Language Models fra Command Palette.

> Manage Language Models
  Vælg udbyder:
  [ ] Anthropic
  [ ] Azure
  [ ] Gemini
  [ ] OpenAI
  [ ] Ollama (lokal)
  [ ] OpenRouter
  [ ] Brugerdefineret endpoint

Vælg en udbyder, indsæt din API-nøgle når du bliver bedt om det, og modellen dukker op i model-vælgeren i Agents-vinduet. Kører du Ollama lokalt, behøver du ikke en ekstern nøgle overhovedet, hvilket er relevant hvis din organisation har krav om at kildekode ikke må sendes til tredjepartsservere. Det gør denne opsætning nyttig for danske virksomheder med skærpede GDPR-krav til, hvor kode og data må processeres. Vi går i dybden med den del i afsnittet om sikkerhed og datahåndtering længere nede.

Du kan tilføje flere udbydere samtidig og skifte mellem dem løbende inde i selve Agents-vinduet, uden at åbne indstillingerne igen. Det er praktisk, hvis du for eksempel vil bruge en billig, hurtig model til at skrive dokumentation, og en anden, kraftigere model til at planlægge en større refaktorering. Husk at API-nøgler til eksterne udbydere faktureres separat af den pågældende udbyder, det er ikke inkluderet i din Copilot-licens, uanset om du har gratis-tier, Pro eller en virksomhedsaftale.

Trin 5: Åbn Agents-vinduet uden GitHub-login

Med chat.agentHost.enabled slået til, kan du nu åbne selve Agents-vinduet uden at være logget ind på GitHub. Det er relevant hvis du kun vil bruge en ekstern model (fra trin 4) og aldrig røre GitHub Copilots egen infrastruktur. Klik på Agents-ikonet i venstre sidepanel, eller brug genvejen fra Command Palette. Vinduet åbner i tre dele: en promptboks nederst, en samtaletråd i midten og en filoversigt til højre, der viser hvilke filer agenten har rørt ved i den aktuelle session.

Bemærk at uden GitHub-login mister du adgang til GitHub-specifikke værktøjer som #copilotCodingAgent og integrationer med issues og pull requests. Til rent lokal kodning er det uden betydning, men til teamarbejde vil de fleste stadig logge ind.

En anden ting værd at nævne: filoversigten til højre opdateres i realtid, mens agenten arbejder, så du kan klikke ind på en fil, den lige har ændret, og se den nøjagtige diff, uden at vente på at hele opgaven er færdig. Det gør det muligt at afbryde tidligt, hvis du kan se agenten er på vej i en forkert retning, i stedet for at vente på et helt svar, der alligevel skal rettes bagefter.

Trin 6: Start din første session med /init

Opret en ny, tom mappe og åbn den i VS Code. Skriv derefter /init i promptboksen i Agents-vinduet.

/init

# Eksempel på output:
# Analyserer projektstruktur...
# Ingen eksisterende konfiguration fundet.
# Opretter .github/copilot-instructions.md
# Opretter grundlæggende .gitignore
# Klar. Projektet er nu sat op til agent-assisteret udvikling.

/init scanner mappen, opretter en instruktionsfil som agenten læser i alle fremtidige sessioner, og sætter fornuftige standardindstillinger. Rediger gerne copilot-instructions.md bagefter, det er her du skriver regler som “brug altid TypeScript” eller “test-dæk al ny kode”, så agenten følger dem konsekvent frem for at du skal gentage det i hver prompt.

Kør du /init i et eksisterende projekt med mange filer, tager scanningen typisk lidt længere tid, fordi agenten forsøger at kortlægge projektets struktur, afhængigheder og eksisterende konventioner, før den skriver instruktionsfilen. Det er værd at vente på, for jo bedre agenten forstår kodebasen fra start, desto færre irrelevante forslag får du i de efterfølgende sessioner.

Trin 7: Håndtér flere sessioner med Sessions-sidebaren

Fra 3. august 2026 kan du køre flere agent-sessioner samtidig, praktisk hvis du eksempelvis vil have én agent til at rette en bug, mens en anden skriver tests. Klik pilen til venstre (<) i Agents-vinduet for at åbne Sessions-sidebaren.

• Tryk n for at åbne en ny session
• Tryk x for at lukke den aktive session
• Brug piletasterne til at skifte mellem åbne sessioner
• Klik pilen til højre (>) for at lukke sidebaren igen

Hver session har sin egen samtalehistorik og sit eget kontekstvindue. Det er en fordel, for en lang session med mange filændringer kan ellers bremse svartiderne markant, fordi modellen skal læse mere kontekst for hvert nyt spørgsmål. Start hellere en frisk session til en ny opgave end at genbruge en gammel, tung samtale.

I praksis bruger de fleste erfarne brugere to til tre sessioner ad gangen: én til den primære opgave, én til mindre rettelser eller research via /btw, og eventuelt en tredje til at holde styr på en langvarig baggrundsopgave, som f.eks. en større testdækning agenten arbejder på, mens du selv fokuserer på noget andet. Flere end det bliver hurtigt uoverskueligt at holde styr på, medmindre du har en helt konkret grund til det.

Trin 8: Brug /rewind og /btw til sikker eksperimentering

/rewind er formentlig den funktion, der sparer flest udviklere for hovedpine. Skriv /rewind i en session, og du kan gendanne både samtalen og de filer, agenten har ændret, uden at miste ændringer du selv har lavet bagefter.

Du: Lav om databasen til at bruge PostgreSQL i stedet for SQLite
Agent: Ændrer db/config.js, db/schema.sql, package.json...
Du: Det brød min migrationsscript. /rewind
Agent: Gendanner samtale og filer til før PostgreSQL-ændringen.
       Dine efterfølgende rettelser i tests/db.test.js er bevaret.

/btw løser et andet problem: du er midt i en agent-opgave, men har et sideordnet spørgsmål der ikke skal forstyrre hovedtråden. Skriv /btw efterfulgt af spørgsmålet, så åbnes en sidechat, der deler kontekst og prompt-cache med hovedsamtalen. Det betyder hurtigere svar, fordi modellen ikke skal genindlæse hele projektkonteksten fra bunden.

Tilsammen løser de to kommandoer et problem, mange oplevede med tidligere versioner af Copilot Agents: frygten for at eksperimentere. Uden en pålidelig fortryd-funktion holdt mange udviklere sig til små, forsigtige prompts, fordi en større ændring kunne betyde timers oprydning, hvis resultatet ikke var brugbart. Med /rewind som sikkerhedsnet bliver det billigere at bede agenten prøve en ambitiøs løsning først og se, om den holder.

Trin 9: Giv elementfeedback og gennemgå Markdown-diffs

To mindre, men nyttige funktioner kom med samme opdatering. Den integrerede browser i Agents-vinduet understøtter nu elementfeedback: åbn din kørende app i browserpanelet, klik på et konkret UI-element, skriv en kommentar, og send den direkte til agenten. Det er langt hurtigere end at beskrive et layoutproblem med ord alene.

Når en agent ændrer dokumentation eller en README-fil, kan du desuden åbne diffen i den nye hybride Markdown-editor i stedet for en rå tekst-diff. Det viser ændringerne renderet, med overstregninger og markeringer, så du hurtigt kan vurdere om formuleringen giver mening, uden at skulle læse Markdown-syntaks i hovedet.

Trin 10: Byg og test et komplet eksempelprojekt

Lad os samle alt ovenstående i et konkret projekt: et lille Node.js REST-API til en opgaveliste, bygget næsten udelukkende af Copilot Agent. Start med en tom mappe og kør /init, som beskrevet i trin 6. Skriv derefter denne prompt i Agents-vinduet.

Byg et Express-baseret REST-API med endpoints til at oprette,
liste, opdatere og slette opgaver. Brug in-memory-lagring,
tilføj inputvalidering, og skriv tests med Jest.

Agenten opretter typisk følgende struktur, du kan følge med i filoversigten i højre side af Agents-vinduet, mens den arbejder.

todo-api/
├── src/
│   ├── app.js
│   ├── routes/tasks.js
│   └── store.js
├── tests/
│   └── tasks.test.js
├── package.json
└── .github/copilot-instructions.md

Når agenten er færdig, kør testsuiten selv for at bekræfte at alt virker, agenten fortæller dig at tests er “grønne”, men du bør altid verificere selv.

cd todo-api
npm install
npm test

# Forventet output (eksempel):
# PASS  tests/tasks.test.js
#   ✓ opretter en opgave (14 ms)
#   ✓ afviser opgave uden titel (3 ms)
#   ✓ lister alle opgaver (2 ms)
#   ✓ opdaterer status på en opgave (4 ms)
#   ✓ sletter en opgave (2 ms)
# Tests: 5 passed, 5 total

Vil du eksperimentere videre, så prøv at bede agenten om at bytte lagringen til en rigtig database. Brug /rewind hvis resultatet ikke er, hvad du forventede, det er præcis den type opgave, kommandoen er lavet til.

Læg mærke til, hvor lidt du selv skrev i dette eksempel. Hele projektstrukturen, routing-logikken og testene blev genereret ud fra én enkelt prompt, mens du selv holdt øje med fremdriften i filoversigten og bekræftede resultatet med en almindelig npm test. Det er den grundlæggende arbejdsform, resten af denne guides funktioner, Sessions-sidebaren, /rewind og elementfeedback, er bygget til at understøtte i større og mere komplekse projekter, hvor du ikke kan overskue hele opgaven i ét kig.

Trin 11: Konfigurér GitHub Enterprise-godkendelse (avanceret)

Arbejder du i en organisation med GitHub Enterprise, skal Copilot pege på jeres egen godkendelsesudbyder frem for det almindelige github.com-login. Åbn settings.json igen og tilføj:

{
  "github.copilot.advanced": {
    "authProvider": "github-enterprise"
  }
}

Gem filen, genstart VS Code, og log ind igen, denne gang mod jeres Enterprise-instans. Alt fra Agents-vinduet til Sessions-sidebaren fungerer identisk bagefter, det eneste der ændrer sig er hvilken konto og hvilke repositories Copilot har adgang til.

Sikkerhed, GDPR og datahåndtering: hvad sker der med din kode?

Så snart en agent begynder at læse, ændre og køre kode automatisk, bliver spørgsmålet om databehandling relevant på en anden måde end ved almindelig kodefærdiggørelse. For danske og nordiske virksomheder, der er underlagt GDPR, er det ikke nok at vide, at “Copilot er sikkert”, du skal kunne dokumentere, hvor kildekoden faktisk sendes hen, og hvem der har adgang til den undervejs.

Data residency og lokale modeller

Bruger du standard-Copilot uden ekstra modeller tilføjet, behandles din kode i henhold til GitHubs egne vilkår og databehandleraftaler, som virksomheder typisk allerede har på plads gennem deres GitHub Enterprise-aftale. Tilføjer du en ekstern udbyder via Manage Language Models, som beskrevet i trin 4, gælder den udbyders egne vilkår i stedet, og de kan afvige markant fra hinanden. Anthropic, OpenAI og Azure har alle offentligt tilgængelige databehandleraftaler, men detaljerne om opbevaringsperiode, brug til modeltræning og geografisk placering af servere er forskellige fra udbyder til udbyder, så det er værd at læse vilkårene igennem, før du kobler en ny model til et projekt med følsomme data.

Den eneste opsætning, hvor kildekoden aldrig forlader din egen maskine, er når du vælger Ollama som lokal model-udbyder. Det er den sikreste løsning, hvis du arbejder med kode, der falder under særlige branchekrav, for eksempel inden for finans eller sundhed, hvor selv midlertidig overførsel til en ekstern server kan være problematisk. Ulempen er, at lokale modeller typisk er svagere end de største cloud-modeller, og kræver en kraftigere maskine at køre på.

Uanset hvilken model du vælger, bør du undgå at lade en agent få adgang til mapper med hemmeligheder som .env-filer eller private nøgler. Tilføj dem til .gitignore, og overvej at nævne dem eksplicit i copilot-instructions.md som filer, agenten aldrig må læse eller ændre, selvom de tilfældigvis ligger i projektmappen.

Det er også værd at have en fast rutine for adgangsstyring. Fjern API-nøgler til eksterne modeller, når en medarbejder forlader teamet, på samme måde som man ville lukke adgangen til andre interne systemer. Fordi nøglerne i Manage Language Models gemmes lokalt pr. installation, følger de ikke automatisk med, når en konto deaktiveres centralt i GitHub eller Azure, det er et manuelt trin, mange organisationer glemmer i deres offboarding-tjekliste.

Sådan ruller du opsætningen ud til et helt team

At sætte Copilot Agents op på egen maskine er én ting. At gøre det ensartet på tværs af et team med ti, tyve eller flere udviklere er en anden opgave, og her er det især copilot-instructions.md og settings, der afgør om opsætningen bliver en fordel eller en kilde til frustration.

Standardisér med .github/copilot-instructions.md

Fordi instruktionsfilen ligger i selve repoet og typisk committes til Git sammen med resten af koden, er den den nemmeste måde at sikre, at alle i teamet arbejder med samme regelsæt for agenten. Skriv konkrete, testbare regler: hvilket testframework der skal bruges, hvilke mapper agenten aldrig må røre, og hvilken kodestil projektet følger. Undgå vage formuleringer, de er svære for både mennesker og modeller at følge konsekvent.

Overvej at oprette en delt indstillingsprofil i VS Code med de vigtigste settings fra denne guide, chat.agentHost.enabled, foretrukne modeludbydere og eventuelle Enterprise-indstillinger, så nye teammedlemmer kan importere hele opsætningen med ét klik i stedet for at følge denne guide fra ende til anden hver gang en ny kollega starter. Det sparer typisk en halv til en hel arbejdsdag pr. ny medarbejder, sammenlignet med manuel opsætning trin for trin.

Endelig er det værd at aftale interne retningslinjer for, hvornår en agent må committe direkte, og hvornår ændringer altid skal gennem en pull request med menneskelig review. De fleste teams lander på, at agent-genererede ændringer altid går gennem samme reviewproces som manuelt skrevet kode, uanset hvor “færdig” agenten selv vurderer resultatet til at være. En simpel regel, mange teams har haft held med, er at kræve mindst én menneskelig godkendelse på enhver pull request, hvor størstedelen af koden er skrevet af en agent, uanset hvor lille ændringen ser ud til at være.

Copilot Agents vs. Cursor 3: Hvornår skal du vælge hvad?

Mange danske udviklerteams står med valget mellem at blive i VS Code med Copilot Agents, eller skifte helt til Cursor med dens egen Agents Window. Der er ikke ét rigtigt svar, men forskellen på arkitektur er værd at kende, før du beslutter dig.

Egenskab	GitHub Copilot Agents (VS Code)	Cursor 3
Editor	Bygget ind i almindelig VS Code	Selvstændig fork af VS Code
Nyeste version (august 2026)	VS Code 1.127+ med Agent Host	Cursor 3.16.17 (14. aug. 2026)
Flere modeller samtidig	Ja, via Manage Language Models	Ja, via Cursor Models og Other Models
Flere sessioner samtidig	Ja, Sessions-sidebar (n/x-genveje)	Ja, gennem Agents Window
Cloud-agenter	Delvis, via Copilot Coding Agent	Ja, inklusive /in-cloud subagents
Kræver GitHub-login	Nej, hvis Agent Host er aktiveret	Nej for lokal brug

Konklusionen for de fleste: bruger du allerede VS Code i dagligdagen og vil undgå at skifte editor, giver Copilot Agents nu stort set den samme funktionalitet som Cursor. Vil du derimod have de nyeste eksperimentelle funktioner først, og er villig til at skifte editor helt, ligger Cursor typisk et par uger foran med features som skyagenter og automatiserede GitHub-triggere.

Der er også en praktisk faktor mange overser: udskiftningsomkostningen. Har dit team allerede investeret i VS Code-udvidelser, delte indstillingsprofiler og interne scripts bygget op omkring VS Code’s API, er det en reel omkostning at flytte det hele til en anden editor, uanset hvor gode Cursors agent-funktioner er. Omvendt, hvis teamet er nystartet eller allerede overvejede et editorskifte af andre grunde, vejer den beslutning tungere end selve agent-funktionaliteten alene. Begge værktøjer opdateres hyppigt i øjeblikket, så det er værd at genbesøge sammenligningen om nogle måneder, i stedet for at betragte valget som endeligt.

Kommandoer og genveje: din hurtige referencetabel

Kommando/Indstilling	Hvad den gør	Introduceret
chat.agentHost.enabled	Åbner Agents-vinduet uden GitHub-login	5. august 2026
/init	Sætter projektet op til agent-assisteret udvikling	Tidligere, stadig aktiv i 2026
/rewind	Gendanner samtale og filer, bevarer senere rettelser	Uge 3.-7. august 2026
/btw	Åbner sidechat med delt kontekst og prompt-cache	Uge 3.-7. august 2026
Sessions-sidebar (n/x)	Styrer flere samtidige agent-sessioner	Uge 3.-7. august 2026
Manage Language Models	Tilføjer eksterne modeludbydere til Agents-vinduet	5. august 2026

5 faldgruber du skal undgå

Selv en veldokumenteret opsætning går galt på nogenlunde de samme punkter hos de fleste. De fleste af faldgruberne her handler ikke om at forstå funktionerne forkert, men om vaner fra den gamle, enklere Copilot-chat, der ikke længere holder, når en agent selv skal navigere flere filer og træffe beslutninger undervejs. Her er de fem, vi ser oftest.

• At glemme at opdatere VS Code først. Uden version 1.127 eller nyere findes indstillingen chat.agentHost.enabled ikke, og du vil bruge lang tid på at fejlsøge noget, der reelt bare mangler en opdatering.
• At køre for mange samtidige sessioner på en svag maskine. Hver session holder sin egen kontekst i hukommelsen. Tre-fire aktive sessioner på en bærbar med 8 GB RAM giver mærkbart lavere svartider.
• At sende API-nøgler til forkerte udbydere. Manage Language Models gemmer nøgler pr. udbyder. Tilføjer du en nøgle under forkert udbyder, fejler kaldene stille uden en tydelig fejlmeddelelse i første omgang.
• At stole blindt på agentens “tests bestået”-besked. Kør altid testsuiten selv, som vist i trin 10. Agenten kan fejlfortolke testoutput, især ved asynkron kode.
• At skrive copilot-instructions.md én gang og aldrig røre den igen. Projektregler ændrer sig. En forældet instruktionsfil får agenten til at følge konventioner, teamet forlod for måneder siden.

Fejlfinding: 8 almindelige problemer og løsninger

De fleste problemer med Copilot Agents kan spores tilbage til én af tre årsager: en forældet VS Code-version, en forkert konfigureret indstilling i settings.json, eller en session der er blevet for tung og langsom. Tjek tabellen herunder, før du bruger tid på at fejlsøge dybere, langt de fleste tilfælde løses på under et minut.

Problem	Symptom	Løsning
Agents-vindue mangler helt	Ingen Agents-ikon i sidepanelet	Opdater VS Code til 1.127+, genstart editoren
Kan ikke åbne uden login	Vinduet kræver stadig GitHub-login	Bekræft at chat.agentHost.enabled er sat til true i settings.json
Agenten hænger uden svar	Promptboksen viser “tænker” i flere minutter	Skift harness i dropdown-menuen, eller start en ny session
Ekstern model dukker ikke op	Model mangler i modelvælgeren	Kør Manage Language Models igen, tjek at nøglen er gemt under korrekt udbyder
/rewind gendanner for meget	Egne rettelser forsvinder også	Gem eget arbejde med commit, før du beder agenten om store ændringer
Sessions-sidebar reagerer ikke på n/x	Genveje virker ikke	Klik først inde i selve sidebaren, så den har fokus, prøv igen
Enterprise-login fejler	“Authentication failed” efter genstart	Tjek at authProvider-værdien er stavet præcis github-enterprise
Høj latenstid på alle svar	Selv korte prompts tager 10+ sekunder	Luk gamle, tunge sessioner, start en frisk session til nye opgaver

Avancerede tips til erfarne brugere

Når grundopsætningen sidder fast, er der en håndfuld ting, der løfter arbejdstempoet yderligere. For det første: brug forskellige modeller til forskellige opgavetyper. En hurtig, billig model til simple refaktoreringer, og en tungere model forbeholdt komplekse arkitekturændringer, sparer både tid og omkostninger over en arbejdsuge.

For det andet: skriv konkrete, målbare krav i copilot-instructions.md i stedet for vage ønsker. “Skriv tests” giver et andet resultat end “hver ny funktion skal have mindst én testcase, der dækker fejlscenariet”. Jo mere specifik instruktionsfilen er, desto mindre tid bruger du på at rette agentens output bagefter.

For det tredje: brug /btw aktivt til research-spørgsmål midt i en session, i stedet for at åbne en helt ny fane i browseren. Fordi sidechatten deler prompt-cache med hovedsamtalen, får du svar hurtigere, og du undgår at miste kontekst, når du vender tilbage til hovedopgaven.

For det fjerde: brug elementfeedback fra trin 9 systematisk, når du arbejder med frontend-kode. I stedet for at skrive lange beskrivelser af, hvordan en knap skal flyttes eller en farve skal ændres, klikker du direkte på elementet i den integrerede browser og skriver en kort kommentar. Det reducerer antallet af frem-og-tilbage-runder med agenten markant, fordi den får præcis den visuelle kontekst, den ellers ville skulle gætte sig til ud fra en tekstbeskrivelse alene.

Ofte stillede spørgsmål

Koster GitHub Copilot Agents ekstra oveni det almindelige abonnement?
Nej, Agents-vinduet er en del af den samme Copilot-licens, du allerede betaler for, hvad enten det er gratis-tier, Pro eller en virksomhedsaftale. Bruger du eksterne modeller via Manage Language Models, betaler du dog separat for de API-kald til den pågældende udbyder.

Kan jeg bruge Copilot Agents helt uden internetforbindelse?
Nej, både standard-Copilot og de fleste eksterne modeller kræver en aktiv forbindelse. Undtagelsen er, hvis du sætter Ollama op som lokal model-udbyder i trin 4, så kører selve inferencen på din egen maskine.

Er mine sessioner synkroniseret på tværs af maskiner?
Sessions-sidebaren gemmer historik lokalt pr. installation. Skifter du maskine, starter du med en tom sessionsliste, medmindre du har delt din arbejdsmappe via en synkroniseret indstillingsprofil i VS Code.

Hvad sker der med mine filer, hvis jeg lukker VS Code midt i en agent-opgave?
Alle ændringer, agenten allerede har skrevet til disk, ligger der som normalt. Kun selve samtalekonteksten i den aktive session kan gå tabt, hvis du ikke har gemt eller committet dine filer.

Kan flere teammedlemmer dele samme Agents-instruktioner?
Ja. Fordi copilot-instructions.md ligger i selve projektmappen og typisk committes til Git, får alle i teamet samme regelsæt, så snart de trækker den nyeste version af repoet.

Erstatter Agents-vinduet den almindelige Copilot Chat helt?
Nej. Den almindelige chat er stadig god til korte spørgsmål og enkeltstående kodeforslag. Agents-vinduet er lavet til opgaver, hvor agenten selv skal navigere flere filer, køre kommandoer og arbejde over flere trin uden konstant indblanding.

Fungerer opsætningen med GitHub Copilot Free-tier?
De grundlæggende Agents-funktioner virker med gratis-tieren, men med lavere kvoter for antal forespørgsler pr. måned end Pro-abonnementet. Rammer du kvoten, falder Agents-vinduet automatisk tilbage til begrænset funktionalitet, indtil kvoten nulstilles.

Skal jeg vælge Copilot Agents eller Cursor, hvis jeg starter helt fra bunden?
Har du ikke allerede en editor-vane at bryde, er begge fornuftige valg. Bliv i VS Code med Copilot Agents, hvis du forventer at arbejde tæt med resten af GitHub-økosystemet, issues, pull requests og Actions. Vælg Cursor, hvis skyagenter og automatiserede triggere fra dag ét er vigtigere for dig end den tætte GitHub-integration.

Er min kode sikker, når en agent kører terminal-kommandoer automatisk?
Agenten kører kun kommandoer inden for det kørselsmiljø, du selv har givet den adgang til, typisk din lokale projektmappe. Den kan ikke selv installere sig adgang til andre dele af systemet. Vær alligevel opmærksom på destruktive kommandoer, som sletning af filer eller force-push til Git, og overvej at gennemgå agentens forslag til kommandoer, før du godkender dem, særligt i de første uger hvor du stadig lærer, hvordan den opfører sig.

Relateret dækning

• GitHub Copilot Opsætning: $0-$100/Md, 12 Trin [2026]
• GitHub Copilot Regninger Eksploderer: $29 til $750 [2026]
• Cursor AI: Opsætning i 20 Trin med Composer og MCP [2026]
• Meta Lancerer Muse Code Mod Copilots 20 Mio. Brugere [2026]
• Claude Code: Auto Mode Bliver Standard, 89% mod 14% [2026]

Se flere artikler om udviklerværktøjer og AI-kodning i vores software-sektion.

Kilder: VS Code-dokumentation om Copilot-opsætning, VS Code-dokumentation om Agents, GitHub Copilot Quickstart, GitHub Changelog, uge 3.-7. august 2026 og Cursor Changelog.