Agent Finder: วิธีเลือกทรัพยากร AI อย่างฉลาดสำหรับทีม SME

ปัญหา: Context เต็มไปด้วยตัวเลือก

เวลา Agent มีทรัพยากรให้เลือกเยอะ ปัญหาหนึ่งคือการใส่ MCP Server, Skill, Canvas, Agent และ Tool ทุกอย่างไว้ใน Context พร้อมกันครับ

เมื่อโหลดอะไรทั้งหมดพร้อม Context เหล่านั้นมันจะยุ่ง ให้ประสิทธิภาพลดลง และยากต่อการควบคุม

GitHub's Agent Finder: ปล่อยให้คนเลือก

GitHub เปิด Agent Finder เมื่อ 17 มิ.ย. 2026 ให้ Copilot ค้นหาทรัพยากร AI จาก Registry ที่ผู้ใช้เลือก แล้วคืนตัวเลือกที่จัดอันดับตามความเหมาะสมกับงาน

จุดสำคัญคือ Agent Finder ไม่ติดตั้งหรือเชื่อมสิ่งที่พบแบบเงียบ ๆ

คนยังเป็นผู้ตัดสินใจว่าจะติดตั้งหรือเชื่อมอะไรเข้าระบบ

นี่แหละคือความแตกต่างที่สำคัญ 🎯

Workflow สำหรับทีม SME

ถ้าเอาแนวคิดนี้มาปรับใช้กับทีม SME นี่คือ Workflow ที่ผมเสนอเองครับ

1. ทำ Registry รายการเครื่องมือที่อนุมัติแล้ว

จัดเก็บเครื่องมือที่องค์กรตรวจสอบและอนุมัติแล้ว ไม่ใช่อะไรก็ได้

2. ให้ทีมอธิบายงานเป็นภาษาปกติ

ไม่ต้องเขียนเทคนิค แค่บอกว่าต้องการทำอะไรครับ

3. ดูตัวเลือกที่ระบบจัดอันดับ

พร้อมตรวจแหล่งที่มา เวอร์ชัน และความเหมาะสม

4. ให้คนอนุมัติก่อนติดตั้ง

ไม่มี "Auto-install" อย่างไร

5. ทดสอบใน Sandbox ก่อน

ถ้าระบบรองรับ ให้ใช้สิทธิ์แบบ Read-only ในสภาพแบบแยกตัวออกมาก่อน

ความปลอดภัย: เรื่องที่ไม่ควรลืม

อย่าใส่ข้อมูลลูกค้าที่ไม่จำเป็นลงในเครื่องมือ

อย่าวาง API Key ไว้ใน Prompt หรือไฟล์ที่คนทั่วไปเข้าถึงได้

ใช้ Credential Store ที่องค์กรอนุมัติแล้ว 🔒

ให้สิทธิ์เท่าที่จำเป็นเท่านั้น

ให้คนตรวจอีกครั้งก่อนเชื่อมข้อมูลจริงครับ

---

แหล่งข้อมูล: https://github.blog/changelog/2026-06-17-agent-finder-for-github-copilot-now-available/

ลุยกันครับ! 💪