GitHub Copilot agent mode, cloud agent en Copilot CLI: wat is het verschil?

GitHub Copilot agent mode laat Copilot zelfstandig stappen uitvoeren in je lokale ontwikkelomgeving, terwijl Copilot cloud agent werk naar een aparte GitHub-omgeving delegeert en Copilot CLI agentisch vanuit je terminal werkt. Gewone Copilot Chat gebruik je vooral om vragen te stellen, code te begrijpen en oplossingen te verkennen zonder meteen een complete taak uit handen te geven.

Het verschil zit vooral in waar Copilot werkt en hoeveel uitvoering je delegeert. Bij gewone Chat blijf je zelf aan het stuur. Met agent mode mag Copilot lokaal meerdere stappen achter elkaar uitvoeren. Met cloud agent geef je een afgebakende taak uit handen en beoordeel je later het resultaat. Copilot CLI brengt die agentische manier van werken juist naar de terminal.

Belangrijk voor de terminologie: wat GitHub eerder Copilot coding agent noemde, heet sinds april 2026 Copilot cloud agent. Het gaat dus niet om twee verschillende agenten, maar om een gewijzigde naam.

De actuele GH-300-studiegids maakt dit onderscheid extra relevant. Daarin komen onder andere Copilot CLI, Agent Mode, Agent Sessions en Sub-Agents terug als onderwerpen die kandidaten moeten begrijpen.

Wil je deze onderdelen niet alleen herkennen maar ook gestructureerd leren toepassen, dan sluit de GitHub Copilot (GH-300) training daarop aan. Voor de exacte examendekking blijft de actuele Microsoft-studiegids altijd de bron van waarheid.

Gewone Copilot Chat gebruik je wanneer je vooral wilt begrijpen, onderzoeken of overleggen en nog niet wilt dat Copilot zelfstandig door je project gaat wijzigen. Je vraagt bijvoorbeeld om uitleg, laat bestaande code analyseren of verkent verschillende oplossingen voordat je iets aanpast.

Denk aan vragen als: waarom faalt deze functie, wat doet deze library, welke architectuur past bij dit probleem of hoe kan ik deze methode eenvoudiger schrijven? Copilot kan daarbij code voorstellen, maar jij bepaalt vervolgens zelf wat je ermee doet.

Dat maakt Chat vooral geschikt wanneer het probleem nog niet scherp genoeg is om meteen te automatiseren. Eerst begrijpen wat er aan de hand is, is vaak verstandiger dan een agent direct toestemming geven om bestanden te wijzigen of commando’s uit te voeren.

Ben je nog breder aan het bepalen welke AI-tool bij programmeren en leren past? Dan sluit ook Welke AI-tool is beter voor IT-studenten? daarop aan.

GitHub Copilot agent mode kies je wanneer de gewenste uitkomst duidelijk is, maar de uitvoering uit meerdere stappen bestaat. Copilot kan dan zelf bepalen welke bestanden nodig zijn, wijzigingen uitvoeren, terminalcommando’s gebruiken en na fouten opnieuw proberen.

Het grote verschil met gewone Chat is dus niet simpelweg dat je een uitgebreider antwoord krijgt. In agent mode gaat Copilot daadwerkelijk handelingen uitvoeren binnen je ontwikkelomgeving.

Je kunt bijvoorbeeld vragen om een fout op te lossen, de relevante bestanden te onderzoeken, code aan te passen en vervolgens tests uit te voeren. Als die tests mislukken, kan de agent de fout opnieuw analyseren en een volgende aanpassing proberen.

Agent mode past daarom vooral wanneer je tijdens het proces betrokken wilt blijven. Je werkt nog steeds lokaal, ziet wat er gebeurt en kunt ingrijpen wanneer Copilot een verkeerde richting kiest.

Heb je nog weinig ervaring met repositories, branches en pull requests, dan is eerst een stevigere GitHub-basis nuttiger. De GitHub Foundations (GH-900) training is dan logischer dan direct zoveel mogelijk autonomie aan een coding agent geven.

Copilot cloud agent gebruik je wanneer je een duidelijk afgebakende ontwikkeltaak wilt delegeren in plaats van tijdens iedere stap mee te kijken. De agent werkt daarvoor in een eigen ontwikkelomgeving, kan de repository onderzoeken, code aanpassen en controles zoals tests of linters uitvoeren.

Dat past bijvoorbeeld bij een beperkte bugfix, het uitbreiden van tests, documentatie bijwerken of een duidelijk omschreven refactoring.

Het verschil met agent mode zit vooral in de samenwerking. Bij agent mode werk je lokaal en relatief direct met Copilot samen. Bij cloud agent geef je een werkpakket aan een aparte agentsessie en beoordeel je daarna wat de agent heeft opgeleverd.

Dat maakt cloud agent interessant wanneer je niet voortdurend naast de agent hoeft te blijven zitten. Je kunt een geschikte taak delegeren en ondertussen met ander werk doorgaan.

Daar staat tegenover dat de kwaliteit van je opdracht belangrijker wordt. Een taak als “los deze specifieke fout op en voeg tests toe die het probleem afdekken” geeft duidelijke grenzen. Een opdracht als “maak onze applicatie beter” laat veel meer ruimte voor verkeerde aannames.

Copilot CLI is geschikt wanneer de terminal al centraal staat in je workflow en je agentische ondersteuning wilt zonder daarvoor eerst naar een IDE-interface te gaan. GitHub maakte Copilot CLI op 25 februari 2026 algemeen beschikbaar als terminal-native coding agent.

Je kunt vanuit een projectmap een sessie starten en Copilot vragen code te onderzoeken, problemen te debuggen, bestanden te wijzigen of andere ontwikkelingstaken uit te voeren. Daarnaast kan de CLI ook buiten een volledig interactieve sessie worden gebruikt, waardoor hij interessant wordt voor scripts en geautomatiseerde workflows.

Dat maakt Copilot CLI vooral relevant voor developers, DevOps-professionals en beheerders die veel vanuit shells en command-linehulpmiddelen werken.

De terminal maakt de agent niet automatisch krachtiger dan agent mode in een IDE. Het verschil is vooral de werkomgeving. Als je werk toch al grotendeels via de terminal loopt, voorkomt Copilot CLI dat je voor agentische taken steeds naar een andere interface moet schakelen.

Die vrijheid vraagt wel om controle. Een agent die vanuit je terminal werkt, kan afhankelijk van je instellingen bestanden benaderen, wijzigingen voorstellen en commando’s uitvoeren. Controleer daarom welke directory je vertrouwt en voor welke acties je toestemming geeft.

Een Agent Session is een afzonderlijke werksessie waarin een agent aan een taak werkt, terwijl een Sub-Agent binnen zo’n workflow een deelprobleem in een eigen context kan onderzoeken. Het resultaat van die deeltaken kan daarna worden teruggegeven aan de hoofdagent.

Dat wordt vooral nuttig wanneer een taak groter wordt. Eén agent hoeft dan niet alle architectuurinformatie, testresultaten, documentatie en implementatiedetails tegelijk in dezelfde context te verwerken.

Een hoofdagent kan bijvoorbeeld een aparte sub-agent gebruiken om relevante bestanden te onderzoeken, terwijl een andere deeltaken rond tests of documentatie uitvoert. De hoofdagent gebruikt de resultaten vervolgens om verder te werken.

GitHub ondersteunt daarnaast meerdere agentsessies. Daarmee kun je verschillende gedelegeerde taken naast elkaar laten lopen en volgen wat er per sessie gebeurt.

Juist daarom zijn Agent Sessions en Sub-Agents relevant binnen de huidige GH-300-doelen. Goed werken met Copilot gaat niet meer alleen over goede prompts schrijven, maar ook over bepalen welke taak je aan welke agent geeft en hoeveel autonomie daarbij verstandig is.

Menselijke controle blijft nodig bij iedere vorm van agentisch programmeren. Meer autonomie betekent dat Copilot meer stappen zelf uitvoert, maar niet dat de gegenereerde code automatisch correct, veilig of passend bij jouw applicatie is.

Controleer daarom minimaal welke bestanden zijn gewijzigd, wat de daadwerkelijke diff bevat en welke tests zijn uitgevoerd. Kijk extra kritisch naar wijzigingen in dependencies, configuratie, authenticatie, beveiliging en CI/CD.

Controleer ook of de agent het echte probleem heeft opgelost. Een test die weer groen wordt, bewijst niet automatisch dat de gekozen oplossing technisch of functioneel de juiste is.

Bij cloud agent verschuift die controle vooral naar een later moment. Je hoeft niet iedere tussenstap te volgen, maar beoordeelt het geleverde werk voordat je het accepteert.

Meer autonomie verandert dus vooral wanneer je controleert. Bij Chat beoordeel je ieder voorstel vrijwel direct. Bij agent mode kun je tijdens het werk bijsturen. Bij cloud agent vindt een groter deel van de controle achteraf plaats.

De juiste Copilot-werkwijze hangt vooral af van hoeveel uitvoering je wilt delegeren en waar je zelf werkt. Gebruik Chat als je eerst iets wilt begrijpen, agent mode als Copilot lokaal meerdere stappen mag uitvoeren, cloud agent als je een afgebakend werkpakket wilt delegeren en Copilot CLI wanneer de terminal jouw natuurlijke werkomgeving is.

Je hoeft daarvoor niet automatisch een training te volgen. Als je dagelijks met GitHub en Copilot werkt en deze functies al bewust inzet, kun je veel rechtstreeks uit de officiële documentatie en praktijk leren.

Ken je GitHub Copilot vooral nog als autocomplete en chat, dan is de stap naar agents groter. Je moet dan niet alleen leren hoe je een goede opdracht geeft, maar ook wanneer je lokale uitvoering, delegatie of een terminalworkflow kiest en hoe je het resultaat controleert.

Startel heeft ruim 25 jaar ervaring met IT-opleidingen. Wil je deze onderwerpen gestructureerd leren toepassen of bereid je je voor op GH-300, dan kun je de GitHub Copilot (GH-300) training bekijken. Gebruik voor de precieze exameneisen altijd de actuele GH-300-studiegids naast het cursusmateriaal.