O GitHub detalhou a migração do runtime do Copilot para Rust em um projeto de grande escala que usou o próprio Copilot como apoio. Segundo o GitHub Blog, a base reescrita ultrapassou 800 mil linhas de código de produção, passou por 128 pull requests e teve a maior parte do código escrita por agentes de IA.
O runtime é uma camada importante porque sustenta experiências como Copilot CLI, app e SDK. Antes, a implementação era em TypeScript sobre Node e V8. A mudança para Rust buscou preservar comportamento, melhorar desempenho e criar uma base mais adequada para produtos que dependem de processos longos, sessões e eventos em tempo real.
Migração sem trocar o produto
Um detalhe relevante é que o GitHub descreve o trabalho como uma porta comportamental. O objetivo não era reinventar o runtime do Copilot, mas reproduzir a lógica existente em Rust, com ganhos de performance e escalabilidade. Esse tipo de migração é difícil porque qualquer diferença pequena pode quebrar fluxos já usados por desenvolvedores.
A empresa mediu pontos como inicialização de cliente, criação de processos, sessões, persistência e eventos. O GitHub publicou números mostrando reduções relevantes em tempos de execução em diferentes cenários. Em um dos comparativos, mil ciclos de vida caíram de mais de 132 segundos para pouco mais de 22 segundos em Rust.
Esses números não medem a inferência do modelo em si. Eles mostram a eficiência da camada que organiza execução, estado e comunicação. Para produtos baseados em agentes, isso pesa porque latência e estabilidade do runtime afetam a experiência mesmo quando o modelo é o mesmo.
O papel dos agentes
A parte mais incomum do projeto foi o uso de agentes para produzir grande parte da migração. O GitHub observou que os agentes passaram muito tempo lendo, pesquisando e verificando o código, não apenas editando arquivos. Isso combina com a natureza do trabalho: entender comportamento existente costuma ser mais importante que gerar linhas novas.
Rust também contribuiu com feedback forte do compilador. O GitHub citou milhares de ocorrências de códigos de erro do rustc durante a migração e uma taxa alta de verificações limpas com cargo check em etapas do processo. Em migrações desse tipo, erros de tipo, empréstimo e tempo de vida viram uma forma de revisão mecânica contínua.
O caso não significa que agentes podem migrar qualquer sistema com baixo risco. Ele mostra que a combinação de escopo definido, linguagem com checagens fortes, testes e revisão humana pode tornar agentes úteis em trabalho repetitivo e estruturado.
O que times podem aprender
A migração do runtime do Copilot reforça três práticas. Primeiro, definir claramente se a meta é preservar comportamento ou mudar arquitetura. Segundo, medir desempenho em pontos ligados ao usuário, como inicialização e tempo de resposta. Terceiro, tratar agentes como participantes de um processo auditável, com PRs, verificações e revisão.
Para equipes que avaliam IA em engenharia, o caso é mais útil como referência de processo do que como promessa universal. A automação funcionou dentro de um projeto bem delimitado, com linguagem rígida e métricas claras. Sem esses elementos, uma migração assistida por agente pode apenas acelerar a criação de dívida técnica.
