L'AI ormai è parte integrante del nostro lavoro quotidiano, e GitHub, o i nostri processi automatici, non fanno eccezione e, pertanto, ne parleremo sempre di più nelle prossime settimane.

GitHub ha sviluppato e rilasciato una piattaforma, chiamata GitHub Models, che consente a chiunque abbia un account GitHub di accedere gratuitamente a un set di modelli di AI e utilizzarli per sviluppare applicazioni, senza dover creare risorse su Azure o scaricare modelli da Hugging Face. Ha un playground che si può sfruttare per testare i modelli prima di andare in produzione e tutta una serie di API che consentono di integrare i modelli nei propri processi tramite degli extension framework (come fanno GitHub Copilot Chat o GitHub CLI).

Per questo primo articolo in merito, osserviamo come sia possibile integrare la chiamata API e avere una risposta dal modello scelto in un workflow di GitHub:

name: Use GitHub Models

on:
  workflow_dispatch:

permissions:
  models: read

jobs:
  ai:
    runs-on: ubuntu-latest
    steps:
    - name: Call AI model
      env:
        GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
      run: |
        curl "https://models.github.ai/inference/chat/completions"             -H "Content-Type: application/json"             -H "Authorization: Bearer $GITHUB_TOKEN"             -d '{
            "messages": [
                {
                    "role": "user",
                    "content": "Congratulati con l'\''utente per aver eseguito il primo prompt via GitHub Actions."
                }
              ],
              "model": "openai/gpt-5"
          }'

In questo caso si può notare come nel workflow abbiamo uno step che non fa altro che chiamare un endpoint (relativo a GitHub Models) via CURL, passandogli ruolo e messaggio. Questo verrà poi analizzato dal tipo di modello che gli diamo in input (in questo caso gpt-5) e verrà quindi stampato nei log.

Prossimamente vedremo diverse tipologie di utilizzo di questo modello per interagire con altre parti di GitHub e rendere più "umani" certi processi.