O que trafega entre o GitHub Copilot e a nuvem, segundo uma análise com proxy MitM

O engenheiro Rafael Pierre publicou na newsletter Lighthouse uma análise do tráfego de rede do GitHub Copilot, obtida ao colocar o VS Code atrás de um proxy man-in-the-middle (MitM). O experimento combina interceptação de rede com leitura do código-fonte aberto do VS Code para reconstruir o que a ferramenta faz antes, durante e depois de cada interação.

Como o experimento foi montado

A técnica é a clássica de inspeção de tráfego: subir um proxy que intercepta as requisições HTTP, encaminha ao servidor e devolve as respostas. Como quase tudo hoje trafega via HTTPS (com TLS), o autor usou o mitmproxy e confiou na autoridade certificadora (CA) gerada localmente pela ferramenta. Assim, em vez de uma conexão criptografada ponta a ponta, existem duas (app-proxy e proxy-servidor), e o mitmproxy consegue decifrar, inspecionar e reencaminhar cada requisição.

Para rotear o VS Code pelo proxy, o autor ajustou três configurações: Http Proxy para http://localhost:8080, Http Proxy Strict SSL desmarcado e Http: Proxy Support em override. Ele nota que o mesmo raciocínio vale para outros apps Electron (Cursor, Notion, Slack, ChatGPT e Claude Desktop compartilham essa arquitetura), embora só o VS Code tenha código-fonte majoritariamente aberto para confirmar as descobertas.

O que o Copilot faz antes de você digitar

Segundo a análise, boa parte do tráfego inicial do VS Code é para GitHub ou GitHub Copilot, mesmo antes de qualquer tecla. As requisições de bootstrap se dividem em categorias como autenticação e sessão, configuração e política, registro de MCP, contexto de repositório e descoberta de modelos.

A autenticação segue um fluxo OAuth comum: busca um token, troca por um token de vida curta e valida as permissões da conta. Depois vem a descoberta de modelos, com duas chamadas: uma a /models, que lista os modelos gerais disponíveis, e outra a /agents/swe/models, específica para capacidades agênticas de engenharia de software.

Com o modo Auto ativado, o autor também capturou chamadas a um endpoint /models/session/intent antes de qualquer resposta. O prompt é pontuado contra intenções como code-gen, debugging, reasoning e tool-use, e essa classificação define qual modelo atende a tarefa. O comportamento, ressalta o texto, está documentado pela própria Microsoft.

Completions disparadas fora do arquivo de secrets

Um dos pontos de atenção: o autor colocou um secret falso num arquivo .env e editá-lo não disparou requisições. Mas, ao abrir um pyproject.toml sem relação e começar a digitar, saiu uma requisição de completion cujo campo context incluía o conteúdo de arquivos recém-editados, entre eles a variável do .env.

A nota prática do autor: desligar completions inline no .env não muda nada, porque a requisição não é disparada por ele, e sim pela edição de outro arquivo que carrega arquivos recentes como contexto.

Um banco local com todo o histórico em texto puro

O achado mais chamativo é a ferramenta Chronicle, ligada a um endpoint session_store_sql visto nos prompts de sistema. Ela permite ao modelo rodar consultas SQL (somente leitura, sintaxe SQLite com FTS5) contra um banco local chamado session-store.db.

Esse banco guarda resumos de sessão, repositórios e branches em que você trabalhou, além de todos os prompts e respostas do modelo. Ao perguntar no chat "What did I work on this week?", o autor observou o modelo tentar uma query, falhar por não conhecer o schema, introspectá-lo via sqlite_schema e então recuperar os registros.

Inspecionando o arquivo em ~/Library/Application Support/Code/User/globalStorage/github.copilot-chat/session-store.db, ele confirmou que user_message e assistant_response são armazenados em texto puro. Para testar, enviou ao chat um token do GitHub falso, uma chave AWS falsa e uma connection string com senha, tudo gravado exatamente como digitado. A leitura do código (sessionStore.ts) confirmou: não há mascaramento por coluna nem scrub no caminho de escrita.

Por que isso importa para quem desenvolve no Brasil

O autor evita o alarmismo e resume a conclusão: ferramentas de coding com IA estão virando sistemas com estado, combinando workspace, edições recentes, conversas, ferramentas, histórico e roteamento de modelos. Cada nova fonte de contexto aumenta a utilidade, mas também a quantidade de estado do desenvolvedor a que o sistema tem acesso, com implicações de confidencialidade e privacidade.

Para times brasileiros sujeitos à LGPD ou a políticas internas de dados, dois pontos merecem checagem: o banco local em texto puro pode conter credenciais e trechos sensíveis coladas no chat, e o contexto de completion pode arrastar dados de arquivos que você achava que estavam isolados. Vale revisar o que se cola no chat e como esse session-store.db é tratado em máquinas corporativas.

Fonte: Hacker News