Перейти к содержимому

OpenAI Codex

Codex работает агентом OpenAI для задач с кодом, файлами и инструментами. Харнес (agent harness) связывает модель с рабочей средой: читает проект, выполняет изменения, запускает проверки и управляет разрешениями. Общая механика разобрана на странице «Харнес».

Для выбора важны две независимые вещи: где выполняются команды и какая модель принимает решения. Сессия на ноутбуке и облачная задача могут получить одинаковый промпт, но разные файлы, инструменты и доступы.

  • CLI (command-line interface). Работа в терминале из каталога проекта. Исходный код CLI открыт: репозиторий OpenAI, лицензия Apache-2.0.
  • Расширение IDE (integrated development environment). Агент рядом с редактором и изменениями в коде.
  • Приложение ChatGPT на компьютере. Интерфейс Codex для работы с проектами; набор доступных возможностей зависит от версии приложения и настроек организации.
  • Облачные задачи. Выполняются в подготовленном удалённом окружении. Незакоммиченные файлы и локальные сервисы не следует считать автоматически доступными в облаке.

Выбирайте поверхность под работу, затем проверяйте её фактические права. Общий аккаунт не означает одинаковое окружение во всех сессиях.

Для памяти проекта используется AGENTS.md: команды сборки, соглашения и ограничения. Глобальные инструкции и вложенные файлы дополняют правила репозитория. Генерацию через /init рассматривайте как заготовку для ревью.

Codex поддерживает скилы в формате SKILL.md. Проектные процедуры можно хранить в .agents/skills/, личные в ~/.agents/skills/. Скил вызывается явно через $имя или выбирается по описанию; подробности и дополнительные пути приведены в Build skills. Плагины позволяют распространять процедуры вместе с подключениями.

Есть и встроенные субагенты с отдельным контекстом. Им можно поручить исследование или независимые проверки. В актуальном локальном Codex делегирование запускается по прямой просьбе либо применимой инструкции проекта или скила. Отдельные роли и настройки описаны в документации субагентов.

Внешние системы подключаются через MCP. Для повторяемых задач без интерактивного диалога есть codex exec. Подготовка таких запусков разобрана в главе «Фоновые агенты».

Чем отличаются песочница и подтверждения

Заголовок раздела «Чем отличаются песочница и подтверждения»

Песочница (sandbox) ограничивает технически доступные действия команд: чтение и запись файлов, выход в сеть. Политика подтверждений (approval policy) определяет, когда нужно решение человека. Это разные настройки; разрешение в промпте не создаёт сетевой доступ и не меняет права файловой системы.

В CLI настройки можно проверить через /permissions и ~/.codex/config.toml. Режим workspace-write ограничивает запись рабочей областью, но сам по себе не означает, что чтение всего остального запрещено. Проверяйте эффективную конфигурацию, включая ограничения организации. Принципы и различия сред описаны в Agent approvals & security.

MCP-сервер или браузер с авторизованным аккаунтом может действовать вне песочницы команд. Для них проверяйте собственные полномочия: локальный запрет записи не запрещает изменение задачи в трекере.

На 23 октября 2026 года официальная документация рекомендует GPT-6.1 Sol для сложной агентной работы при наличии доступа. GPT-6 Astra предназначена для более требовательных задач, GPT-6 Luna для узких и массовых. В CLI используется /model; уровень усилий (reasoning effort) выбирается отдельно. Доступность зависит от аккаунта, клиента и организации. Источник: модели Codex.

Основной сценарий рассчитан на модели OpenAI. Для локальных открытых моделей и настраиваемых провайдеров существуют отдельные настройки CLI; совместимость инструментов и возможностей надо проверять для конкретного подключения. Если нужен регулярный выбор между несколькими поставщиками, сравните также OpenCode и pi.

Вход через ChatGPT и использование API-ключа имеют разные способы учёта расходов. Подписка не означает безлимитную работу; облачные задачи и несколько агентов могут быстрее расходовать доступный объём. Перед пилотом проверьте лимиты своего аккаунта, а пользу измеряйте по принятым результатам.

Установите CLI:

npm install -g @openai/codex

Из каталога проекта запустите:

codex

Пройдите авторизацию, проверьте разрешения и начните с исследования проекта. Затем поручите небольшое изменение с критерием приёмки: например, воспроизвести известный баг и подготовить исправление с тестом. Прочитайте diff и результаты проверок перед принятием работы.

Автор учебника: Шахматов Алексей