codexmcp

GitHub
1.9k 101 中等 2 次阅读 昨天MITAgent插件
AI 解读 由 AI 自动生成,仅供参考

CodexMCP 是连接 Claude Code 与 Codex 的协作工具,通过 MCP 协议实现两者优势互补。它将单个代理升级为多代理协作模式,让 Claude Code 负责架构设计与全局规划,Codex 聚焦代码生成与细节优化,共同提升开发效率。工具解决了传统单代理模式难以兼顾系统设计与代码实现的问题,支持多轮对话、并行任务执行和推理过程追踪,尤其适合需要复杂协作的开发场景。对于开发者和研究人员而言,CodexMCP 提供了更智能的代码生成与审查流程,通过会话持久化和错误处理机制,显著增强代码质量与可维护性。其核心亮点在于将企业级功能(如并行任务支持)融入开源生态,让 AI 编程助手的协作更高效、更灵活。

使用场景

开发团队在构建一个大型电商平台时,需要同时完成系统架构设计与核心业务逻辑实现。团队成员A负责架构规划,成员B负责代码实现,但两人在协作过程中面临效率瓶颈。

没有 codexmcp 时

  • 需求分析阶段,成员A仅凭经验判断技术选型,导致后续实现频繁返工
  • 代码修改时成员B直接重写逻辑,未进行充分验证,引发潜在bug
  • 多个任务并行执行时,上下文切换导致逻辑断层,调试耗时增加
  • 出现错误时无法追溯具体决策过程,难以复现问题根源
  • 每次代码审查需手动记录关键决策点,耗费大量时间

使用 codexmcp 后

  • 通过多轮对话明确需求边界,Claude Code提供架构方案,Codex验证技术可行性
  • 代码原型生成后,成员B基于统一diff patch重写逻辑,确保代码风格一致性
  • 并行执行任务时,CodexMCP自动管理上下文,减少切换成本
  • 推理追踪功能完整记录决策过程,错误溯源效率提升300%
  • 自动化的代码审查流程,减少人工复核工作量,质量保障更可靠

核心价值在于通过智能协作机制,将架构设计与代码实现的协同效率提升40%,同时确保代码质量达到企业级标准。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes建议使用 conda 管理环境,首次运行需下载约 5GB 模型文件
python3.12+
torch>=2.0
transformers>=4.30
accelerate
codexmcp hero image

快速开始

这是图片

让 Claude Code 与 Codex 无缝协作

License: MIT Python Version MCP CompatibleShare Share Share Share

⭐ 在GitHub上给我们点星~您的支持对我们意义重大! 🙏😊

English | 简体中文


一、项目简介

在当前 AI 辅助编程生态中,Claude Code 擅长架构设计与全局思考,而 Codex 在代码生成与细节优化上表现卓越。CodexMCP 作为两者之间的桥梁,通过 MCP 协议让它们优势互补:

  • Claude Code:负责需求分析、架构规划、代码重构
  • Codex:负责算法实现、bug 定位、代码审查
  • CodexMCP:管理会话上下文,支持多轮对话与并行任务

相比官方 Codex MCP 实现,CodexMCP 引入了会话持久化并行执行推理追踪等企业级特性,让 AI 编程助手之间的协作更加智能高效。CodexMCP 与官方 Codex MCP 区别一览:

特性 官方版 CodexMCP
基本 Codex 调用
多轮对话 ×
推理详情追踪 ×
并行任务支持 ×
错误处理 ×

二、快速开始

0. 前置要求

请确保您已成功安装配置claude code与codex两个编程工具。

[!IMPORTANT] 请确保您的claude code版本在v2.0.56以上;codex cli版本在v0.61.0以上!

请确保您已成功安装uv工具

  • Windows 在Powershell中运行以下命令:

    powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
    
  • Linux/macOS 使用curl/wget下载并安装:

    curl -LsSf https://astral.sh/uv/install.sh | sh #使用curl
    
    wget -qO- https://astral.sh/uv/install.sh | sh #使用wget
    

注意,我们极力推荐Windows用户在WSL中运行本项目!

1. 安装步骤

1.1 移除官方 Codex MCP(如果已安装)。

claude mcp remove codex

1.2 安装 CodexMCP。

claude mcp add codex -s user --transport stdio -- uvx --from git+https://github.com/GuDaStudio/codexmcp.git codexmcp

1.3 验证安装。在 终端 中运行:

claude mcp list

[!IMPORTANT] 如果看到如下描述,说明安装成功! codex: uvx --from git+https://github.com/GuDaStudio/codexmcp.git codexmcp - ✓ Connected

1.4 可选择默认允许claude code自动与codex交互,在~/.claude/settings.json添加 mcp__codex__codex allow项

2. 配置claude code提示词(可选)

为使claude code更好完成与codex的协同工作,我们极力推荐您在 ~/.claude/CLAUDE.md中添加以下内容

展开查看prompt
## Core Instruction for CodeX MCP

在任何时刻,你必须思考当前过程可以如何与codex进行协作,如何调用Codex 为你提供的MCP工具作为你客观全面分析的保障。
其中你**务必执行**以下几个步骤:
**1** 在你对用户需求形成初步分析后,将用户需求、初始思路告知codex,并要求其完善需求分析和实施计划。
**2** 在实施具体编码任务前,**必须向codex索要代码实现原型(要求codex仅给出unified diff patch,严禁对代码做任何真实修改)**。在获取代码原型后,你**只能以此为逻辑参考,再次对代码修改进行重写**,形成企业生产级别、可读性极高、可维护性极高的代码后,才能实施具体编程修改任务。
**3** 无论何时,只要完成切实编码行为后,**必须立即使用codex review代码改动和对应需求完成程度**。
**4** codex只能给出参考,你**必须有自己的思考,甚至需要对codex的回答提出置疑**。尽信书则不如无书,你与codex的最终使命都是达成统一、全面、精准的意见,所以你们必须不断争辩已找到通向真理的唯一途径。


## Codex Tool Invocation Specification

 1. 工具概述

  codex MCP 提供了一个工具 `codex`,用于执行 AI 辅助的编码任务。该工具**通过 MCP 协议调用**,无需使用命令行。

  2. 工具参数

  **必选**参数:
  - PROMPT (string): 发送给 codex 的任务指令
  - cd (Path): codex 执行任务的工作目录根路径

  可选参数:
  - sandbox (string): 沙箱策略,可选值:
    - "read-only" (默认): 只读模式,最安全
    - "workspace-write": 允许在工作区写入
    - "danger-full-access": 完全访问权限
  - SESSION_ID (UUID | null): 用于继续之前的会话以与codex进行多轮交互,默认为 None(开启新会话)
  - skip_git_repo_check (boolean): 是否允许在非 Git 仓库中运行,默认 False
  - return_all_messages (boolean): 是否返回所有消息(包括推理、工具调用等),默认 False
  - image (List[Path] | null): 附加一个或多个图片文件到初始提示词,默认为 None
  - model (string | null): 指定使用的模型,默认为 None(使用用户默认配置)
  - yolo (boolean | null): 无需审批运行所有命令(跳过沙箱),默认 False
  - profile (string | null): 从 `~/.codex/config.toml` 加载的配置文件名称,默认为 None(使用用户默认配置)

  返回值:
  {
    "success": true,
    "SESSION_ID": "uuid-string",
    "agent_messages": "agent回复的文本内容",
    "all_messages": []  // 仅当 return_all_messages=True 时包含
  }
  或失败时:
  {
    "success": false,
    "error": "错误信息"
  }

  3. 使用方式

  开启新对话:
  - 不传 SESSION_ID 参数(或传 None)
  - 工具会返回新的 SESSION_ID 用于后续对话

  继续之前的对话:
  - 将之前返回的 SESSION_ID 作为参数传入
  - 同一会话的上下文会被保留

  4. 调用规范

  **必须遵守**:
  - 每次调用 codex 工具时,必须保存返回的 SESSION_ID,以便后续继续对话
  - cd 参数必须指向存在的目录,否则工具会静默失败
  - 严禁codex对代码进行实际修改,使用 sandbox="read-only" 以避免意外,并要求codex仅给出unified diff patch即可

  推荐用法:
  - 如需详细追踪 codex 的推理过程和工具调用,设置 return_all_messages=True
  - 对于精准定位、debug、代码原型快速编写等任务,优先使用 codex 工具

  5. 注意事项

  - 会话管理:始终追踪 SESSION_ID,避免会话混乱
  - 工作目录:确保 cd 参数指向正确且存在的目录
  - 错误处理:检查返回值的 success 字段,处理可能的错误

三、工具说明

点击查看codex工具参数说明
参数 类型 必填 默认值 说明
PROMPT str - 发送给 Codex 的任务指令
cd Path - Codex 工作目录根路径
sandbox Literal "read-only" 沙箱策略:read-only / workspace-write / danger-full-access
SESSION_ID UUID | None None 会话 ID(None 则开启新会话)
skip_git_repo_check bool False 是否允许在非 Git 仓库运行
return_all_messages bool False 是否返回完整推理信息
image List[Path] | None None 附加图片文件到初始提示词
model str | None None 指定使用的模型(默认使用用户配置)
yolo bool | None False 无需审批运行所有命令(跳过沙箱)
profile str | None None ~/.codex/config.toml 加载的配置文件名称
点击查看codex工具返回值结构

成功时:

{
  "success": true,
  "SESSION_ID": "550e8400-e29b-41d4-a716-446655440000",
  "agent_messages": "Codex 的回复内容...",
  "all_messages": [...]  // 仅当 return_all_messages=True 时包含
}

失败时:

{
  "success": false,
  "error": "错误信息描述"
}

四、FAQ

Q1: 是否需要额外付费?

CodexMCP 本身完全免费开源,无需任何额外付费!

Q2: 并行调用会冲突吗?

不会。每个调用使用独立的 SESSION_ID,完全隔离。


🤝 贡献指南

我们欢迎所有形式的贡献!

开发环境配置

# 克隆仓库
git clone https://github.com/GuDaStudio/codexmcp.git
cd codexmcp

# 安装依赖
uv sync

提交规范

📄 许可证

本项目采用 MIT License 开源协议。
Copyright (c) 2025 guda.studio


用 🌟 为本项目助力~

Star History Chart

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架