Codex 深度拆解：当 OpenAI 决定「把 Codex 塞进 Claude Code 的身体」——30.4K Star 的跨厂商 Agent 协作插件如何用 App Server 协议和双 Harness 架构重新定义 AI 编程的终极形态

引言：两个死对头，第一次在同一间办公室里上班

2026 年 7 月 30 日，OpenAI 官方发布了一个名为 codex-plugin-cc 的 Claude Code 插件，在 GitHub 上 72 小时内斩获 30.4K Star。这不是一个第三方适配器，不是社区补丁，而是 OpenAI 官方下场，把自家的 Codex 能力直接嵌入了竞争对手 Anthropic 的 Claude Code 生态。

在 AI 编程工具领域，这堪称一个里程碑事件——两个死对头的模型第一次在同一个工作流里并肩工作。

很多开发者使用 Coding Agent 时已经形成了固定工作流：先让 Claude Code 阅读项目、修改代码、运行测试，再切换到另一个模型检查 Diff，确认代码有没有遗漏边界情况、引入安全风险。但问题是，模型虽然换了，负责组织上下文和调用工具的 Harness 往往没有变化。后接入的模型看到的，可能依然是上一套工作流筛选和整理过的信息，也很容易顺着前一个 Agent 已经形成的技术假设继续往下走。

换了一个脑子，却没有完全换掉观察问题的视角。

codex-plugin-cc 的出现，从根本上解决了这个问题。本文将从架构设计、核心机制、实战场景三个维度，深度拆解这个 30.4K Star 的跨厂商 Agent 协作插件。

一、插件定位：不是换模型，而是换 Harness

1.1 为什么这不是一个简单的模型切换

很多人第一眼看到这个插件，会以为它只是让 Claude Code 内部切换到 GPT 模型。这是完全错误的理解。

codex-plugin-cc 做的事情要深刻得多：它调用开发者本机安装的 Codex CLI，通过 CLI 提供的 codex app-server 接口执行任务。整个过程中，它会继续使用 Codex 自己的认证信息、模型配置和运行机制，同时与 Claude Code 操作同一个代码仓库和本机环境。

简单说：Claude Code 还是 Claude Code，Codex 还是 Codex，但它们共享了同一个代码仓库和本机环境，通过插件桥接实现了真正的双 Harness 协作。

1.2 双 Harness 协作模型

理解这个插件的关键在于理解 Harness 的概念。Harness 不是模型本身，而是围绕模型构建的完整运行时系统：包括上下文管理、工具调用、审批流程、沙箱隔离、状态持久化等。

Claude Code 有自己的 Harness（200K 上下文窗口、MCP 工具链、子 Agent 委托机制），Codex 也有自己的 Harness（Thread/Turn/Item 三层会话模型、App Server 协议、沙箱安全层）。这个插件让两套 Harness 各自独立运行，但共享同一个代码工作区。

这意味着什么？当 Claude Code 完成一次功能开发后，你可以输入 /codex:review，让 Codex 用自己的 Harness 独立审查代码——它看到的是原始的 Git Diff，而不是 Claude Code 整理过的信息。这是真正的"换脑子"，而不仅仅是"换模型"。

二、架构深度解析：从 App Server 到双线程协作

2.1 整体架构：四层堆栈

插件的架构可以分为四层：

┌─────────────────────────────────────────┐
│         Claude Code UI / Terminal        │  ← 用户交互层
├─────────────────────────────────────────┤
│      codex-plugin-cc Bridge Layer        │  ← 插件桥接层
│   (slash commands → Codex CLI calls)     │
├─────────────────────────────────────────┤
│         Codex CLI + App Server           │  ← Agent Runtime 层
│   (Thread/Turn/Item 会话模型)            │
├─────────────────────────────────────────┤
│         Codex Core (Rust Runtime)        │  ← 底层执行层
│   (沙箱、文件系统、命令执行)              │
└─────────────────────────────────────────┘

用户在 Claude Code 终端输入 /codex:review，插件桥接层将这个命令翻译为 Codex CLI 调用，Codex CLI 启动 App Server 会话，App Server 通过 JSON-RPC 协议与底层 Rust Runtime 通信，最终在沙箱中完成代码审查。

2.2 App Server 协议：Codex 的统一控制面

App Server 是理解整个插件的关键。它不是传统意义上的 HTTP API，而是一个本地 Agent Runtime 的控制接口。

客户端通过 JSON-RPC 发起 Thread、Turn、Approval、工具调用，App Server 再把这些请求翻译成 Codex Core 能理解的内部操作。

App Server 的进程由四块组成：

这个设计让 Codex 的状态不在客户端——客户端关掉浏览器或终端，任务还能继续跑。这对于 /codex:rescue 的后台执行模式至关重要。

2.3 三层会话模型：Thread / Turn / Item

Codex 不是简单的一问一答，它把会话拆成三个原语：

Thread：一条可持久化的会话。它能 resume、fork、archive，也能让客户端断线后重新接上。每个 /codex:rescue 任务就是一个独立 Thread。

Turn：一次用户输入触发的完整任务。一个 Turn 里面可能有推理、计划、搜索、读文件、跑命令、改代码、申请用户确认。Claude Code 的一次 /codex:review 调用就是一个 Turn。

Item：最小事件单元。可以是 agent message、plan delta、command execution output、file patch、MCP tool call、approval request。客户端通过订阅 Item stream 实现实时进度展示。

这个抽象的意义在于：富客户端如果只拿到"最终答案"，就做不出好体验。它需要知道现在执行到了哪一步，哪个命令正在跑，哪个 diff 被生成，哪个操作需要用户确认。

2.4 安全沙箱：三档权限控制

Codex 的沙箱机制是其区别于普通 AI 编程工具的核心竞争力之一：

/codex:review 默认使用 read-only 沙箱——Codex 可以查看代码、分析 Diff 并指出问题，但不会直接修改文件。而 /codex:rescue 默认使用 workspace-write，允许 Codex 修改文件和执行命令，但高风险操作仍需审批。

这个设计非常务实：审查场景不需要写权限，修复场景需要写权限但要受控，CI 场景可以放宽但要靠外部容器兜底。

三、核心功能：三大场景实战

3.1 代码审查：/codex:review

写完代码准备提交前，直接在 Claude Code 里输入：

/codex:review

Codex 会分析你的未提交改动，给出结构化的审查报告，包括问题严重性（critical/high/medium/low）、置信度分数和具体的文件行位置。

智能审查范围判断：插件会自动判断审查范围——如果工作区存在未提交改动，就检查暂存、未暂存和未跟踪的文件；如果工作区已经干净，则审查当前开发分支相对默认分支的改动。

# 指定对比的基线分支
/codex:review --base main

# 后台运行
/codex:review --background

只读不修复：这是 /codex:review 的核心设计原则。Codex 可以查看代码、分析 Diff 并指出问题，但不会直接修改文件。也就是说，它在这里扮演的是代码审查者，而不是修复者。

为什么只读很重要？ 因为如果审查者也能修改代码，那审查结果的可信度就大打折扣。一个独立的、只读的审查者给出的意见，比一个"既当裁判又当球员"的系统更有价值。

3.2 对抗式审查：/codex:adversarial-review

如果希望 Codex 不仅检查代码错误，还进一步质疑 Claude Code 选择的技术路线，则可以使用：

/codex:adversarial-review

普通代码审查主要回答"这段代码有没有写错"，对抗式审查更关注"这个问题是否应该这样解决"。

# 给它一个具体的挑战方向
/codex:adversarial-review --base main challenge whether this caching design is right

这个功能的价值在哪里？ 在实际工程中，最大的风险往往不是代码写错了，而是技术选型选错了。一个缓存设计可能代码完美、测试全绿，但如果选错了缓存策略（比如用 LocalStorage 存敏感数据、用 Redis 做时序数据），后果可能是灾难性的。

对抗式审查让 Codex 扮演"技术合伙人"的角色，专门挑毛病、找边界情况、质疑架构决策。这相当于给你的开发流程加了一道反脆弱防线。

3.3 任务委派：/codex:rescue

遇到一个头疼的 Bug，或者一个需要深入调查的问题？直接委派给 Codex：

/codex:rescue investigate why the tests started failing

Codex 会在后台自主运行，调查问题并给出修复建议。它使用的是你本地 Codex CLI 的配置和当前工作目录，安全性取决于你本地的 Codex 沙盒设置。

# 指定模型
/codex:rescue --model gpt-5.4-mini --effort medium investigate the flaky test

# 恢复上次任务并应用修复
/codex:rescue --resume apply the top fix from the last run

# 后台运行
/codex:rescue --background investigate the regression

--resume 的意义：Codex 的 Thread 是持久化的，你可以随时恢复之前的调查线程，保留它自己的调查记录和任务记忆。这意味着你不需要每次都从头描述问题，Codex 已经记住了之前的上下文。

后台执行模式：加入 --background 后，Codex 在独立线程中运行，你可以继续使用 Claude Code 处理其他工作。通过 /codex:status 查看进度，通过 /codex:result 读取最终结果。

四、实战代码：完整工作流演示

4.1 安装与配置

前置条件：

• Node.js 18.18 或更高版本
• ChatGPT 账号（免费版就行）或 OpenAI API Key

第一步：安装 Codex CLI

# 全局安装
npm install -g @openai/codex

# 登录认证
codex login

第二步：在 Claude Code 中安装插件

# 添加插件源
/plugin marketplace add openai/codex-plugin-cc

# 安装插件
/plugin install codex@openai-codex

# 重载并验证
/reload-plugins
/codex:setup

/codex:setup 会自动检测你的 Codex CLI 是否安装正确、认证是否有效。如果 Codex 已安装但未登录，会自动引导你完成登录。

4.2 完整开发工作流

以下是一个典型的"Claude Code + Codex"协作开发工作流：

# 1. 在 Claude Code 中开始开发
claude

# 2. 让 Claude Code 理解项目并实现功能
> 帮我实现一个用户认证模块，支持 JWT + OAuth2

# 3. Claude Code 完成代码后，让 Codex 审查
/codex:review --base main

# 4. 如果 Codex 发现了潜在的设计问题，用对抗式审查深入
/codex:adversarial-review challenge whether JWT refresh token rotation is necessary

# 5. 如果发现了 Bug，委派给 Codex 调查
/codex:rescue investigate why the token refresh fails under high concurrency

# 6. 查看 Codex 的调查结果
/codex:result

# 7. 如果需要继续之前的工作
/codex:rescue --resume apply the recommended fix

# 8. 最终审查
/codex:review

4.3 配置文件详解

插件使用和本地 Codex CLI 相同的配置文件：

用户级别：~/.codex/config.toml

# 默认模型
model = "gpt-5.4-mini"

# 推理强度：low / medium / high / xhigh
model_reasoning_effort = "xhigh"

# 沙箱模式：read-only / workspace-write / danger-full-access
sandbox = "workspace-write"

# 审批策略：never / always / on-failure
ask_for_approval = "on-failure"

项目级别：.codex/config.toml

# 项目特定配置，覆盖用户级别
model = "gpt-5.4"
model_reasoning_effort = "high"

# 项目特定的沙箱策略
sandbox = "read-only"

⚠️ 注意：项目级 .codex/config.toml 仅在项目被标记为受信任后才会生效。对于新克隆的仓库，需要先通过 Codex 信任该项目，否则项目级配置会被静默忽略。

4.4 团队协作配置

对于团队项目，建议在 .gitignore 中排除本地 Codex 配置，同时在项目中提供一份推荐配置模板：

# .gitignore
.codex/config.toml

# .codex/config.toml.example (提交到仓库)
model = "gpt-5.4-mini"
model_reasoning_effort = "medium"
sandbox = "workspace-write"
ask_for_approval = "on-failure"

五、性能优化与最佳实践

5.1 Token 消耗控制

插件调用的 Codex 任务会消耗你的 Codex 使用量，并非独立免费。以下策略可以帮助控制成本：

审查场景：默认使用 gpt-5.4-mini 模型，配合 medium 推理强度。对于非关键代码的日常审查，这个配置已经足够。

对抗式审查：使用 gpt-5.4 模型 + high 推理强度。对抗式审查需要更深入的推理能力，不建议省这个钱。

任务委派：根据任务复杂度动态选择模型。简单 Bug 调查用 mini，复杂架构重构用 gpt-5.4。

# 轻量审查
/codex:review --model gpt-5.4-mini --effort low

# 深度审查
/codex:adversarial-review --model gpt-5.4 --effort xhigh

5.2 Review Gate 的正确使用

/codex:setup --enable-review-gate 可以在每次 Claude 停止时自动触发 Codex 审查，但这会创建长时间运行的 Claude/Codex 循环，可能快速消耗你的额度。

建议：只在关键项目中启用 Review Gate，日常开发手动触发审查即可。

5.3 后台任务管理

# 查看所有正在运行的任务
/codex:status

# 查看最新完成的结果
/codex:result

# 取消正在跑的任务
/codex:cancel

后台任务的核心优势是不阻塞主工作流。你可以让 Codex 在后台审查代码或调查 Bug，同时继续用 Claude Code 做其他开发工作。

六、与竞品对比：为什么这个插件如此重要

6.1 对比传统工作流

6.2 对比其他 AI 编程工具

这个插件让 Claude Code 获得了 Codex 的审查能力和后台执行能力，同时保留了 Claude Code 自身的上下文理解和代码生成优势。

6.3 为什么 OpenAI 要给竞争对手做插件

这个决策背后的商业逻辑值得深思：

生态锁定：让开发者在任何环境下都能使用 Codex，增加了 OpenAI API 的粘性。

数据飞轮：更多的使用场景 = 更多的训练数据 = 更好的模型 = 更多的使用场景。

标准制定：通过 App Server 协议，OpenAI 正在定义 Agent Runtime 的事实标准。如果其他工具也接入这个协议，OpenAI 就成了 Agent 时代的"Windows"。

竞争策略：与其让开发者在 Claude Code 和 Codex 之间二选一，不如让他们全都要——但每个选择都意味着 OpenAI 的收入。

七、局限性与注意事项

7.1 当前限制

• 审查只读不修复：/codex:review 发现问题后不会自动修改代码，需要你自己决定是否采纳
• Review Gate 慎用：自动审查会快速消耗额度
• Rescue 任务默认可写：委派给 Codex 的任务默认有写权限，写入范围取决于你本地 Codex CLI 的沙盒和审批配置
• Token 消耗：插件调用的 Codex 任务会消耗你的 Codex 使用量

7.2 安全建议

1. 生产环境隔离：不要在生产环境目录中运行 /codex:rescue，除非你完全信任 Codex 的沙箱配置
2. 敏感项目审查：对于包含敏感信息的项目，使用 read-only 沙箱 + --base main 限制审查范围
3. 团队权限管理：在团队中使用时，确保每个成员都有独立的 Codex 认证，避免共享 API Key
4. 审计日志：定期检查 ~/.codex/history 和 ~/.codex/logs，确保没有异常操作

八、总结与展望

codex-plugin-cc 的推出，释放了一个清晰的信号：AI 编程工具正在从竞争走向融合。

Claude Code 擅长交互式编程、上下文理解和精细的代码生成；Codex 擅长时间运行的自主任务、沙盒执行和独立审查。两个工具各有所长，而这个插件让它们实现了互补。

对于开发者来说，这意味着你不再需要在"选 Claude 还是选 Codex"之间纠结——全都要，而且在同一个工作流里协同工作。

但更深层的意义在于：这个插件证明了 Agent Runtime 的可组合性。当不同的 Agent Harness 可以通过标准化协议协作时，开发者可以像搭积木一样组合不同厂商的能力。这不是简单的工具集成，而是 Agent 生态走向"跨厂商编排"的起点。

下一阶段拼的不是谁会写代码，而是谁能把 Agent 变成可靠的工程系统。codex-plugin-cc 是这个方向上的一个重要里程碑。

项目地址：https://github.com/openai/codex-plugin-cc

参考资源：

• OpenAI Codex App Server 工程文档
• Claude Code 官方文档
• Codex 全链路架构分析