跳到主要内容
OpenAI Codex 本地部署、模型切换及 MCP 使用指南 | 极客日志
Shell / Bash Node.js AI
OpenAI Codex 本地部署、模型切换及 MCP 使用指南 综述由AI生成 OpenAI Codex 本地部署与配置指南。通过 Node.js 环境搭建和命令行工具安装,结合第三方提供免费模型接入方案,实现低成本 AI 编程。介绍 cc-switch 工具用于多模型切换,减少手动配置麻烦。集成 context7、Playwright 等 MCP 工具扩展功能,支持代码审查、浏览器调试及多模态 OCR 识别。实战案例展示如何利用 MCP 提取文档图片文字信息,验证了工具在自动化任务中的有效性,为开发者提供了一套完整的 AI 辅助编程解决方案。
时间旅人 发布于 2026/4/7 更新于 2026/5/22 34 浏览1.前言
Codex 是由 OpenAI 开发的强大 AI 代码生成模型,基于 GPT 架构微调而成,能够根据自然语言描述自动生成高质量代码。它支持数十种编程语言,尤其在 Python 和 JavaScript 上表现突出。
之前一直使用 Claude Code(简称 CC)实现代码编程,成本较高。近期开始使用 Codex,结合第三方提供的免费模型服务,显著降低了使用成本。以下是价格对比参考。
初步测算,Claude 4.5 模型的费用远高于当前使用的 GPT-5 模型方案,基本可视为白菜价。今天就带大家一起通过 Codex 来实现 AI 辅助编程。
2.Codex 安装及使用
Node.js 下载和安装
使用 Codex 需要先安装 Node.js,与之前使用 Claude Code 类似。
Node.js 下载地址:https://nodejs.org/zh-cn/download
这里以 Linux 为例选择对应版本下载。
输入以下命令:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
. "$HOME /.nvm/nvm.sh"
nvm install 22
npm -v
Codex 安装 npm install -g @openai/codex
安装完成后,我们使用 agentrouter.org 提供的免费模型(GPT-5 模型)。这里需要做如下设置。
设置系统环境变量,变量名为 AGENT_ROUTER_TOKEN。
export AGENT_ROUTER_TOKEN="你的令牌值"
创建 ~/.codex/config.toml 文件,并添加如下配置:
model = "gpt-5"
model_provider = "openai-chat-completions"
preferrred_auth_method = "apikey"
[model_providers.openai-chat-completions]
name = "OpenAI using Chat Completions"
base_url = "https://agentrouter.org/v1"
env_key = "AGENT_ROUTER_TOKEN"
wire_api = "chat"
query_params = {}
stream_idle_timeout_ms = 300000
如果换其他模型,这里我们用 GLM-4.5 模型为案例,改成下面配置:
model = "glm-4.5"
model_provider = "openai-chat-completions"
preferrred_auth_method = "apikey"
[model_providers.openai-chat-completions]
name = "OpenAI using Chat Completions"
base_url = "https://agentrouter.org/v1"
env_key = "AGENT_ROUTER_TOKEN"
wire_api = "chat"
query_params = {}
接下来我们需要创建 ~/.codex/auth.json 文件,并在其中加入如下代码:
{ "OPENAI_API_KEY" : "这里换成你申请的 KEY" }
通过以上配置我们就完成了 Codex 安装和配置。
Codex 验证测试 确定后,进入 Codex Shell 窗口,随便输入内容。
Codex 常用的命令 熟悉 Claude Code 的小伙伴应该了解很多命令其实是差不多的,比如 compact 做压缩使用。
model
Approval Approval Mode(审批模式)定义了 Codex 在执行读取、写文件或运行命令等操作前,是否必须获得用户确认。它既提供便捷的无中断体验,也保留关键决策点,防止潜在风险。
review
审查未提交的更改 :用于查看尚未提交到版本控制系统的代码修改内容,便于在提交前检查代码质量。
审查一次提交 :针对已经完成提交的某一次代码提交记录进行审查,聚焦单次提交的改动。
针对基准分支进行审查 :将当前代码与指定的基准分支(如主分支 main)进行对比,审查分支间的代码差异,常用于多人协作时的分支合并前检查。
自定义审查说明 :允许用户根据项目需求,自定义审查的规则、步骤或说明文档,满足个性化的代码审查流程。
new
init 在配置与 Codex 相关的项目时,通过初始化命令自动生成一份文档,用于定义 Codex 的代理(agents)操作规则、使用说明或工作流程。
compact 总结对话,以避免达到上下文限制。对上下文进行压缩。
diff 查看 Git 代码差异。Git 的核心命令之一,默认功能是'查看已追踪文件(已通过 git add 加入版本控制的文件)的未提交改动差异',比如修改了某个已追踪文件后,用它能看到具体改了哪些内容。
mention
cc-switch 有的小伙伴可能会有疑问了这么多命令行,好麻烦,另外如果我电脑上想配置多个模型,通过命令行切换就太麻烦了。之前有给大家介绍过使用 claude-code-router,这个是基于 Claude Code 实现多个模型配置方法。本次给大家介绍支持 Claude Code 和 Codex 的一个更简单的工具叫做 cc-switch。
这个工具支持多个操作系统版本 macOS、Linux、Windows。Windows 安装相对比较简单,下载 EXE 安装即可。
sudo dpkg -i CC-Switch-v3.5.1-Linux.deb
安装好后我们在 Shell 命令行执行下面命令 cc-switch 弹出对话框。
点击添加供应商这里可以弹出支持目前主流的多个供应商。
下面是基于 Codex 的,上图配置的模型是 GPT-5,若果配置多个模型可以增加多个配置即可。
通过这个工具我们就非常方便的切换各个模型,只需要第一次配置即可。
3.Codex MCP 安装 上面给大家介绍了最基本的 Codex 命令,如果想让 Codex 更强大那么必须要给它安装几个 MCP。下面给大家安装几个常见的 MCP。
1.Context7 [mcp_servers.context7]
args = ["-y" , "@upstash/context7-mcp" , "--api-key" , "YOUR_API_KEY" ]
command = "npx"
2.Playwright MCP [mcp_servers.playwright]
command = "npx"
args = ["@playwright/mcp@latest" ]
3.Chrome DevTools MCP codex mcp add chrome-devtools -- npx chrome-devtools-mcp@latest
4.Sentry codex mcp add sentry -- npx -y mcp-remote@latest https://mcp.sentry.dev/mcp
5.n8n-MCP [mcp_servers.n8n]
command = "npx"
args = ["n8n-mcp" ]
env = { "MCP_MODE" = "stdio" , "LOG_LEVEL" = "error" , "DISABLE_CONSOLE_OUTPUT" = "true" , "N8N_API_URL" : "http://localhost:5678/" , "N8N_API_KEY" : "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzdWIiOiI5NTQ0ZGUwYS1hY2FhLTRmMTAtOWU2MC1lYTdkODliNjc1NWYiLCJpc3MiOiJuOG4iLCJhdWQiOiJwdWJsaWMtYXBpIiwiaWF0IjoxNzYwNDMyMjQ0fQ.2dZNwI6Vxx8cw06sM_dNjaDwrM1efrKYpNbCLdMHmBk" }
上面有些是通过命令行执行安装,有些是通过修改 ~/.codex/config.toml 实现的。安装后的可以在 config.toml 找到安装信息。
安装完成后我们可以在 Codex 查看这个 MCP list。
通过上面截图可以看到我已经安装好几个 MCP 了。其他的 MCP 大家根据自己的需求安装,安装的方法和上面介绍的一样。
4.Codex 实战 我这里有一个 MD 文档。文档里面有一些图片,图片里面的文字信息我觉得很有意思。我接下来使用 Codex 把这些图片的信息使用多模态的能力识别出来整理出文本信息。例如:
请使用 chrome-devtools 这个 MCP 工具提取"假期值班毫无意义为啥就是取消不了.md"文档里面每张图片里面文字内容信息。输出到一个图片提取信息 2.md 文档中显示这个提取图片里面文字内容信息。请基于以上要求执行。全部使用中文。
这里我们使用 MCP 工具抓取页面图片信息实现 OCR 识别。
这个是它运行完之后的结果。这里我们有 2 个识别结果。1 个是下午用 Claude Code 识别的,1 个是 GPT-5-Codex 识别的。
我们使用 BCompare 比较工具比较识别的内容是否有差异。
从比对结果来看,图片识别的文字内容信息应该是差不多的。我们再找一个原图看看,这里我们就找图片 9。
上面我是用一个非常简单的案例使用 Codex 来识别一个文档中带有图片文字的信息,让它把我整理出来。我们就通过非常简单提示词 + MCP 工具就把我要的信息提取出来了。
5.总结 本文主要带大家了解并实现了 Codex 的安装配置与实战应用完整流程,该流程以 OpenAI 开发的 Codex 代码生成模型为核心,结合 Node.js 环境搭建、agentrouter.org 提供的模型服务,搭配 cc-switch 工具的多模型管理能力,形成了一套从环境部署到功能扩展的实用化解决方案。
通过这套实践方案,用户能够低成本体验 Codex 的强大能力 —— 借助简单的安装配置步骤(包括 Node.js 环境搭建、Codex 安装、环境变量与配置文件设置),无需复杂的模型部署成本,就能快速启用 GPT-5、GLM-4.5 等多种模型,无论是基础的代码生成、对话交互,还是通过 MCP 扩展的图片文字识别、浏览器调试等功能,都能通过简洁的命令行操作完成,极大降低了开发者使用 AI 辅助编程的技术门槛。在实际验证中,Codex 能够稳定响应多样化的需求,特别是结合 Chrome DevTools 等 MCP 工具后,有效实现了多模态场景下的信息提取,且成本远低于同类工具。同时,方案具备良好的扩展性 —— 小伙伴们可以基于此扩展更多实用功能,如自动化代码审查、多语言程序调试、文档批量处理等,进一步丰富 Codex 在实际开发场景中的应用价值。
感兴趣的小伙伴可以按照文中提供的步骤进行实践,根据需求配置适合的模型与 MCP 工具。
相关免费在线工具 RSA密钥对生成器 生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
Mermaid 预览与可视化编辑 基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online
随机西班牙地址生成器 随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online
Base64 字符串编码/解码 将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online
Base64 文件转换器 将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online
Markdown转HTML 将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online