openai-codex-mcp

openai-codex-mcp

Claude Code で使用するために OpenAI Codex CLI ツールをラップする MCP サーバーです。

概要

このプロジェクトは、Claude Code が OpenAI Codex CLI ツールとやり取りできるようにする、シンプルな JSON-RPC サーバーを提供します。これにより、必要に応じて Claude Code が OpenAI のモデルをコード生成、解説、問題解決に利用できるようになります。

動画デモ

https://www.loom.com/share/5d9532a79ae24b309af08c1727156f9c?sid=d9277b91-bf8c-43ec-a3c6-dc69fc52e1d2

最近の改善点

MCP サーバーが強化され、より直感的で堅牢なインターフェースを提供できるようになりました。

1. 専用メソッド：一般的なコーディングタスク向けに、専用のメソッドを追加しました。

   • write_code：指定した言語で、特定のタスクに対応するコードを生成します
   • explain_code：コードの動作について詳しく説明します
   • debug_code：問題のあるコードのバグを見つけて修正します

2. モデルの選択：デフォルトを含むモデルの選択肢を明確にしました。

   • o4-mini
   • o4-preview
   • o4-pro
   • o4-latest

3. 簡素化された構文：統合しやすいよう、パラメーターの命名と構造をより直感的にしました

これらの改善により、複雑なプロンプトエンジニアリングを必要とせず、特定のプログラミングタスクに OpenAI のモデルを活用しやすくなります。

前提条件

• Python 3.12+
• OpenAI Codex CLI ツール（npm install -g @openai/codex）
• 有効な OpenAI API キー（Codex CLI 用。このサーバー用ではありません）

インストールとセットアップ

このプロジェクトでは PEP‑621 pyproject.toml を使用します。次の手順に従ってください。

# 1. Create & activate a venv
uv venv                     # creates a .venv/ directory
source .venv/bin/activate   # on Windows: .\.venv\Scripts\activate

# 2. Install package and dependencies into the venv
uv pip install .

インストール後、codex_server エントリーポイントを PATH から利用できます。

サーバーの起動

クイックスタート

付属のセットアップスクリプトを使用すると、環境を自動的にセットアップしてサーバーを起動できます。

./setup_and_run.sh

このスクリプトは次の処理を行います。

• codex CLI がインストールされているか確認します
• 必要に応じて Python 仮想環境をセットアップします
• 利用可能な場合は Claude CLI を使用して MCP ツールをインストールします
• MCP サーバーを起動します

手動での起動

サーバーを手動で起動する場合は、次の手順に従ってください。

1. Codex CLI がインストールされ、OpenAI API キーで正しく設定されていることを確認します
2. サーバーを起動します。

   codex_server
   

   または、uvicorn を直接使用します。：uvicorn codex_server:app

Claude Code との統合

MCP サーバーを起動したら、次のいずれかの方法で Claude Code に登録できます。

方法 1：Claude CLI を使用（推奨）

このリポジトリには、Claude CLI を使用して直接インストールできる設定ファイルが含まれています。

# Install the MCP tool directly from the JSON config
claude mcp add /path/to/openai_codex_mcp.json

# Verify the tool was installed correctly
claude mcp list

方法 2：UI から手動で設定

ツールを手動で登録することもできます。

1. Claude Code で 設定 → ツール → MCP ツールを管理 に移動します。
2. 新しいツールを作成し、次の項目を設定します。
   • 名前：openai_codex
   • 説明：OpenAI Codex CLI integration via MCP server
   • ベース URL：http://localhost:8000/
   • プロトコル：JSON-RPC 2.0
   • 認証：空欄のままにします
3. ツールを保存します。

これで、別の視点やアプローチが必要なタスクに Claude Code が OpenAI Codex CLI ツールを使用できるようになります。特定のタスクに OpenAI のモデルを使うよう Claude に依頼すると、ツールを呼び出せます。

API の使用方法

この MCP サーバーは、さまざまなコーディングタスクに応じて OpenAI のモデルとやり取りするための複数のメソッドを提供します。

方法 1：一般的な補完

OpenAI に柔軟なカスタムプロンプトを送信します。

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "codex_completion",
       "params": {
         "prompt": "Write a JavaScript function to sort an array of objects by a property value",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法 2：コードの作成

言語を指定してコードを生成する専用メソッドです。

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "write_code",
       "params": {
         "task": "Calculate the first 100 Fibonacci numbers and return them as an array",
         "language": "python",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法 3：コードの解説

コードを解説する専用メソッドです。

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "explain_code",
       "params": {
         "code": "def quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[len(arr) // 2]\n    left = [x for x in arr if x < pivot]\n    middle = [x for x in arr if x == pivot]\n    right = [x for x in arr if x > pivot]\n    return quicksort(left) + middle + quicksort(right)",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法 4：コードのデバッグ

バグの発見と修正を行う専用メソッドです。

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "debug_code",
       "params": {
         "code": "function fibonacci(n) {\n  if (n <= 0) return [];\n  if (n === 1) return [1];\n  let sequence = [1, 1];\n  for (let i = 2; i <= n; i++) {\n    sequence.push(sequence[i-2] + sequence[i-1]);\n  }\n  return sequence;\n}",
         "issue_description": "It generates one too many Fibonacci numbers",
         "model": "o4-mini"
       },
       "id": 1
     }'

利用可能なモデル

推論モデル（O シリーズ）

• o4-mini：高速で、より手頃な価格の推論モデル
• o3：最も高性能な推論モデル
• o3-mini：o3 の小型モデル
• o1：以前のフルサイズの O シリーズ推論モデル
• o1-mini：o1 の小型モデル
• o1-pro：より多くの計算リソースを使用し、応答品質を高めた o1 のバージョン

GPT モデル

• gpt-4.1：複雑なタスク向けのフラッグシップ GPT モデル
• gpt-4o：高速で、インテリジェントかつ柔軟な GPT モデル
• gpt-4.1-mini：インテリジェンス、速度、コストのバランスに優れたモデル
• gpt-4.1-nano：最速かつ最もコスト効率に優れた GPT-4.1 モデル
• gpt-4o-mini：特定のタスク向けの、高速で手頃な価格の小型モデル

利用可能なパラメーター

一般的な補完（codex_completion）

• prompt（必須）：Codex に送信するプロンプト
• model（任意）：使用するモデル（例：「o4-mini」、「o3」、「gpt-4.1」、「gpt-4o-mini」）
• images（任意）：含める画像のパスまたはデータ URI のリスト
• additional_args（任意）：Codex に渡す追加の CLI 引数

コードの作成（write_code）

• task（必須）：コーディングタスクの説明
• language（必須）：ソリューションに使用するプログラミング言語（例：「python」、「javascript」、「java」）
• model（任意）：使用するモデル

コードの説明（explain_code）

• code（必須）：説明するコード
• model（任意）：使用するモデル

コードのデバッグ（debug_code）

• code（必須）：デバッグするコード
• issue_description（任意）：問題またはエラーの説明
• model（任意）：使用するモデル

Claude Code での使用例

設定が完了すると、利用可能な方法を使って、Claude に特定のタスクで OpenAI Codex を使用するよう依頼できます。

write_code メソッドの使用

User: Can you use OpenAI Codex to write a Python function that generates prime numbers?

Claude: I'll use the OpenAI Codex write_code method to generate that function.

[Claude would use the write_code method with task="Write a Python function that generates prime numbers" and language="python"]

explain_code メソッドの使用

User: Can you ask OpenAI Codex to explain how this quicksort algorithm works?

Claude: I'll use OpenAI Codex to explain this algorithm.

[Claude would use the explain_code method with the code provided]

debug_code メソッドの使用

User: My JavaScript function has a bug. Can you use OpenAI Codex to debug it?

Claude: I'll ask OpenAI Codex to find and fix the bug in your code.

[Claude would use the debug_code method with the code provided]

モデルの指定

User: Can you use OpenAI Codex with the o4-preview model to write an efficient implementation of a binary search tree?

Claude: I'll use the o4-preview model to generate that implementation.

[Claude would use the specified model with the appropriate method]

これにより、一般的なコーディングタスク向けの専用メソッドを使いながら、同じインターフェース内で Claude と OpenAI の機能をシームレスに活用できます。