mcpField
C
Codex Delegate

Codex Delegate

本地服务
github.comAI 与智能体21 周前更新

关于 Codex Delegate

Codex Delegate 是连接 MCP 客户端与 OpenAI Codex CLI 的桥接服务,面向需要委派编码实现并审查结果的开发者。它支持先规划再执行、续接会话,并返回便于检查的结构化结果。

主要功能

  1. 01委派实现给 OpenAI Codex CLI
  2. 02先生成计划并按批准步骤实施
  3. 03审查未提交更改、分支或提交
  4. 04续接 Codex 会话
  5. 05并行运行与取消任务
  6. 06返回结构化结果和变更文件

适用场景

  1. 01将多文件实现任务交给 Codex
  2. 02审阅 Codex 修改的差异
  3. 03继续之前的 Codex 工作会话

MCP 相关

作为 MCP 服务,它向 Claude Code、Cursor、Copilot 等 MCP 客户端提供 Codex CLI 委派能力,并返回结构化执行结果。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"andreilungeanu-codex-delegate": {
"command": "npx",
"args": [
"-y",
"codex-delegate-mcp"
]
}
}
}
启动命令npx -y codex-delegate-mcp

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmcodex-delegate-mcp2.6.0

工具

3

收录的工具列表 · 更新于 1 周前

参数类型必填说明
fastboolean否Codex 快速模式;消耗更多额度。
modeenum否agent 执行实现;plan 返回结构化计划;ask 提供答复;review 运行原生审查。agent | plan | ask | review
specstring是简要说明目标、范围、原样引用的固定决策和验收标准;引用文件而非粘贴代码。
modelstring否Codex 模型 ID。doctor deep:true 会列出所有 ID。
timeoutMsinteger否整个运行过程的时限上限,单位为 ms(默认 1h)。允许轮次中途无输出;启动阶段另有 60s 的首次输出时限。
webSearchboolean否Codex 内置的网页搜索。
workspacestring是Codex 的工作目录;不构成隔离边界。必须已存在——切勿为此次调用创建目录。
reviewTargetany否review 模式下必填;其他模式下禁止:uncommitted、基础分支或提交。
resumeThreadIdstring否继续使用的线程。复用其工作区。不得与 review 同时使用。
reasoningEffortstring否Codex 的推理级别。doctor deep:true 会列出每个模型的级别。

详细介绍

Codex Delegate

别再把前沿模型 Agent 的额度浪费在模板化工作上。

将实现工作委托给 OpenAI Codex CLI ——你的 Agent 编写任务说明并审查差异。

npm 版本 npm 下载量 MCP Registry codex-delegate-mcp MCP 服务 node 许可证:MIT 测试

Codex Delegate 标志

让你最出色的编码 Agent 专注于最需要判断力的工作:理解任务、制定计划并审查结果。

Codex Delegate 是一座 MCP 桥梁,让 Claude Code、Cursor、Copilot ——或任何 MCP 客户端——都能将实现工作交给 OpenAI Codex CLI,再获得简洁、结构化的结果以供审查。


Claude Code 将任务委托给 Codex 的终端录屏:健康检查确认 Codex CLI、身份验证和模型目录正常;一次 ask 模式运行诊断出示例仓库为何输出 "today 0",指出 commitDay() 按 UTC 分组,而 cellDay() 按本地时间标注,并给出行号;随后一句话同时分派给两个 Codex 模型——一个编辑仓库,另一个在单独目录中进行调研——修复完成后测试通过,页脚显示 today 4、current streak 23、longest streak 23;最后 Codex 审查自己的差异并报告三项发现

🧠 保持前沿品质

你的助手专注于前沿模型真正擅长的工作:理解任务、编写精准的任务说明、审查已完成的差异。Codex 则作为实现者独当一面——由更聪明的协调者指导并检查。最终成果看起来就像前沿模型的作品,因为它确实由前沿模型规划并验收。

⚡ 更快完成

在前沿对话模型还在输出第一个文件时,Codex 已经快速完成多个文件的编辑。你只需委托任务,继续与助手协作,差异就会在完成后呈现。

🔋 额度不再成为瓶颈

委托的工作由 OpenAI Codex CLI 执行,使用其自身的额度——与协调者的对话额度分开计算,不过 Codex 端仍按自身方式计费。你的 Claude、Cursor 或 Copilot 订阅只需为任务说明和审查消耗 token;繁重的工作交给 Codex。使用 API?这意味着按 token 计费的繁重工作不再计入你的主要账单。

你和你的 Agent 理解任务、编写任务说明并审查差异;MCP 委托工具将任务说明交给 OpenAI Codex CLI,由它实现任务并编辑你的工作区;随后返回一份精简的 JSON 结果,其中包含变更内容、文件列表和线程 ID

委托结果:一段精简的 JSON,包含最终答复、状态、线程和委托 ID、工作区、Codex CLI 版本、线程累计 token 用量,以及编辑工具报告已修改的文件

功能

  • 📦 一个可供你审核的结果 — 简洁的 JSON 块:最终答案、status、Codex 的编辑工具报告为已更改的文件、线程累计令牌数,以及用于继续对话的 threadId。不包含没有参考价值的字段。
  • 📋 先制定计划,再在同一线程上执行 — plan 会返回经过架构验证的步骤供你批准,agent 则负责执行。ask 用于回答问题。review 会让 Codex 自带的审查器检查未提交的工作、某个基准分支或单次提交。
  • 🧵 恢复 — 使用 resumeThreadId 继续 Codex 线程。resumed: false 表示上下文未能延续。
  • 🧑‍🤝‍🧑 并行运行多个任务,并妥善取消 — 让多个模型回答同一个问题,或让多个独立工作器在各自的目录中处理独立任务。cancel 会等待进程退出,并在进程运行时间超过终止期限时发出警告。
  • 🤝 一键安装 — Claude Code、GitHub Copilot CLI、Cursor 和 VS Code 可将其作为插件使用,并配有一项技能,教会你的 Agent 如何有效委派任务。Cursor 和 VS Code 可一键安装该服务;JetBrains、Devin Desktop (Windsurf)、Visual Studio 等其他客户端可在设置中添加 stdio 服务。
  • 🩺 doctor — 如果设置不正确,会明确指出缺少的内容。

安装

你需要 Node.js 20+ 和已登录的 OpenAI Codex CLI(codex login)。

Claude Code
/plugin marketplace add andreilungeanu/codex-delegate-mcp
/plugin install codex-delegate@codex-delegate-mcp

然后直接提出请求:

将 src/api 从回调迁移为 async/await,更新测试,然后带我了解所做的更改。交给 Codex 执行。

整个流程就是这样 — Claude 撰写任务说明,Codex 全力处理文件,Claude 再带你查看差异。

Cursor

添加到 Cursor

也可以在侧边栏的 自定义 → MCP 中添加,或添加到 ~/.cursor/mcp.json(适用于每个项目)或 .cursor/mcp.json(仅适用于当前项目):

{
  "mcpServers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

然后像往常一样,请 Cursor 将实现任务委派给 Codex。

GitHub Copilot CLI
copilot plugin install andreilungeanu/codex-delegate-mcp

也可以通过市场安装,方式与 Claude Code 相同:

copilot plugin marketplace add andreilungeanu/codex-delegate-mcp
copilot plugin install codex-delegate@codex-delegate-mcp

仅安装服务,不安装技能:copilot mcp add codex-delegate -- npx -y codex-delegate-mcp。

更多客户端
VS Code — 一键安装,或使用 .vscode/mcp.json

在 VS Code 中安装 在 VS Code Insiders 中安装

{
  "servers": {
    "codex-delegate": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

或者使用此仓库的 URL 运行 Chat: Install Plugin From Source(需要启用 chat.plugins.enabled 设置)。

JetBrains AI Assistant — Settings → Tools → AI Assistant → MCP

在 Settings → Tools → AI Assistant → Model Context Protocol (MCP) 下,点击 Add 并粘贴以下 JSON:

{
  "mcpServers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}
Devin Desktop(原名 Windsurf) — ~/.config/devin/mcp_config.json

此配置适用于 Devin Local,即默认 Agent(Local 3.6+)。在 Windows 上,文件路径为 %APPDATA%\devin\mcp_config.json。旧版 Cascade 和更早的 Windsurf 构建版本会读取 ~/.codeium/windsurf/mcp_config.json。

{
  "mcpServers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

请注意:Devin Desktop 的 Cascade Agent 对所有服务上的工具总数限制为 100 个。

Visual Studio 2026 / 2022 — %USERPROFILE%\.mcp.json
{
  "servers": {
    "codex-delegate": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

Visual Studio 2022 需要 17.14+。请注意,顶层键是 servers,而不是 mcpServers。解决方案目录中的 .mcp.json 会将配置限定于该解决方案。

OpenCode — ~/.config/opencode/opencode.json 或项目中的 opencode.json

OpenCode 不使用 mcpServers。本地服务应放在 mcp 下,使用 type: "local",并将 command 写成一个数组:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "codex-delegate": {
      "type": "local",
      "command": ["npx", "-y", "codex-delegate-mcp"],
      "enabled": true
    }
  }
}

这是 v1 格式,OpenCode v2 仍会读取(v2 的原生格式是 mcp.servers)。

Google Antigravity — ~/.gemini/config/mcp_config.json 或工作区中的 .agents/mcp_config.json
{
  "mcpServers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

在 IDE 中:点击 Agent 面板上的 … → MCP Servers → Manage MCP Servers → View raw config。Antigravity 2.0、IDE 和 CLI 共用 Gemini 配置文件。首次运行时,可能需要批准该服务的工具。

Kilo Code — kilo.jsonc(使用 mcp 键,而不是 mcpServers)

格式与 OpenCode 相同:使用 type: "local",并将 command 写成一个数组。

{
  "mcp": {
    "codex-delegate": {
      "type": "local",
      "command": ["npx", "-y", "codex-delegate-mcp"],
      "enabled": true
    }
  }
}

在 VS Code 扩展中:Settings → MCP → Add Server → Local (stdio)。在 Windows 上,如果找不到 npx,请使用命令 cmd,并将 /c、npx、-y、codex-delegate-mcp 作为参数。

Zed — Settings → AI → MCP Servers,或在 Zed 设置中使用 context_servers
{
  "context_servers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"],
      "env": {}
    }
  }
}

Zed 的原生 Agent 使用此配置,Zed 也会通过 ACP 将这些服务转发给外部 Agent;这些 Agent 也可能读取自己的 MCP 配置。

Kiro 和任何其他 MCP 客户端

将以下服务添加到客户端的 MCP 配置中;对于 Kiro,配置文件为 ~/.kiro/settings/mcp.json(用户级)或 .kiro/settings/mcp.json(工作区级):

{
  "mcpServers": {
    "codex-delegate": {
      "command": "npx",
      "args": ["-y", "codex-delegate-mcp"]
    }
  }
}

MIT © Andrei Lungeanu

配置 · 安全 · 隐私 · 条款 · 更新日志

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。