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
- 01委派实现给 OpenAI Codex CLI
- 02先生成计划并按批准步骤实施
- 03审查未提交更改、分支或提交
- 04续接 Codex 会话
- 05并行运行与取消任务
- 06返回结构化结果和变更文件
适用场景
- 01将多文件实现任务交给 Codex
- 02审阅 Codex 修改的差异
- 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。
工具
3收录的工具列表 · 更新于 1 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| fast | boolean | 否 | Codex 快速模式;消耗更多额度。 |
| mode | enum | 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 |
| spec | string | 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。 |
| model | string | 否 | Codex 模型 ID。doctor deep:true 会列出所有 ID。 |
| timeoutMs | integer | 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。 |
| webSearch | boolean | 否 | Codex 内置的网页搜索。 |
| workspace | string | 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。 |
| reviewTarget | any | 否 | review 模式下必填;其他模式下禁止:uncommitted、基础分支或提交。 |
| resumeThreadId | string | 否 | 继续使用的线程。复用其工作区。不得与 review 同时使用。 |
| reasoningEffort | string | 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。
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。

🧠 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。


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
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
{
"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
评论
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。