Codex構造と歴史
コードの断片を生成するモデルから、タスク全体を実行する仕組みへ。
モデル、ツール、コンテキスト、サンドボックスの連携を見てみましょう。
更新日 ・公式資料とソースコード付き
モデルは交換可能。ハーネスがタスクを動かし続けます。
利用画面とモデルを選び、どの層が変わるか確認できます。
プロジェクト別のスレッド管理、編集レビュー、並列作業を提供。実行には同じハーネスを使います。
モデル
Responses API・推論とツール要求
Codex Harness
タスクを実行するコア
実行環境
認可された範囲でのみ動作
- Shellコマンドとテスト
- Git / Filesystemコード、ファイル、差分
- Browserページとアプリ操作
- MCP外部ツールとデータ
2026年9月10日時点で対象の Codex アカウントに提供。CLI は0.153.0以降が必要。 モデルを変えると推論の品質と速度が変わります。ツールと権限は引き続き実行環境が管理します。
Codex はエージェント製品であり、実行システムです。モデルが推論し、ハーネスがコンテキストを整理してツールを実行し、結果を処理します。UI は作業の開始、追跡、レビューを支えます。
エージェントループ：実行し、結果を見て、再び判断
ビルド失敗は終わりではありません。ツールのエラーがモデルの次の入力になります。
- タスクと入力目標、制約、これまでの記録
- コンテキストを構築指示、関連ファイル、ツールの定義
- モデルの判断ユーザーに回答するか、ツール呼び出しを提案
- 権限の確認承認ポリシーとアクセス可能な範囲
- ツールを実行コマンド、ファイル、ブラウザー、MCP
- 結果とフィードバック出力をモデルに戻し、次の処理へ
- 結果を報告変更と検証を説明
目標を記録：移行を完了し、ビルドを検証する。
コンテキストは作業メモリ。スレッドはタスクの記録。
モデルは毎回利用可能なコンテキストを受け取り、クライアントはスレッドとイベントで継続中の作業を表示します。
コンテキスト圧縮
容量の概念図ファイルの読込、差分確認、テスト実行で、モデルが処理すべき内容が増えます。
割合は仕組みの説明用で、実際のトークン上限や圧縮率ではありません。
圧縮後にタスクをどう続ける？
- タスクの方向を保持現在の目標、重要な判断、未解決の問題を次の作業に引き継ぎます。
- 履歴の負荷を減らす長いログや中間手順を毎回そのまま送る必要はありません。
- 精度が必要なら再読込圧縮は完全なアーカイブではありません。正確なコードや最新状態は、ファイルやツールで確認します。
Responses API は、少ないトークンで前の状態を引き継ぐ不透明な圧縮項目を返せます。ここに示した可読な要約とは異なります。
Thread → Turn → Item
- ユーザーのメッセージ
- ツールの実行と出力
- コードの差分
- エージェントのメッセージ
- 新しいユーザーメッセージ
- ツールの実行と検証
- エージェントのメッセージ
Thread は複数の Turn を持ち、各 Turn は一連の Item を持ちます。保存された履歴により、再接続、継続、セッションの分岐が可能になります。
モデルは実際に何を受け取る？
instructionsシステム・開発者の指示とタスクの制約tools利用可能なツールの定義と引数inputユーザーのメッセージ、プロジェクトの情報、ツール呼び出しと出力AGENTS.md は、テストコマンド、コード規約、ディレクトリの説明など、プロジェクトのルールを提供し、タスクのコンテキストに影響します。
API キーモードは Responses API 経由でモデルを呼び出し、ChatGPT ログインは対応する Codex バックエンドを使います。実際のリクエストはプロバイダーとクライアント設定に依存します。
承認は確認の要否を決め、サンドボックスは実行範囲を制限
モデルがツール呼び出しを提案しても、実行ポリシーと環境の制約が適用されます。
拡張：ツールをつなぎ、作業方法を共有
MCP
標準プロトコルでコードホスティング、データベース、業務システムなどの外部ツールとデータを接続。
Skills
指示、資料、スクリプトを再利用できる作業方法としてまとめ、タスクに応じて読み込みます。
Plugins
関連アプリ、Skills、ツール統合を組み合わせ、職種や作業手順に合った構成を提供。
TypeScript の試作から Rust の実行環境へ
ネイティブ実行、ターミナル操作、状態管理、システム分離が CLI の基盤を構成します。
TypeScript + Ink
React Ink でターミナル UI を素早く開発・改善できました。当時は Node.js 22以降が必要でした。
Rust + Ratatui
単体バイナリ、ネイティブなセキュリティ連携、メモリ削減、拡張可能なプロトコルを目指しました。
実行コア
Rust · Tokioエージェントの状態、非同期作業、プロセスの調整。
core / execターミナル UI
Ratatui · Crossterm · Clapターミナル画面を描画し、キー入力と CLI オプションを処理。
tui / cliモデルとの通信
Reqwest · Rustls · WebSocketリクエスト送信、安全な接続、ストリーミング応答の受信。
http-client / backend-clientクライアントプロトコル
Serde · JSON-RPC · JSONLクライアントの要求と実行イベントを構造化メッセージに変換。
app-server / app-server-protocol設定と状態
TOML · SQLite · SQLx設定を読み、一部のローカル状態を保存。スレッド履歴は別のストアを使用。
config / history / rolloutツールとターミナル
rmcp · portable-pty · Tree-sitter外部ツールの接続、子プロセスの制御、コマンド構造の解析。
rmcp-client / utils/pty可観測性
tracing · OpenTelemetry実行イベントを記録し、呼び出しと処理を診断。
otelシステム分離
Seatbelt · bubblewrap · seccompプラットフォームとポリシーに応じてツール実行を制限。Linux には互換性のための Landlock 経路もあります。
core / linux-sandbox項目は Rust ワークスペースと Core 文書に基づきます。上の移行目標は当時の開発方針で、性能ベンチマークではありません。依存関係とモジュール構成はバージョンで変わります。
Codex の年表
Copilot を支えたコードモデルから、ツールを呼び出してタスクを完了するエージェントシステムへ。
19 milestones
- モデル
GPT-6 Astra が Codex に登場
9月10日時点の公式ヘルプは、対象アカウントでの Astra 利用を確認しています。CLI は0.153.0以降が必要です。利用可否はプランとワークスペースの権限によります。
OpenAI Help Center · 元の資料モデルは進化しても、ツールとタスク実行環境は Codex が提供します。
- モデル
GPT-5.6：Sol、Terra、Luna
Sol は複雑な作業、Terra は能力・速度・費用のバランス、Luna は高速で低費用のタスク向けです。コーディング、調査、コンピューター操作を同じモデル系列が担います。
OpenAI · 元の資料「通常の GPT」とコードモデルを分けるより、タスクに合わせて選びます。
- 製品
プラグイン、Sites、知識業務
職種別プラグイン、共有可能な Sites プレビュー、結果への注釈が追加され、分析、デザイン、調査が明確な用途になりました。
OpenAI · 元の資料成果物はコードからレポート、グラフ、対話型ページへ拡大しました。
- 製品
Codex がコンピューターとアプリを操作
デスクトップアプリにバックグラウンドのコンピューター操作、内蔵ブラウザー、画像生成、メモリのプレビュー、プラグインが追加され、自動化と SSH 開発環境の対応も拡大しました。
OpenAI · 元の資料タスクがリポジトリ、ブラウザー、デスクトップアプリを横断します。
- モデル
GPT-5.4：コーディングと汎用能力の統合
主力 GPT モデルが GPT-5.3-Codex のコーディング能力を取り込み、コンピューター操作と知識業務を強化しました。
OpenAI · 元の資料エージェント製品としての Codex と特定のモデル名の違いが明確になりました。
- モデル
Codex-Spark：リアルタイムコーディング
Cerebras ハードウェアを使う研究プレビュー。公開時はテキスト専用、128K コンテキストで、公式には毎秒1,000トークン超と報告されました。
OpenAI · 元の資料長時間タスクに加え、低遅延で素早く編集を繰り返す作業方法が加わりました。
- モデル
GPT-5.3-Codex：コーディングと推論の融合
GPT-5.2-Codex のコーディングと GPT-5.2 の推論・専門知識を組み合わせ、調査、ツール利用、複雑な実行を含む長時間タスクを支援します。
OpenAI · 元の資料同じモデルで、タスクの分析から実装まで進められます。
- エンジニアリング
OpenAI が App Server の構造を公開
共有ハーネス、双方向 JSON-RPC、Thread / Turn / Item データモデルを解説し、ローカルクライアントとクラウドが同じコアに接続する仕組みを示しました。
OpenAI · 元の資料異なる UI が同じ実行ロジックとタスクイベントを再利用できます。
- 製品
Codex App：並列タスクの管理
最初に macOS アプリが登場し、プロジェクトと独立スレッドで複数エージェントを整理。worktree、変更レビュー、Skills、自動化の入口を提供しました。
OpenAI · 元の資料ターミナルでの単一の共同作業から、複数タスクの管理へ広がりました。
- モデル
GPT-5.2-Codex：長時間タスクとコンテキスト圧縮
コンテキスト圧縮、信頼性の高いツール呼び出し、大規模なリファクタリングと移行を強化し、Windows の性能を改善しました。
OpenAI · 元の資料関数の生成から、実際のリポジトリで複雑な作業を完了することへ重点が移りました。
- 製品
Codex が正式提供に
SDK、Slack 統合、管理機能とともに正式提供を開始し、ターミナル、エディター、クラウドの作業を接続しました。
OpenAI · 元の資料チームの作業手順や他のソフトウェアにエージェントを組み込めます。
- モデル
GPT-5-Codex：エージェント向けのコーディングモデル
対話的な編集、自律的な長時間タスク、コードレビューなど実際の開発作業に最適化され、CLI、IDE、クラウドで利用されました。
OpenAI · 元の資料実際のプロジェクトを読み、変更し、テストする過程に学習目標が近づきました。
- エンジニアリング
Codex CLI が Rust への移行を発表
初期の TypeScript / React Ink 実装から Rust への移行が始まり、単体インストール、ネイティブなセキュリティ連携、メモリ削減、拡張可能なプロトコルを目指しました。
OpenAI · GitHub · 元の資料CLI の開発はネイティブなエージェント実行環境へ向かいました。
- 製品
クラウド Codex と codex-1
リポジトリを用意した隔離クラウド環境で、ファイルの読み書き、テスト、PR 作成を行います。codex-1 はソフトウェア開発向けに最適化した o3 の派生モデルでした。
OpenAI · 元の資料開発作業全体を非同期に委任できるようになりました。
- 製品
Codex CLI：エージェントとして復活
o3 と o4-mini とともにオープンソースのターミナルエージェントが公開され、モデルの推論とローカルのコード・コマンド実行を接続しました。
OpenAI · 元の資料目標を渡すと、プロジェクトの調査、コード変更、結果の検証を行えます。
- モデル
初代 Codex API モデルを廃止
code-davinci-001/002 と code-cushman-001/002 が API から廃止されました。旧コードモデルのことで、2025年以降の Codex エージェント製品とは別です。
OpenAI Docs · 元の資料初代のコード補完 API が終了し、後の Codex が名称を再利用しました。
- 製品
Codex API の非公開ベータ開始
自然言語からコードを生成する機能が、API の非公開ベータで開発者に提供されました。
OpenAI · 元の資料コード生成モデルが外部アプリから呼び出せるサービスになりました。
- モデル
Codex 論文と HumanEval
公開 GitHub コードで微調整した GPT モデルを研究し、HumanEval を公開。論文の Codex は28.8%の pass@1 を記録しました。
OpenAI · arXiv · 元の資料生成したプログラムを実行可能なテストで評価しました。
- 製品
GitHub Copilot 技術プレビュー
OpenAI Codex を搭載した GitHub Copilot の技術プレビューが公開され、エディター内でコードを提案しました。
GitHub · 元の資料多くの開発者が IDE 内で初めて Codex を使いました。
2021年の作業単位コードの断片
現在の Codex の作業単位1つのタスク
出典
年表は発表当時の資料を引用しています。構造とモデルの利用状況は2026年9月10日まで確認しています。