Коротко
Codex — это агент для разработки от OpenAI: не автодополнение строк, а исполнитель, которому ставишь задачу словами, а он сам читает репозиторий, правит файлы, гоняет тесты и показывает дифф. В 2026 году правильнее думать про связку Codex App, CLI и IDE-расширения: приложение управляет несколькими агентными потоками, CLI даёт быстрый локальный цикл, а IDE-расширение забирает контекст редактора. Web/background-делегирование есть, но это режим работы внутри продукта, а не отдельная стратегия внедрения. Ниже — что это значит на практике, как настроить и куда он ломается, плюс честное сравнение с Claude Code.
Мы у себя гоняем оба инструмента на разных задачах, поэтому пишем не по чужим обзорам, а по своим прогонам. И сразу предупреждение: доступ из Казахстана и вообще из СНГ не всегда прямой — учитывайте это до того, как заведёте команду под конкретный тариф.
Что такое Codex сегодня
Название Codex сейчас обозначает не одну модель, а агентный продукт с несколькими рабочими поверхностями. В феврале 2026 OpenAI отдельно представила Codex App как командный центр для нескольких агентов, worktree и долгих задач. На практике важны три поверхности:
Источник: официальная страница Codex на OpenAI Developers, снимок публичной страницы: июль 2026.
CLI-агент в терминале — ставите задачу, Codex сам решает, какие файлы открыть, какие команды выполнить, что проверить тестами, и возвращает результат с объяснением. Codex App — место, где удобно держать несколько агентных задач, смотреть диффы, работать с worktree и не смешивать параллельные ветки. IDE-расширение — панель агента рядом с кодом, когда нужен диалог с контекстом открытых файлов.
Смысл в том, что это один рабочий контур, а не россыпь отдельных «ботов». Быструю правку удобно сделать в CLI, несколько параллельных задач держать в приложении, а локальный контекст редактора использовать через расширение.
CLI: как выглядит рабочий цикл
Сейчас самый надёжный старт — поставить Codex CLI по официальной инструкции: установочным скриптом или через npm install -g @openai/codex. Частая ошибка новичков — набрать npm i -g codex без скоупа @openai/. После установки — codex в терминале внутри репозитория, вход через аккаунт ChatGPT или через API-ключ.
Дальше цикл простой: описываете задачу в свободной форме, Codex читает нужные файлы, предлагает план, вносит правки, запускает тесты или линтер, показывает дифф. У CLI есть два слоя контроля:
Sandbox-режим определяет, что агент может делать технически — куда писать, есть ли доступ в сеть. Approval-политика определяет, когда он обязан спросить разрешение — например, при выходе за пределы рабочей директории или при сетевом запросе. Стартовый профиль для разработки без лишнего трения — --sandbox workspace-write --ask-for-approval on-request: Codex читает, правит и гоняет команды в рабочей папке сам, но спрашивает при выходе за её границы.
Если только начинаете — не ослабляйте approval-политику в первую неделю. Посмотрите, какие команды агент пытается выполнить сам, прежде чем разрешать это без вопросов.
AGENTS.md: инструкции, которые не забываются
Аналог CLAUDE.md у Codex — файл AGENTS.md в корне репозитория (или ближе к рабочей директории — так он приоритетнее). Туда пишут то, что иначе агент выясняет заново в каждой сессии: как запускать тесты, какие ветки защищены, какой стиль кода принят, куда нельзя лезть руками.
Без этого файла Codex стартует с чистого листа при каждом запуске: либо разработчик каждый раз повторяет одни и те же ограничения в промпте, либо агент угадывает конвенции по коду — и иногда угадывает неверно. Практика, которая реально работает: когда Codex дважды подряд наступает на одни и те же грабли, попросите его самого сформулировать вывод и дописать AGENTS.md. Через пару месяцев файл превращается в живую документацию, которую читают не только агенты, но и новые разработчики в команде.
Три способа использовать Codex
Быстрая правка в терминале. Опечатка в конфиге, забытый импорт, падающий тест — сформулировали задачу, Codex прочитал контекст, поправил, прогнал тесты, показал дифф. На коротких задачах ценность не в магии модели, а в плотном цикле: задача, правка, проверка, дифф без переключения между браузером, редактором и терминалом.
Параллельная работа в Codex App. Задача поставлена, но её выполнение займёт время — рефакторинг модуля, миграция версии библиотеки, разбор пачки issue из GitHub. Вместо того чтобы смотреть на один терминал, вы держите несколько агентных потоков, каждый в своём контексте и worktree, а результат проверяете как обычный дифф.
Работа в IDE. Расширение показывает агента прямо рядом с кодом — удобно, когда нужен диалог с контекстом открытых файлов, а не полный автономный прогон.
Для команды разумная последовательность — начать с CLI на некритичных задачах, завести AGENTS.md, потом подключить Codex App для параллельных задач, где дифф можно спокойно проверить постфактум. Логика та же, что и при внедрении ИИ-агента для рабочего процесса в других отделах: сначала узкий периметр и ревью каждого шага, потом расширение зоны ответственности.
Что реально ломается
Агент может уверенно переписать код там, где вы ожидали маленькую правку — если задача описана расплывчато. Чем конкретнее промпт (какие файлы трогать, что не трогать, какой тест должен пройти), тем меньше сюрпризов в диффе.
Approval-режим по умолчанию защищает от катастроф вроде случайного rm -rf, но не защищает от логических ошибок — тестов, которые проходят, но проверяют не то. Ревью диффа человеком остаётся обязательным шагом, а не формальностью для галочки. Прежде чем доверять агенту боевые задачи, стоит прогнать его через те же evals, что и любой другой AI-проект: набор реальных кейсов, на которых видно, где модель ошибается стабильно, а не один раз.
Долгие автономные сессии (модель умеет тянуть многочасовые агентные задачи) увеличивают счёт за токены быстрее, чем короткие правки — если не следить за scope задачи, цена не совпадёт с ожиданиями. И для по-настоящему рискованных операций — деплой в прод, изменение продовых баз данных, работа с ключами — стоит явно ограничить sandbox или прописать execpolicy-правила, а не полагаться на то, что модель сама остановится.
Доступ и оплата из Казахстана
Сервисы OpenAI формально недоступны напрямую из некоторых стран СНГ, поэтому для Codex обычно нужен IP-адрес другой юрисдикции (VPN), аккаунт ChatGPT на иностранный номер и подписка, оплаченная зарубежной картой. Это добавляет операционных издержек, которых нет у команд, работающих из США или Европы — учитывайте при выборе инструмента для распределённой команды.
Бюджет на команду планируйте не по числу «задач», а по тому, сколько кода агент реально читает, переписывает и проверяет. Два коротких фикса могут стоить меньше одного расплывчатого запроса «разберись с модулем», который заставит агента обойти половину репозитория.
Codex или Claude Code
Оба инструмента решают похожую задачу: вы ставите инженерную работу текстом, агент читает код, правит файлы и гоняет проверки. Codex удобнее как единый контур App/CLI/IDE, особенно когда нужно вести несколько задач параллельно и не смешивать worktree. Claude Code чаще выигрывает там, где нужен глубокий проход по сложному рефакторингу или фронтенду с высокими требованиями к качеству. На практике разница ощущается не в бенчмарках, а в том, сколько раз приходится переделывать результат.
Мы разбирали этот выбор подробнее в статье Cursor vs Claude Code vs Codex vs Copilot — там именно про выбор инструмента под команду. Отдельно есть материал про Claude Code в команде — там про внедрение, доступы и ROI уже выбранного инструмента. Многие команды, у которых мы это видели, в итоге не выбирают одно решение — держат несколько и переключаются по типу задачи.
Что нужно перед запуском в команде
Прежде чем раздавать лицензии всем, определите три вещи: какие репозитории агенту можно трогать вообще, кто ревьюит PR от агента (живой ревьюер, а не штамп «approve» не глядя), и как считать эффект — не «стало быстрее печатать», а сколько задач закрыто без отката и сколько времени сэкономил ревьюер, а не разработчик.
Если в компании уже используется GPT через API для других процессов, разумно свести решения о доступах и биллинге в одно место, а не заводить отдельный процесс закупки под каждый инструмент. И отдельно стоит подумать про обучение команды: агентный кодинг меняет то, за что отвечает разработчик — не за скорость печати, а за качество постановки задачи и ревью. Это тема для корпоративного обучения ИИ, а не только для раздачи доступов.
FAQ
Codex бесплатный?
Codex доступен через ChatGPT-планы с лимитами и через API-оплату, но для регулярной командной работы всё равно нужен контролируемый платный контур: лимиты, доступы, правила для репозиториев и понимание, кто ревьюит агентные диффы.
Чем Codex отличается от обычного автодополнения в IDE?
Автодополнение дописывает строку, которую вы уже начали печатать. Codex получает задачу целиком, сам решает, какие файлы открыть и что изменить, запускает тесты и возвращает готовый результат — вы проверяете, а не печатаете.
Нужен ли VPN, чтобы пользоваться Codex из Казахстана?
Прямого доступа с местным IP может не быть, поэтому на практике часто нужен IP другой страны, иностранный номер для аккаунта ChatGPT и зарубежная карта для оплаты подписки.
Codex CLI безопасен для рабочего репозитория?
По умолчанию да, если не менять approval-политику в первую неделю: агент читает и правит только рабочую директорию, а для выхода за её пределы или сетевых запросов спрашивает подтверждение. Для по-настоящему рискованных операций стоит явно ограничить sandbox отдельно.
Если решаете, с какого агента начать в команде — не берите инструмент по хайпу в ленте. Возьмите одну реальную повторяющуюся задачу, прогоните через Codex и через Claude Code параллельно на пару спринтов, и сравните не скорость ответа, а сколько раз пришлось переделывать за агентом.