企业官网建设流程全解析

ChatGPT 负责思考，Codex 负责干活？从源码读懂 Codex with ChatGPT（系列导读）

系列说明：本文是对社区开源项目 XiaoDuoYa/codex-with-chatgpt 的技术解读，非 OpenAI 官方教程、非该项目维护者发布的文档。研究基于 2026-10-22 可访问的main分支；分支内容会变化，建议阅读时核对具体 commit。
证据标记：[源码]表示能从对应源文件确认；[文档]是项目约定；[推断]为技术分析；[建议]为改进方案，不能误当作已经实现的能力。文中命令和请求示例若未专门注明，均为教学示例，并非实际执行结果。

推荐 CSDN 标签：CodexChatGPTMCPAI AgentTypeScript

摘要：Codex with ChatGPT 不是一个新模型，而是把 Codex 的工程执行能力、ChatGPT 网页推理能力和只读 MCP Bridge 组合起来的社区实验。这个系列从架构、Skill、浏览器控制、MCP、OAuth、状态机到安全审计，沿源码解释其设计取舍、运行边界和风险。

为什么值得研究

普通开发者可能已经分别使用 ChatGPT 做需求规划、用 Codex 改代码和运行测试，但需要手工在两个界面复制消息和文件。Codex with ChatGPT 尝试让 Codex 在浏览器中与 ChatGPT 交换简短任务消息，再通过 MCP 让 ChatGPT 按需读取本地代码、Diff 和测试记录。

项目口号是ChatGPT thinks. Codex works.它的技术意义不是“两个 AI 一起回答问题”，而是把控制流与数据流分开，并通过任务状态、执行证据和恢复规则构造多轮协作闭环。

系列的七篇正文

推荐阅读顺序：初学者按 01→07 阅读；有 Node.js/MCP 基础的读者可从 04 开始；关注可靠性与安全的读者先看 06、07。

用一张图理解

这张图强调两个误区：ChatGPT 模型不是在本地浏览器里运行的；MCP 允许读取某些本地文件，也意味着相应内容可能被传输给云端模型，并经过隧道服务商的网络。

学习范围与安全提醒

本系列专注于开源项目本身，不涉及特定商业工程或自建平台方案。所有具有破坏性或安全敏感性的测试，应只在自建测试仓库、回环地址及经过授权的环境中进行。

另外，技术可实现 ≠ 服务条款允许。OpenAI 个人服务条款禁止程序化提取服务输出。浏览器操作 ChatGPT 网页的方案有条款风险；本系列是技术分析，不建议将该路径用于未经授权的生产自动化。详见 OpenAI Terms of Use。

原始资料

• GitHub 仓库
• 架构文档
• 协议文档
• Skill

版权与引用：本文为独立整理与分析，引用项目名称、接口名称和少量必要代码片段以解释技术原理；原项目的代码许可证为 MIT。本文不代表原作者或 OpenAI 的立场。转载请保留原项目地址及本文出处。

系列导航：参见同一系列的「导读」及其他章节。
【Codex with ChatGPT 源码学习①】整体架构：为什么要分离控制平面与数据平面？