OpenAI Codex

OpenAI Codex ist der Coding-Agent von OpenAI und begegnet Entwicklern an mehreren Stellen: als Kommandozeilenprogramm im Terminal, als Erweiterung für Editoren wie Visual Studio Code, Cursor und Windsurf, als Desktop-App und als webbasierter Agent innerhalb von ChatGPT. Laut Anbieter versteht Codex Aufgaben in natürlicher Sprache, liest und verändert Dateien in einem Projekt, führt Befehle aus und liefert am Ende nachvollziehbare Änderungen, die sich prüfen und übernehmen lassen. Die Kommandozeilenvariante ist quelloffen und steht unter der Apache-2.0-Lizenz; das öffentliche GitHub-Repository gehört mit weit über hunderttausend Sternen zu den meistbeachteten KI-Coding-Projekten und wird aktuell täglich weiterentwickelt.

Die Varianten im Überblick

Die Codex CLI ist die lokale Variante: Sie läuft auf dem eigenen Rechner, arbeitet direkt im ausgewählten Projektordner und eignet sich für alle, die ihren Workflow ohnehin im Terminal haben. Die IDE-Erweiterung bringt denselben Agenten in den Editor, sodass Vorschläge und Änderungen neben dem eigenen Code erscheinen. Die Desktop-App bündelt mehrere Aufgaben, ein integriertes Terminal und Git-Worktrees an einem Ort. Die Web-Variante unter chatgpt.com/codex führt Aufgaben in einer Cloud-Umgebung aus, was sich für länger laufende oder parallele Aufträge anbietet, ohne den eigenen Rechner zu belasten.

Installation und Anmeldung

Die CLI lässt sich laut Repository per Installationsskript, über npm, über Homebrew oder als vorkompiliertes Programm von der GitHub-Releases-Seite einrichten; unter Windows steht ein PowerShell-Weg bereit. Nach der Installation startet man den Agenten mit dem Befehl codex. Für die Anmeldung gibt es zwei Wege: Entweder man meldet sich mit seinem ChatGPT-Konto an und nutzt die in seinem Plan enthaltenen Kontingente, oder man hinterlegt einen eigenen API-Schlüssel und rechnet die Nutzung nach den regulären API-Konditionen ab. Mit API-Schlüssel sind laut Dokumentation die CLI, das SDK und die IDE-Erweiterung nutzbar, die Cloud-Funktionen dagegen nicht.

Sicherheit, Sandbox und Freigaben

Ein zentrales Merkmal von Codex ist der kontrollierte Umgang mit Rechten. Befehle laufen in einer Sandbox, und über Freigabe-Modi legt man fest, wie selbstständig der Agent handeln darf: von der Bestätigung jeder einzelnen Aktion bis zu weitgehend automatischen Abläufen innerhalb der Sandbox. Dadurch lässt sich die Balance zwischen Tempo und Kontrolle je nach Projekt und Vertrauensniveau einstellen. Für Organisationen nennt der Anbieter zusätzlich automatisierte Prüfungen und rollenbasierte Profile.

Erweiterbarkeit: AGENTS.md, MCP und Skills

Projektspezifisches Verhalten beschreibt man in einer Datei namens AGENTS.md, in der etwa Build-Befehle, Konventionen oder Tabus für das Repository festgehalten werden. Über das Model Context Protocol bindet Codex externe Werkzeuge und Datenquellen an, und mit Skills lassen sich wiederkehrende Abläufe als wiederverwendbare Bausteine bündeln. Wer bereits MCP-Server aus dem Skill-Road-Katalog nutzt, kann sie dadurch auch mit Codex verwenden.

Preise und Pläne

Codex ist laut Anbieter in allen ChatGPT-Plänen enthalten, vom kostenlosen Einstieg über die Einzelpläne bis zu Business, Enterprise und Education; die Kontingente unterscheiden sich je nach Plan, bei einigen Plänen gelten rollierende Zeitfenster. Wer lieber nach Verbrauch zahlt, nutzt einen API-Schlüssel. Aktuelle Konditionen stehen auf der offiziellen Preisseite des Anbieters und ändern sich erfahrungsgemäß häufig, deshalb nennt Skill Road hier bewusst keine Beträge.

Für wen sich Codex eignet

Codex passt zu Entwicklerinnen und Entwicklern, die einen Agenten im Terminal bevorzugen, die Möglichkeit zu Sandbox und Freigaben schätzen und ohnehin im OpenAI-Umfeld arbeiten. Teams profitieren davon, dass dieselbe Konfiguration über AGENTS.md in CLI, IDE und Cloud wirkt. Wer ein vollständig modellunabhängiges Werkzeug sucht, findet im Katalog Alternativen wie Cline; wer vor allem Chat und Recherche braucht, ist mit ChatGPT selbst oft besser bedient. Für den Einstieg genügt es, die CLI zu installieren, sich anzumelden und eine kleine, klar umrissene Aufgabe in einem Testprojekt zu stellen.