开放AI代码MCP服务器

Name: 开放AI代码MCP服务器
Author: agency-ai-solutions

作者：agency-ai-solutions49 星标更新：2025-04-18

安装使用来源：spider==github.com

项目介绍

openai-codex-mcp

一个用于封装OpenAI Codex CLI工具以供Claude Code使用的MCP服务器。

概述

该项目提供了一个简单的JSON-RPC服务器，允许Claude Code与OpenAI Codex CLI工具进行交互。这使得Claude Code能够在需要时使用OpenAI的模型进行代码生成、解释和问题解决。

视频演示

https://www.loom.com/share/5d9532a79ae24b309af08c1727156f9c?sid=d9277b91-bf8c-43ec-a3c6-dc69fc52e1d2

预备条件

Python 3.12+
OpenAI Codex CLI工具 (npm install -g @openai/codex)
有效的OpenAI API密钥（仅适用于Codex CLI，而非此服务器）

安装和设置

本项目使用PEP-621 pyproject.toml。请按照以下步骤操作：

# 1. 创建并激活虚拟环境
uv venv                     # 创建一个 .venv/ 目录
source .venv/bin/activate   # 在Windows上：.\.venv\Scripts\activate

# 2. 将包和依赖项安装到虚拟环境中
uv pip install .

安装后，codex_server 入口点将在您的PATH中可用。

运行服务器

快速开始

使用提供的设置脚本来自动设置环境并启动服务器：

./setup_and_run.sh

该脚本将执行以下操作：

检查是否安装了 codex CLI
如需创建Python虚拟环境
如果可用，通过Claude CLI安装MCP工具
启动MCP服务器

手动启动

如果您希望手动启动服务器，请执行以下步骤：

确保Codex CLI已安装并正确配置了您的OpenAI API密钥。
启动服务器：
```
codex_server
```
或者直接使用uvicorn：uvicorn codex_server:app

与Claude Code集成

一旦您的MCP服务器运行起来，您可以使用以下任一方法将其注册到Claude Code：

方法1：使用Claude CLI（推荐）

仓库中包含一个可以直接使用Claude CLI安装的配置文件：

# 直接从JSON配置安装MCP工具
claude mcp add /path/to/openai_codex_mcp.json

# 验证工具是否正确安装
claude mcp list

方法2：通过UI手动配置

您也可以手动注册该工具：

在Claude Code中导航至设置 → 工具 → 管理MCP工具。
创建一个新的工具：
- 名称：openai_codex
- 描述：通过MCP服务器集成OpenAI Codex CLI
- 基础URL：http://localhost:8000/
- 协议：JSON-RPC 2.0
- 认证：留空
保存工具。

现在，Claude Code可以使用OpenAI Codex CLI工具来完成需要不同视角或方法的任务。您可以通过请求Claude使用OpenAI模型来完成特定任务来调用它。

API使用

MCP服务器提供了多种方法来与OpenAI的模型交互，以完成不同的编码任务。

方法1：通用完成

对于灵活的自定义提示到OpenAI：

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "codex_completion",
       "params": {
         "prompt": "编写一个JavaScript函数，按属性值对对象数组进行排序",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法2：编写代码

专门用于代码生成的方法，带有语言指定：

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "write_code",
       "params": {
         "task": "计算前100个斐波那契数，并以数组形式返回它们",
         "language": "python",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法3：解释代码

专门用于代码解释的方法：

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "explain_code",
       "params": {
         "code": "def quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[len(arr) // 2]\n    left = [x for x in arr if x < pivot]\n    middle = [x for x in arr if x == pivot]\n    right = [x for x in arr if x > pivot]\n    return quicksort(left) + middle + quicksort(right)",
         "model": "o4-mini"
       },
       "id": 1
     }'

方法4：调试代码

专门用于查找和修复错误的方法：

curl -X POST http://localhost:8000/ \
     -H 'Content-Type: application/json' \
     -d '{
       "jsonrpc": "2.0",
       "method": "debug_code",
       "params": {
         "code": "function fibonacci(n) {\n  if (n <= 0) return [];\n  if (n === 1) return [1];\n  let sequence = [1, 1];\n  for (let i = 2; i <= n; i++) {\n    sequence.push(sequence[i-2] + sequence[i-1]);\n  }\n  return sequence;\n}",
         "issue_description": "它生成了一个多余的斐波那契数",
         "model": "o4-mini"
       },
       "id": 1
     }'

可用模型

推理模型（O系列）

o4-mini：更快、更经济的推理模型
o3：最强大的推理模型
o3-mini：o3的小型替代模型
o1：之前的全系列推理模型
o1-mini：o1的小型替代模型
o1-pro：具有更多计算能力以获得更好响应的o1版本

GPT模型

gpt-4.1：旗舰GPT模型，适用于复杂任务
gpt-4o：快速、智能、灵活的GPT模型
gpt-4.1-mini：平衡了智能、速度和成本
gpt-4.1-nano：最快的、最具成本效益的GPT-4.1模型
gpt-4o-mini：快速、经济的小型模型，适用于专注任务

可用参数

通用完成（codex_completion）

prompt（必需）：发送给Codex的提示
model（可选）：要使用的模型（例如，“o4-mini”，“o3”，“gpt-4.1”，“gpt-4o-mini”）
images（可选）：要包含的图像路径或数据URI列表
additional_args（可选）：传递给Codex的其他CLI参数

编写代码（write_code）

task（必需）：编码任务的描述
language（必需）：解决方案的编程语言（例如，“python”，“javascript”，“java”）
model（可选）：要使用的模型

解释代码（explain_code）

code（必需）：要解释的代码
model（可选）：要使用的模型

调试代码（debug_code）

code（必需）：要调试的代码
issue_description（可选）：问题或错误的描述
model（可选）：要使用的模型

使用Claude Code的示例

一旦配置好，您可以请求Claude使用OpenAI Codex来完成特定任务，使用任何可用的方法：

使用write_code方法

用户：你能使用OpenAI Codex编写一个生成质数的Python函数吗？

Claude：我将使用OpenAI Codex的write_code方法来生成那个函数。

[Claude会使用write_code方法，任务是“编写一个生成质数的Python函数”，语言是“python”]

使用explain_code方法

用户：你能请求OpenAI Codex解释这个快速排序算法是如何工作的吗？

Claude：我将使用OpenAI Codex来解释这个算法。

[Claude会使用explain_code方法，提供代码]

使用debug_code方法

用户：我的JavaScript函数有一个bug。你能使用OpenAI Codex来调试它吗？

Claude：我会请求OpenAI Codex找到并修复你的代码中的bug。

[Claude会使用debug_code方法，提供代码]

指定模型

用户：你能使用OpenAI Codex和o4-preview模型来编写一个高效的二叉搜索树实现吗？

Claude：我将使用o4-preview模型来生成那个实现。

[Claude会使用指定的模型和适当的方法]

这使您能够在同一界面中无缝利用Claude和OpenAI的能力，针对常见编码任务有专门的方法。