Tracks
OpenAI の Codex は ChatGPT 内で動作するコーディングエージェントです。英語でタスクを説明すると、Codex は専用のサンドボックスで作業を進め、完成した変更をレビュー可能なプルリクエストとして返してくれます。ときどきの補完ではなく、日々のエンジニアリング作業を肩代わりするために作られています。
このチュートリアルでは、プロの開発者でなくても、ChatGPT 内の Codex を使って GitHub リポジトリで実際に作業する手順を紹介します。以下のことを行います。
- コード修正を適用し、プルリクエストを作成する。
- コードベース内の複雑な関数を説明する。
- Q&A 形式のプロンプトからバグを特定して解決する。
この過程で、Codex が安全なサンドボックスで動作し、ChatGPT から離れずに検証可能な変更を生成する様子がわかります。
要点まとめ(TL;DR)
-
OpenAI Codex はクラウドベースのソフトウェアエンジニアリングエージェントで、ChatGPT(Plus、Pro、Team、Enterprise プラン)内で利用できます
-
Codex を GitHub リポジトリに接続し、バグ修正、パッチ適用、テスト生成、コードの説明などのタスクを割り当てます
-
各タスクは分離されたサンドボックスで実行され、マージ前にレビューできるプルリクエストが開かれます
-
AGENTS.mdファイルでコーディング規約を定義し、すべてのタスクで Codex に順守させます -
Codex は Codex CLI によりターミナルでも、また VS Code 拡張としても動作します
OpenAI の Codex とは?
OpenAI Codex は、コードの作成・編集、テストの実行、バグ修正、プルリクエストの提案まで行えるクラウドベースのソフトウェアエンジニアリングエージェントです。各タスクは独立したサンドボックス環境で実行されます。
Codex は OpenAI の最新フロンティアモデルによって動作し、安全性、テスト容易性、生産性を重視して設計されています。AGENTS.md ファイルで Codex をガイドしたり、ChatGPT のサイドバーから直接操作したりできます。
また、Codex CLI を使えば、これらの機能をターミナルに直接持ち込むこともできます。
Codex のアクセス方法(概要):
| Method | Where | Best for |
|---|---|---|
| ChatGPT sidebar | chatgpt.com | GitHub 連携のタスクキュー(本チュートリアル) |
| Standalone Mac app | chatgpt.com/codex | リッチなインターフェース、自動化、プラグインコネクタ |
| VS Code extension | VS Code marketplace | エディタ内でのタスク委任 |
| Codex CLI | Terminal | スクリプト化されたワークフロー、CI 連携 |
OpenAI の Codex をセットアップする
Codex のセットアップは数分で完了します。以下の手順で始めてください。
ステップ 1:Codex ツールの場所を確認
まず ChatGPT にログインします。左側のツールバーで Codex を探してください。ローンチ当初は ChatGPT Pro、Business、Enterprise ユーザーに展開されましたが、現在はすべてのプランに含まれています(Free と Go はアクセスが大幅に制限されています)。

ステップ 2:Codex の開始
Codex をクリックすると、初期設定用の別タブが開きます。「Get Started」をクリックし、次のステップの認証手順に従ってください。

ステップ 3:多要素認証(MFA)
「Set up MFA to continue」をクリックし、お好みの認証アプリ(Google Authenticator や Authy など)で QR コードをスキャンします。コードを入力して確認すれば完了です。

ステップ 4:GitHub に接続
多要素認証が完了したら、Codex を GitHub に接続します。

ステップ 4.1:GitHub コネクタの承認
「Connect to GitHub」をクリックすると、GitHub コネクタの承認用ポップアップが表示されます。内容を確認し、Authorize を実行します。

ステップ 4.2:GitHub アカウントの追加
GitHub の接続ができたら、アカウントを追加します。GitHub organization タブで「Add a GitHub account」を選択します。


すると「Install and Authorize」のポップアップが表示されます。Authorize をクリックすると、ChatGPT の画面にすべてのリポジトリが表示されます。特定のリポジトリだけを承認することもできます。

ステップ 4.3:環境の作成
作業したいリポジトリを選び、「Create environment」をクリックします。

次に「Data Controls」に移動します。Codex は現在も積極的に開発中で、モデル改善のためのデータ利用を許可するオプションが表示される場合があります。無効にして続行できます。

これで環境の準備が整い、探索を開始できます。Codex では、あらかじめ用意されたタスクを並行して開始することができます。

「Start tasks」をクリックするだけで、要件に応じてタスクを選ぶこともできます。これにより、質問をしたり、エージェントに機能の実装を依頼したりできるインターフェースに移動します。


すべてのタスクが準備できたら、取り組みたいタスクを選ぶか、複数タスクを並行して進めてください。
ステップ 5:AGENTS.md ファイル(任意)
AGENTS.md は、Codex プラットフォームでの利用を想定して OpenAI が導入した特別な構成ファイルで、コードベース上で作業する AI エージェントをガイドするためのものです。AI のチームメイト向け開発者マニュアルのような位置づけで、README.md に似ていますが、自律エージェント向けの指示に特化しています。以下は AGENTS.md の例です。
# AGENTS.md
## Code Style
- Use Black for Python formatting.
- Avoid abbreviations in variable names.
## Testing
- Run pytest tests/ before finalizing a PR.
- All commits must pass lint checks via flake8.
## PR Instructions
- Title format: [Fix] Short description
- Include a one-line summary and a "Testing Done" section
Codex がコードベースでタスクを実行すると、次のように動作します。
AGENTS.mdのうち、変更対象ファイルにスコープが含まれるものを検索します。- それらのファイルの指示に従って、変更のフォーマット、テスト、ドキュメント化を行います。
- 複数のファイルが該当する場合は、より深い階層の指示を優先します(カスケード型の設定のように)。
ツールや API をまたいで実行まで行うシステムの全体像については、OpenAI Agents SDK チュートリアルをご覧ください。
OpenAI の Codex:3 つの実用例
ここでは、私があるリポジトリで試した 3 つの例を通じて、Codex が実開発でどのように役立つかを見ていきます。
例 1:基本的な修正とタイプミス
Codex は、1 件のリクエストを同一ワークスペース内でサブタスクに分割することがあります。たとえば、タイプミスの修正、README の改善、テストの作成などです。


初回レビューに基づいて既存タスク内で新しいタスクを開始したり、既存コードベースへの変更を依頼したり、テキストボックスから質問したりできます。タスクの拡張や新たな修正を行うには、「Code」をクリックしてサブタスクを開始します。

変更に満足したら「Push」をクリックします。新しいプルリクエストが作成され、数秒後に「View Pull Request」をクリックしてアクセスし、main にマージできます。
例 2:コードベースの解説
次に、編集を伴わないタスクとして、コードベースの探索と次にできることの確認に Codex を使いました。新しいプロジェクトに参加したときの素早いオンボーディングや、特定の関数の動作理解に行き詰まったときに特に有用です。

Codex はプロジェクトをナビゲートし、コードベースの構造を初心者にもわかりやすく整理して提示しました。単なるファイル一覧ではなく、目的別にグループ化して示してくれます。
qwen3_demo.pyがメインスクリプトであり、推論モード切替用と多言語翻訳用の 2 つの Gradio ベース UI を起動することを指摘。qwen3_demo.ipynbを対話的なノートブックの代替として特定。test_qwen3_demo.pyはユニットテスト、README.mdはドキュメントと動画ガイドである点を指摘。
さらに、依存関係(Ollama CLI)、_run_ollama 関数の役割、インターフェース拡張のコツなど「押さえておくべき要点」も列挙。モデルのバージョン管理の検討、UI 改善、エラーハンドリング追加といった次の一手も提案してくれました。
例 3:バグの発見と修正
Codex はコードベース全体をスキャンし、バグを特定して修正案を提示し、変更のプレビューも示せます。このプロセスは GitHub 上のコードレビューに近いものです。

「Logs」をクリックすると、変更の背後で行われた処理を理解するためのログを確認できます。

Codex は、作成・変更されたファイルとともに、行った変更のサマリーを返します。変更点について質問したり、現在の実装を強化するための新しいコードの作成を依頼することも可能です。


コード修正に満足したら、「Push」と「Create New PR」をクリックして新しいプルリクエストを作成します。

数秒後に「View Pull Request」をクリックすれば、プルリクエストにアクセスして main にマージできます。

Codex なら、数クリックで変更をマージできます。


変更は数秒でメインブランチに反映されます。

Codex が重要な理由
Codex は受動的なコードジェネレーターではなく、協調的なエージェントです。作成、リファクタリング、テスト、デバッグ、説明のいずれも依頼でき、各ステップのターミナルログ、出典、出力を示してくれます。
実際に感じたメリットは次のとおりです。
- タスクは追跡・検証可能。
- Codex は並行実行できるため、複数の変更をキューに積める。
AGENTS.mdで規約を設定していれば、開発環境の慣習を尊重する。- 人間の PR 基準に沿い、CI テストも通過可能。
個人的には、OpenAI がソフトウェアエンジニアリングのインターンをリリースした感覚です。
まとめ
Codex がバグ修正、機能パッチの適用、コードロジックの説明を行いながら、プルリクエストの生成、テストの実行、ターミナルログや diff による根拠提示までこなすことを学びました。
このハンズオン解説は、レガシーコードのデバッグ、新規リポジトリへのオンボーディング、保守タスクのトリアージなど、日々の開発ワークフローを Codex がどう改善できるかを示しています。
Codex の進化に伴い、IDE、CI パイプライン、タスクプランナーとの連携がさらに深まり、あらゆるエンジニアリング業務にとって実用的な追加要素になると期待しています。Codex の詳細は公式リリースブログを参照してください。例もOpenAI の YouTube チャンネルで見つかります。
OpenAI のエンジニアリング向けモデルとツールをさらに深く学ぶには、次のブログをおすすめします。
FAQs
Codex は ChatGPT と何が違いますか?
はい。Codex はソフトウェアエンジニアリングに特化したエージェントで、Git リポジトリ内でのタスク実行に最適化されています。
Codex をインストールする必要はありますか?
ChatGPT アプリ内で使う場合、Codex のインストールは不要です。ただし、ターミナルで使用するには Codex CLI のインストールが必要です。
OpenAI の Codex は安全ですか?
Codex は安全で分離されたコンテナ内で実行されます。デフォルトではタスク実行中のインターネットアクセスはありませんが、環境ごとに許可ドメインと許可 HTTP メソッドで制限しつつ、任意で有効化できます。
どの ChatGPT プランに Codex が含まれますか?
Codex は ChatGPT の Free、Go、Plus、Pro、Business、Edu、Enterprise の各プランに含まれますが、Free と Go のアクセスは大幅に制限されています。最新の料金と提供状況は openai.com/chatgpt/pricing をご確認ください。
OpenAI Codex と GitHub Copilot の違いは?
GitHub Copilot は IDE 内でタイプ入力中のコードをインライン補完します。一方 Codex は、割り当てた作業をこなすタスクベースのエージェントです。Copilot はコーディングを速くし、Codex は(バグ修正、テスト実行、PR 作成などの)複数ステップのタスクをサンドボックス環境で自律的に実行します。両者は代替ではなく相補関係にあります。
Codex はどのプログラミング言語をサポートしていますか?
Codex は GitHub リポジトリで使用している任意の言語に対応します。既存のコードベースの文脈を読み取り、プロジェクトの慣習に合わせます。Python、JavaScript、TypeScript、Go、Rust、Ruby などが良好にサポートされています。特にオープンソースの学習コーパスが大きい言語で性能が高い傾向があります。