Codex CLI

可以用。Codex CLI 用的是 OpenAI Responses API，proxy 在 <base_url>/responses 提供；用 Codex 模型時，行為和直接連 OpenAI 一樣，只是多了 proxy 的帳號池、容錯移轉和紀錄。

這一頁講的是把 Codex CLI 當成客戶端。把 Codex 當成供應商，也就是讓你的 ChatGPT 訂閱以 codex/<model> 出現，是在 Providers 頁面連接。

用 CLI 設定

先裝好 kano-proxy CLI：

console

$ kano-proxy login                      # 每台機器一次
$ kano-proxy agent setup codex

選預設模型、它的 reasoning effort，以及這個模型背後依序由 proxy 上哪些模型回答。任何供應商都可以。第一個負責回答，它被暫停或額度用完時，由後面的依序接手。
CLI 會建立名為 codex-cli 的模型群組，建立一把以這台機器命名的 API key，編輯 ~/.codex/config.toml，再從你安裝的 Codex 產生 ~/.codex/kano-models.json。config.toml 裡原有的設定和註解都會保留。
啟動 codex。

CLI 和手動設定有什麼不同

群組裡的模型名稱是原本的 id（gpt-5.6-sol，不是 codex/gpt-5.6-sol），所以不用改名，Codex 自己的目錄資料就能直接對上。目錄的產生方式和下面的腳本相同，但不需要 jq。群組的說明見 Groups。

要還原設定，或查看 CLI 管理了哪些項目，見設定 agent。

手動設定

三步：寫設定、產生模型目錄、啟動 codex。

1. 設定

在 ~/.codex/config.toml 加一個 provider 並選用它。模型 id 只是範例，請換成你 Models 頁面上的 id。

toml

model = "codex/gpt-5.6-sol"
model_provider = "kano"
model_reasoning_effort = "high"          # 只是預設，之後用 /model 改
model_catalog_json = "kano-models.json"  # 第 2 步產生，相對於 ~/.codex

[model_providers.kano]
name = "Kano Proxy"
base_url = "https://<your-domain>/openai/v1"
experimental_bearer_token = "<your-api-key>"
wire_api = "responses"

model_catalog_json 和 model_reasoning_effort 要放在 [model_providers.kano] 上面。它們是頂層的 key，寫在 table 標題下面就會變成那個 table 的欄位，然後被忽略。

其他寫法

不想把 key 寫在檔案裡，就把 experimental_bearer_token 換成 env_key = "KANO_PROXY_API_KEY"，再在 shell 匯出 KANO_PROXY_API_KEY=<your-api-key>。~/.codex/auth.json 只給 Codex 自己的 OpenAI 登入用，自訂 provider 不會讀。
目前的 Codex 版本只接受 wire_api = "responses"。
也可以用群組端點：base_url 設成 https://<your-domain>/g/<group-slug>/openai/v1，model 填群組裡的名稱。

2. 模型目錄

執行對應系統的腳本，它會寫出 ~/.codex/kano-models.json。Codex 升版後要重跑一次。

macOS / LinuxWindows

bash

codex debug models --bundled | jq '{models: [ .models[]
  | select(.visibility == "list")
  | .slug = "codex/" + (.slug | sub("^codex/"; ""))
  | .supported_reasoning_levels |= map(select(.effort | IN("low","medium","high","xhigh")))
  | .default_reasoning_level |= (if IN("low","medium","high","xhigh") then . else "medium" end)
]}' > ~/.codex/kano-models.json

powershell

$catalog = (codex debug models --bundled | Out-String) | ConvertFrom-Json
$keep = "low", "medium", "high", "xhigh"
$models = foreach ($m in $catalog.models) {
  if ($m.visibility -ne "list") { continue }
  $m.slug = "codex/" + ($m.slug -replace "^codex/", "")
  $m.supported_reasoning_levels = @($m.supported_reasoning_levels | Where-Object { $keep -contains $_.effort })
  if ($keep -notcontains $m.default_reasoning_level) { $m.default_reasoning_level = "medium" }
  $m
}
$json = @{ models = $models } | ConvertTo-Json -Depth 64
[IO.File]::WriteAllText("$HOME\.codex\kano-models.json", $json)

新版 macOS 內建 jq；Linux 請用套件管理器安裝。

為什麼 Codex 需要自己的目錄

Codex 的 /model 選單和每個模型的資料（context window、effort 等級、instructions）都來自一份目錄。內建的目錄認得 gpt-5.6-sol，不認得 codex/gpt-5.6-sol。沒有自己的目錄時，proxy 的 id 都算未知模型：它會用 fallback 設定執行、不會出現在選單裡，effort 甚至可能根本沒送出去（openai/codex#30697）。

腳本會複製你這版 Codex 內建的目錄，只留 Codex 自己會列出的模型，每個 slug 加上 codex/ 前綴，effort 等級只留 proxy 接受的。instructions、工具和 context window 都和 Codex 原本的一樣。

3. 啟動

bash

codex

在 TUI 裡輸入 /model 會列出你的 proxy 模型，選好模型再選 effort。選擇會寫回 config.toml，下次啟動直接沿用，不用加任何參數。臨時換模型仍可用 codex --model <id>。

你能用哪些模型，取決於你連接了哪些帳號。Models 頁面或 GET https://<your-domain>/openai/v1/models 才是即時清單，目錄只決定選單顯示什麼。

推理強度

Codex 模型最高到 xhigh：送 max 時，proxy 會先降成 xhigh 再轉給上游。minimal 和 ultra 會被拒絕。每個供應商的上限見端點與模型 id。

使用其他模型

Models 頁面上的任何 id 都能當 Codex 的模型，例如 claude-code/claude-opus-5，或自訂端點的 <slug>/<model>。proxy 會即時轉換 Responses 請求和串流。

要讓它出現在選單裡：

在 kano-models.json 複製一個產生好的項目。
把 slug 改成 proxy 的 id。
改好這個模型的 display_name、context_window 和 max_context_window。

複製來的 instructions 要保留。沒有 base_instructions 或 model_messages.instructions_template 的項目，啟動時會被拒絕。

用非 Codex 模型時會有這些差別：

未知模型警告。 目錄裡沒有這個模型時，Codex 啟動會印出 Model metadata for "<id>" not found. Defaulting to fallback metadata。這不影響使用：Codex 會改用通用設定（272k context window、一般 function tools）照常執行。
Claude 模型的 prompt cache。 用 claude-code/... 模型時，proxy 會自動加上 Anthropic 的 cache_control 斷點，因為 Codex 的格式表達不了。每一輪工具呼叫都會從快取讀到上一輪。從同一個 session 的第二個請求開始，Logs 頁面就會顯示 cache read token。
網頁搜尋。 Codex 每個請求都會帶上它的託管 web-search 工具。用 Codex 模型時會直接轉過去，可以正常使用。用其他模型時，proxy 會換成一個替代工具，告訴模型這裡不能搜尋網頁。模型若還是呼叫，Codex 會回 unsupported call: web_search 給模型，這一輪繼續進行。在設定檔加上 web_search = "disabled" 就能完全拿掉這個工具。
子代理、計畫、目標。 Codex 自己的工具（exec_command、spawn_agent、update_plan 等）都是一般的 function tools，每個模型都能用。

確認可用

執行 codex debug models。它不送請求，直接印出 Codex 會用的目錄：codex/gpt-6-astra、codex/gpt-5.6-sol 等，各自附上 context window 和 effort 等級。
啟動 codex 並送出一則訊息。幾秒內 Logs 頁面就會出現這筆請求。

限制

不支援 previous_response_id、已儲存的回應和遠端 compaction。Codex 對自訂 provider 本來就不會用到這些。
網頁搜尋以外的託管工具都不支援，而網頁搜尋也只有 Codex 模型能用。

查證來源

Codex CLI 0.150.1，2026-09-04 對本機端點錄下的請求。目錄腳本和 codex debug models 以 Codex CLI 0.154.0 於 2026-09-13 在 macOS 驗證；PowerShell 版依同樣邏輯寫成，未在 Windows 上執行過。設定文件：learn.chatgpt.com。

Codex CLI ​

用 CLI 設定 ​

手動設定 ​

1. 設定 ​

2. 模型目錄 ​

3. 啟動 ​

推理強度 ​

使用其他模型 ​

確認可用 ​

限制 ​

查證來源 ​