GPT-5.5 发布后我分别试了普通版和 Pro。感受很直接——普通版已经够强,但 Pro 在复杂规划和任务拆解上明显更稳,回答也更克制。
可惜的是,Codex 里暂时还不能直接选 GPT-5.5 Pro。
这就有点尴尬了:Pro 很会想,但不能操作本地项目;Codex 能改代码跑测试,但复杂任务的规划未必有 Pro 那么扎实。
最近有人在 Codex 黑客松上做了个开源项目 CodexPro,正好把这两边接了起来。
项目地址: https://github.com/rebel0789/codexpro
它通过 ChatGPT 的 Developer Mode 和 MCP,把本地仓库暴露给 ChatGPT。GPT-5.5 Pro 负责读项目、分析需求、拆解任务,把计划写进仓库,最后交给 Codex 执行。
说白了,一个负责想清楚,一个负责干活。 而且 Codex 和 ChatGPT 的额度是独立计算的——Pro 规划用的是 ChatGPT 的额度,Codex 执行用的是 Codex 的额度,两边都不浪费。对 Codex 用户来说,平时 ChatGPT 聊天用不完的额度,正好拿来做项目规划。
安装只需要两条命令:
npm install -g codexpro
codexpro setup

下面分三部分讲:先看原理,再走一遍配置(一次性),最后用真实项目演示完整流程。
原理

CodexPro 在本地启动一个 MCP 服务,通过 HTTPS Tunnel 让 ChatGPT 能访问你的仓库。ChatGPT 可以读取项目文件树、源码、Git 状态和 .ai-bridge 目录中的计划与执行记录。
这篇教程推荐 handoff 模式:Pro 只负责分析和写计划,不直接改源码,真正的代码修改由 Codex 完成。
配置实操(一次性)
这部分只需要做一次,之后每天启动只要一条命令。
1. 检查环境
CodexPro 需要 Node.js 20+、ChatGPT Plus 或 Pro(支持 Apps 和 Developer Mode)、本地装好 Codex CLI,以及一个 Git 项目。
先确认环境没问题:
node -v # ≥ 20
codex --version # 能返回版本号
2. 安装并初始化
npm install -g codexpro
cd /你的项目路径
codexpro setup
第一次运行会让你选几个配置,推荐:
Workspace:当前项目目录
Mode:handoff(Pro 只写计划,不改源码)
Bash:safe
Tunnel:Cloudflare quick tunnel(不需要域名,适合初次测试)
配置完成后,CodexPro 会自动启动本地 MCP 服务、生成私有 Token、启动 HTTPS Tunnel,并把 Server URL 复制到剪贴板。
你会拿到类似这样的地址:
https://xxxx.trycloudflare.com/mcp?codexpro_token=xxxx
这个地址带私有 Token,不要发给别人,截图时记得打码。终端不要关闭。
3. 在 ChatGPT 创建 App
打开 ChatGPT → Settings → Apps → Advanced settings,开启 Developer mode 和 Enforce CSP。

点 Create app,填写:
Name: CodexPro
Description: Local workspace bridge for ChatGPT coding
Connection: Server URL
Server URL: 粘贴刚才的地址
Authentication: None
选 None 不代表没有保护——Token 已经包含在 URL 里了。


保存后,页面能成功读取工具列表,就说明连上了。


4. 验证连接
新建一个 GPT-5.5 Pro 对话,选择 CodexPro App,输入:
调用 codexpro_self_test,检查连接是否正常。不要修改文件。

再试一下读取工作区:
调用 open_current_workspace,读取当前工作区信息。

能返回仓库路径、Git 状态和 AGENTS.md 信息,就说明 Pro 已经能访问你的本地项目了。
提醒一句:能否调用 Apps 可能跟账号和灰度有关。如果 Pro 看不到 CodexPro 工具但其他模型可以,说明 MCP 没配错,是 Pro 这边还没开放。后面"常见问题"里有备用方案。
到这里,配置就全部完成了。
实战演示
配好之后,真正的工作流只有三步:Pro 分析出计划 → Codex 执行 → Pro 审查。
下面用一个真实需求演示完整流程。
1. 让 Pro 分析项目并生成计划
在刚才的 GPT-5.5 Pro 对话里,直接描述你的需求:
用 CodexPro 读取当前项目,分析我的需求并生成执行计划。
需求:【在这里写你的真实需求】
先读 AGENTS.md 了解项目规则,再搜索相关文件,输出分析结论。
分析完成后,调用 handoff_to_agent 把计划写入 .ai-bridge/current-plan.md,交给 Codex。
Pro 会自己调用 search、tree、read 去读你的真实代码,不需要你手动复制文件。这是 CodexPro 比普通复制粘贴真正省事的地方——你只需描述需求,它自己能找到相关上下文。
分析完成后,它会把结构化的执行计划写入 .ai-bridge/current-plan.md。


可以在终端确认计划内容:
cat .ai-bridge/current-plan.md
计划没问题,就可以交给 Codex。
2. Codex 接手执行
在 Codex 中打开同一个项目,输入:
读取 AGENTS.md 和 .ai-bridge/current-plan.md,按计划分步执行,
每步运行验证,进度写入 .ai-bridge/codex-status.md。
如果计划与代码冲突,先暂停说明。
也可以用 CLI 一行搞定:
codex exec \
-C "$PWD" \
-s workspace-write \
"读取 AGENTS.md 和 .ai-bridge/current-plan.md,按计划执行并更新 .ai-bridge/codex-status.md。"

3. Pro 审查结果
Codex 干完后,回到 GPT-5.5 Pro:
通过 CodexPro 读取 .ai-bridge/codex-status.md 和当前 git diff,
对照计划审查执行结果,列出需要修改的问题。

这样一轮完整协作就跑通了:
Pro 读项目 → 分析出计划 → Codex 改代码跑测试 → Pro 审查 diff
如果审查发现问题,让 Pro 更新计划,再交给 Codex 返工,循环到满意为止。这个迭代过程恰恰是 Pro 真正的优势所在——它能记住上下文,持续给出有质量的审查意见。
常见问题
以后每天怎么启动?
同一个项目再次使用,只需要:
cd /你的项目路径
codexpro start
用 Cloudflare quick tunnel 的话,每次地址可能变,需要回 ChatGPT 更新 App 的 Server URL。长期使用建议配 ngrok 免费域名:
codexpro settings set --tunnel ngrok --hostname your-name.ngrok-free.dev
国内代理报 Error 1033?
部分代理软件会阻断 Cloudflare Tunnel 的 QUIC 连接,强制用 HTTP/2 启动:
TUNNEL_TRANSPORT_PROTOCOL=http2 codexpro start
启动日志出现 Registered tunnel connection 就正常了。也可以先测本地服务是否正常:
curl "http://127.0.0.1:8787/healthz?codexpro_token=你的Token"
返回 "ok": true 说明 CodexPro 没问题,是 Tunnel 网络层的事。
Pro 暂时不能调用 App?
项目提供了上下文包模式作为备用:
codexpro pro-bundle --root "$PWD" --copy
把生成的内容粘贴给 Pro,让它输出计划,保存成 plan.md 后:
codexpro pro-apply --root "$PWD" --file plan.md
计划同样会写入 .ai-bridge/current-plan.md,继续交给 Codex 执行。多了一次复制粘贴,但不会卡在灰度上。
安全方面
- 只在自己信任的仓库使用,带 Token 的 URL 不要外传
- 用 handoff + safe bash,不要图省事开 full bash
- CodexPro 会拦截
.env、私钥等敏感文件,但还是要自己确认仓库里没有不该暴露的东西
- 这不是额度破解,ChatGPT 和 Codex 仍然各算各的用量
最后
说实话,CodexPro 最有价值的地方不是又多了一个 MCP 工具,而是把两个原本割裂的界面接了起来。
以前用 Pro 做完方案,还要手动整理背景、复制文件、转交计划。现在 Pro 直接读仓库,计划落成 .ai-bridge/current-plan.md,Codex 打开项目就能接着干。
配置看起来有几步,但真正要记住的就三件事:
codexpro setup → 创建 App → Pro 规划,Codex 执行
如果你已经是 Codex 的重度用户,这套组合值得试一下。遇到坑的话,云栈社区里也有不少开发者在交流类似的经验,可以参考。
参考资料