Skip to content

Slack, Linear, and SDK Integration ​

📚 Навигация по серии: Предыдущая статья 〔28 Неинтерактивный режим: codex exec〕 описала неинтерактивный режим работы ИИ: запуск одной командой с выводом результата в фоновом режиме. Это первый элемент автоматизации скриптов и CI. В этой статье мы сделаем еще два шага вперед: во-первых, научимся запускать задачи в Codex напрямую из Slack и Linear без открытия терминала; во-вторых, разберем использование официального SDK и App Server для встраивания функций Codex в качестве компонента в собственные программы и ИТ-продукты. В следующей статье 〔30 Выбор модели〕 мы вернемся к локальной работе и подробно поговорим о том, какую модель выбрать для решения конкретной задачи.

ℹ️ Эта глава является факультативной и предназначена для продвинутых разработчиков. Если на данном этапе вы используете Codex только в терминале, Desktop App или IDE, описываемые функции вам пока не потребуются, их можно пропустить. Вы сможете вернуться к этой теме, когда возникнет необходимость автоматизировать раздачу задач в командном мессенджере или встроить Codex в собственный программный продукт.

Небольшой пример из практики, иллюстрирующий возможности интеграции:

Коллега присылает скриншот ошибки в общий канал Slack и пишет: «Авторизация снова выдает 500, кто посмотрит?» Я нахожусь не за компьютером, поэтому пишу ответ прямо с телефона: @Codex посмотри эту ошибку 500, найди причину в репозитории openai/our-backend. Через пару секунд Codex оставляет реакцию 👀 под моим сообщением и пишет в ответ: «Задача принята, выполняю». Я ухожу на совещание. По возвращении вижу в ветке обсуждения (тред) отчёт от Codex с локализацией баги и ссылкой на Pull Request с исправлением.

При этом я не написал ни строчки кода вручную, не открывал терминал и даже не включал компьютер. Это и есть «вызов Codex в сторонних сервисах» — перенос рабочего окружения из консоли в привычные корпоративные мессенджеры и таск-трекеры Slack и Linear. А использование SDK и App Server позволяет пойти еще дальше: встроить функции Codex непосредственно внутрь вашего собственного программного продукта.

Прочитав эту статью, вы получите:

  • Понимание двух уровней интеграции Codex: готовые коннекторы (Slack/Linear) без программирования и встраивание через код (SDK/App Server)
  • Инструкцию по настройке и использованию интеграции со Slack для запуска задач через команду @Codex с описанием логики выбора окружений и правил безопасности Enterprise
  • Сценарии работы с Linear для назначения задач ИИ через тикеты или комментарии, включая автоматическую маршрутизацию задач с помощью triage-правил
  • Разбор возможностей Codex SDK (библиотеки для TypeScript и Python), примеры минимального кода и отличия от работы с CLI codex exec
  • Назначение App Server, разбор протокола JSON-RPC и критерии выбора между использованием SDK и развертыванием собственного сервера
  • Пошаговое руководство по созданию первого консольного приложения с использованием SDK

⚠️ Имена пакетов, вызовы API, названия параметров и настроек в этой статье основаны на официальной документации Codex (Slack, Linear, SDK и App Server). С течением времени названия тарифов и версий утилит могут меняться, проверяйте их актуальность в интерфейсе провайдера.


01 Два уровня интеграции: готовые коннекторы vs встраивание через код ​

В этой главе мы рассматриваем разные инструменты: Slack, Linear, SDK и App Server. На первый взгляд они кажутся не связанными, но их можно разделить на две группы по типу решаемых задач:

Аналогия: привлечение помощника к работе. Первый вариант: помощник уже зарегистрирован в используемых вами корпоративных программах (Slack, Linear), и вам достаточно упомянуть его через @ или поставить на него задачу. Этот путь не требует программирования — интеграция со Slack/Linear уже настроена разработчиками OpenAI. Второй вариант: вы хотите интегрировать его навыки в свои внутренние бизнес-процессы или сделать частью разрабатываемого вами продукта. Это требует написания программного кода и настройки API-интерфейсов. Это путь встраивания через SDK или App Server.

Разделение по уровням выглядит следующим образом:

Уровень интеграцииИнструментыЧто нужно сделатьГде выполняются вычисления
Без кода (коннекторы)Интеграция со Slack, LinearНастроить готовые приложения, ставить задачи через @CodexОблачные контейнеры OpenAI
Через код (SDK)Codex SDK (TS / Python)Написать скрипт для вызова функций CodexВаш сервер / раннер CI / локальный процесс
Через код (низкоуровневый)App ServerНастроить протокол JSON-RPC для глубокой интеграцииВнутри вашего приложения

Важно понимать: запуск задач через Slack и Linear использует облачную инфраструктуру Codex (Codex cloud, описанную в 10-й статье). Отправка команды в чате инициирует создание изолированного облачного контейнера OpenAI, скачивание репозитория с GitHub и выполнение кода. Все требования к облачной работе (наличие платной подписки, привязка GitHub-аккаунта и настроенные окружения) сохраняют силу при работе со Slack и Linear.

Интеграции будут полезны в следующих сценариях:

  • «Хочу быстро отправить задачу в работу прямо из обсуждения в мессенджере» — интеграция со Slack или Linear.
  • «Нужно написать собственный сложный скрипт проверки кода для CI» — использование SDK.
  • «Разрабатываю собственный редактор кода или плагин и хочу встроить туда ИИ-помощника с сохранением истории и чатом» — использование App Server.

💡 Резюме в одном предложении: Интеграция делится на два уровня: коннекторы Slack/Linear (готовые облачные инструменты, не требующие программирования) и SDK/App Server (программные интерфейсы для встраивания Codex в ваши собственные продукты).


02 Вызов Codex в Slack: постановка задач в чате ​

Самый популярный и простой инструмент — интеграция со Slack. Вы упоминаете @Codex в канале или ветке обсуждения (thread), описываете задачу, и ИИ выполняет её в облаке, возвращая результат в этот же тред.

Аналогия: постановка задачи коллеге в общем рабочем чате. Вы не идете к его рабочему столу ради короткого вопроса — вы пишите в чат, упоминая его через @. Коллега видит уведомление, выполняет работу и возвращает результат в обсуждение. Codex в Slack ведет себя точно так же: вы даете команду, он запускает процесс в облаке и пишет отчет в тред. При этом он считывает контекст предыдущих сообщений в ветке обсуждения, поэтому вам не нужно дублировать описание проблемы.

Настройка интеграции в три шага ​

Для работы интеграции выполните следующие действия:

  1. Подготовьте облачное окружение. У вас должна быть активна платная подписка (Plus, Pro, Business, Enterprise или Edu согласно тарифам ChatGPT), привязан аккаунт GitHub и настроено хотя бы одно облачное окружение (environment), как описано в 10-й статье.
  2. Установите приложение Slack. Перейдите на страницу настройки коннекторов Codex и добавьте приложение в ваше рабочее пространство Slack (может потребоваться одобрение администратора вашей организации).
  3. Добавьте бота в канал. Добавьте @Codex в нужные каналы обсуждений. При первом упоминании Slack сам предложит пригласить бота в канал.

Использование коннектора ​

После настройки вы можете ставить задачи:

  1. Напишите сообщение в канале или треде, упомянув @Codex и описав задачу. Бот учитывает контекст переписки в ветке.
  2. При необходимости укажите целевой репозиторий прямо в тексте, например: @Codex fix the error above in repo openai/codex.
  3. Дождитесь появления реакции 👀 под вашим сообщением. Codex пришлет ссылку на статус выполнения задачи в веб-интерфейсе, а по завершении — опубликует результат в тред.

Логика выбора репозитория и окружения ​

Если вы не указали репозиторий в сообщении, Codex определит его по следующим правилам:

  • Он проверит доступные вам окружения и выберет то, которое наиболее точно соответствует описанию задачи. Если запрос размыт, будет выбрано окружение, использовавшееся последним.
  • Работа начнется в ветке по умолчанию для первого репозитория, указанного в карте репозиториев (repo map) выбранного окружения. Для изменения приоритетов отредактируйте repo map в настройках окружения.
  • Если подходящих окружений не найдено, Codex напишет об этом в чат и предложит инструкции по настройке.

Для стабильности в крупных командах рекомендуется явно указывать целевой репозиторий в тексте команды (... in repo openai/our-backend).

Безопасность корпоративных данных (Enterprise) ​

По умолчанию Codex публикует отчеты о завершении задач в общий тред. Если правила безопасности вашей компании запрещают публикацию технической информации в мессенджере:

Администратор организации в панели управления ChatGPT может отключить опцию «Allow Codex Slack app to post answers on task completion». В этом случае бот будет присылать только ссылку на отчет в защищенной веб-панели, не публикуя текст изменений в общий чат.

Схема работы коннектора Slack:

Схема интеграции со Slack

Упоминание в чате запускает облачный контейнер, который скачивает файлы репозитория с GitHub, выполняет задачу силами ИИ-агента и возвращает статус и diff изменений в тред Slack.

Практический тест: отправка первой задачи из Slack ​

Требуется доступ к рабочему пространству Slack с правами на установку приложений, а также настроенное облачное окружение Codex с привязанным тестовым репозиторием GitHub.

  1. Установка. Перейдите в раздел коннекторов и установите приложение Slack, пройдя шаги авторизации.
  2. Приглашение. Добавьте бота @Codex в ваш тестовый канал Slack.
  3. Запуск задачи. Отправьте команду (используйте только тестовые репозитории!):
text
@Codex в репозитории openai/test-repo добавь строчку "Hello from Slack" в начало файла README.md. Остальной код не меняй.

Замените openai/test-repo на путь к вашему репозиторию.

Ожидаемый результат: Бот добавит реакцию 👀, пришлет ссылку на задачу, а через некоторое время опубликует в тред diff изменений и ссылку на создание PR. Если возникнет ошибка доступа к репозиторию, проверьте настройки окружения.

💡 Резюме в одном предложении: Интеграция со Slack позволяет ставить задачи ИИ через команду @Codex в чате. Вычисления производятся в облаке на базе ваших настроенных окружений, для точности рекомендуется явно указывать имя репозитория в сообщении.


03 Вызов Codex в Linear: управление задачами через таск-трекер ​

Интеграция с таск-трекером Linear позволяет назначать Codex исполнителем задач на канбан-доске проекта.

Аналогия: распределение задач на доске проекта. У вас есть список задач (issues). Обычно вы назначаете ответственным разработчика из команды, он берет задачу в работу и отписывается в комментариях. При интеграции Codex вы можете выбрать ИИ в качестве исполнителя тикета. Codex примет задачу, запустит выполнение в облаке и оставит отчет со ссылкой на изменения в комментариях к тикету.

Для работы требуется платная подписка. Администратор организации должен включить поддержку облачных задач и активировать коннектор Codex for Linear в настройках.

Настройка интеграции ​

  1. Настройте облачное окружение и привязку к репозиториям на GitHub в профиле Codex.
  2. Подключите Linear в панели коннекторов.
  3. Оставьте комментарий с упоминанием @Codex в любой задаче Linear для прохождения авторизации учетной записи.

Сценарии работы ​

Доступно два варианта взаимодействия:

Вариант 1: Назначение исполнителем. Укажите Codex в качестве исполнителя (Assignee) задачи в Linear. ИИ запустит облачную задачу и будет публиковать статус выполнения.

Вариант 2: Упоминание в комментариях. Упомяните @Codex в комментариях к задаче. Это позволяет вести диалог с ИИ в рамках конкретного тикета, при этом история переписки сохраняется в контексте сессии.

Как и в случае со Slack, ИИ автоматически выбирает окружение на основе текста задачи, но для надежности рекомендуется указывать репозиторий явно (@Codex fix this in repo openai/codex).

Статус выполнения можно отслеживать в разделе Activity тикета Linear. По завершении Codex опубликует отчет со ссылкой на Pull Request.

Автоматическое назначение задач (triage rules) ​

Вы можете настроить автоматическую передачу новых входящих задач на выполнение Codex без участия менеджера:

  1. Перейдите в раздел Settings в Linear.
  2. Выберите нужную команду в меню Your teams.
  3. Включите функцию Triage в настройках workflow.
  4. Создайте правило в разделе Triage rules, выбрав в поле Delegate значение Codex.

После этого все новые задачи, попадающие на этап Triage, будут автоматически назначаться Codex.

Важная деталь безопасности: при автоматическом назначении задач через triage-правила запуск облачных контейнеров происходит от имени учетной записи автора тикета. Лимиты токенов будут списываться с баланса пользователя, создавшего задачу в Linear.

Дополнительно: Linear MCP для локальной работы ​

Описанный выше коннектор работает в облаке. Но если вы хотите, чтобы ваш локальный Codex (в терминале или IDE) мог считывать данные задач из Linear, настройте протокол MCP:

bash
codex mcp add linear --url https://mcp.linear.app/mcp

Команда запросит авторизацию в Linear. Настройки также можно прописать вручную в файле ~/.codex/config.toml:

toml
[mcp_servers.linear]
url = "https://mcp.linear.app/mcp"

После этого выполните авторизацию через команду codex mcp login linear. Настройки станут доступны в CLI и плагинах IDE.

Не путайте эти сценарии: назначение задач Codex на сайте Linear — это облачная работа; подключение Linear MCP — это предоставление локальному Codex доступа к данным ваших тикетов Linear в качестве источника информации.

Сравнение интеграций:

ПараметрSlack-коннекторLinear-коннектор
Способ запускаУпоминание @Codex в тредеНазначение исполнителем / комментарий с @Codex
АвтоматизацияНетПоддержка triage-правил для автоназначения
Источники данныхИстория переписки в тредеОписание задачи + комментарии к тикету
Результат работыКомментарий в треде + ссылка на PRКомментарий к тикету + ссылка на PR
Локальный доступНетЧерез протокол Linear MCP

Использование Slack удобно для быстрого решения спонтанных задач из обсуждений. Интеграция с Linear подходит для автоматизации стандартных процессов разработки (например, автоматического исправления багов по тикетам из бэклога).

💡 Резюме в одном предложении: Linear-коннектор позволяет назначать Codex исполнителем задач или общаться с ним в комментариях к тикетам. Для автоматизации процессов можно использовать triage-правила автоназначения, а для доступа локального Codex к задачам — настроить Linear MCP.


04 Codex SDK: программное встраивание функций ИИ ​

Если готовых коннекторов недостаточно, вы можете встроить функции Codex в собственные программы с помощью официального SDK (Software Development Kit).

SDK решает проблему гибкого управления диалогом. Использование CLI-команды codex exec в сложных сценариях неудобно из-за необходимости парсить текстовый вывод. SDK позволяет работать с объектами сессий и потоками данных непосредственно в коде приложения.

Из описания возможностей SDK:

Библиотека для TypeScript предоставляет полный контроль над функциями Codex внутри вашего приложения, обеспечивая большую гибкость по сравнению с неинтерактивным режимом CLI.

Сферы применения SDK:

  • Интеграция Codex в сложные корпоративные конвейеры CI/CD.
  • Создание автономных ИИ-агентов для выполнения инженерных задач.
  • Разработка внутренних утилит автоматизации.
  • Интеграция ИИ-помощника в интерфейсы собственных программных продуктов.

Аналогия: управление устройством через API вместо нажатия кнопок на корпусе. Использование CLI codex exec похоже на нажатие физических кнопок на приборе — просто, но возможности автоматизации ограничены. Использование SDK дает вам доступ к внутренним платам управления: вы можете создавать потоки общения (threads), запускать отдельные шаги выполнения, перехватывать события и динамически менять настройки песочницы для каждого шага.

Выбор языков программирования: TypeScript и Python ​

Официальный SDK доступен для двух языков разработки:

ПараметрTypeScript SDKPython SDK (Beta)
Команда установкиnpm install @openai/codex-sdkpip install openai-codex
Минимальная версияNode.js 18+Python 3.10+
Среда запускаСерверные приложения (Backend)Локальное управление через app-server
АрхитектураПрямой вызов APIУправление локальным процессом по JSON-RPC

Важные особенности установки и требований:

Библиотека TypeScript предназначена исключительно для запуска на стороне сервера (Node.js). Использовать её в коде, выполняемом в браузере клиента, запрещено из соображений безопасности ключей.

Имя пакета Python для установки через pip — openai-codex (не путайте с TypeScript-версией). Во время бета-тестирования для получения обновлений используйте флаг установки предрелизных версий: pip install --pre openai-codex. Библиотека поставляется со встроенным бинарным файлом CLI Codex, путь к которому при необходимости можно переопределить через параметр codex_bin класса конфигурации.

Примеры минимального кода ​

Пример на TypeScript (создание сессии, отправка запроса и получение ответа):

ts
import { Codex } from "@openai/codex-sdk";

const codex = new Codex();
const thread = codex.startThread();
const result = await thread.run(
  "Make a plan to diagnose and fix the CI failures"
);

console.log(result);

Продолжение диалога в рамках созданной сессии и восстановление сессии по ID:

ts
// Продолжение диалога
const result = await thread.run("Implement the plan");
console.log(result);

// Восстановление сессии по идентификатору
const threadId = "<thread-id>";
const thread2 = codex.resumeThread(threadId);
const result2 = await thread2.run("Pick up where you left off");
console.log(result2);

Пример на Python с использованием менеджера контекста:

python
from openai_codex import Codex, Sandbox

with Codex() as codex:
    thread = codex.thread_start(
        model="gpt-5.4",
        sandbox=Sandbox.workspace_write,
    )
    result = thread.run("Make a plan to diagnose and fix the CI failures")
    print(result.final_response)

Имена моделей приведены для иллюстрации синтаксиса, используйте актуальные названия из вашего личного кабинета.

Асинхронная версия Python-кода:

python
import asyncio
from openai_codex import AsyncCodex

async def main() -> None:
    async with AsyncCodex() as codex:
        thread = await codex.thread_start(model="gpt-5.4")
        result = await thread.run("Implement the plan")
        print(result.final_response)

asyncio.run(main())

Динамическое управление песочницей ​

Аналогично работе с CLI, вы можете управлять уровнем доступа к файлам для каждого запуска run в SDK:

python
from openai_codex import Codex, Sandbox

with Codex() as codex:
    thread = codex.thread_start(sandbox=Sandbox.workspace_write)
    thread.run("Make the requested change.")
    # Для шага проверки переключаем режим в безопасный «только чтение»
    review = thread.run("Review the diff only.", sandbox=Sandbox.read_only)

Доступные пресеты песочницы:

  • Sandbox.read_only — доступ к файлам только на чтение.
  • Sandbox.workspace_write — разрешение на изменение файлов в каталоге проекта.
  • Sandbox.full_access — полный доступ к файловой системе без ограничений.

Если параметр sandbox не передан, SDK наследует настройки по умолчанию вашего локального окружения. Настройки песочницы, переданные в шаге run, сохраняют силу для всех последующих запросов в рамках текущей сессии (thread).

Сравнение SDK и CLI-команды codex exec ​

КритерийCLI codex execCodex SDK
ИнтерфейсКонсоль / Скрипты ShellПрограммный код (TS/Python)
Управление диалогомТребует ручного связывания через resumeОбъект Thread поддерживает историю автоматически
Формат выводаТекст или JSON-строки в stdoutОбъект ответа с типизированными полями
Настройка песочницыФлаги командной строкиПресеты класса Sandbox в коде
Сфера примененияПростые одноразовые скрипты автоматизацииСложные ИИ-агенты, встраивание в продукты

Используйте codex exec для быстрых проверок в bash-скриптах сборки. Для разработки сложных сценариев интеграции и ИИ-агентов выбирайте SDK.

💡 Резюме в одном предложении: Codex SDK позволяет управлять сессиями ИИ на уровне кода, поддерживая историю переписки в объектах Thread и предоставляя возможность динамически менять настройки песочницы для каждого шага. Доступны версии для TypeScript и Python.


05 Использование App Server: низкоуровневая интеграция ​

Самый низкоуровневый инструмент интеграции — App Server. Он используется для создания сложных графических интерфейсов и плагинов (например, на нем построен официальный плагин Codex для VS Code).

Сервер предоставляет доступ к API авторизации, истории переписки, механизмам согласования команд и трансляции событий выполнения в реальном времени.

Аналогия: предоставление шины данных для сборки собственного автомобиля. Если SDK — это готовый мотор, то App Server предоставляет все контакты для подключения фар, приборной панели и руля. Вы должны самостоятельно обрабатывать сигналы об изменении состояния ИИ и отрисовывать соответствующие элементы интерфейса (окна подтверждения, статус-бары выполнения).

Связь с сервером осуществляется по протоколу JSON-RPC 2.0 через стандартные потоки ввода-вывода (stdio). Запуск сервера выполняется командой:

bash
codex app-server

Ключевые сущности API сервера:

  • Thread (поток) — объект диалога с ИИ, содержащий историю.
  • Turn (круг) — шаг выполнения одной задачи пользователя, возвращающий поток событий.
  • Item (элемент) — тип события в логе (сообщение пользователя, запуск команды, изменение файла, вызов MCP-инструмента).

Разработчик должен самостоятельно обрабатывать JSON-RPC сообщения о статусе выполнения шагов ИИ.

Правило выбора архитектурного решения от авторов Codex:

Если вы настраиваете автоматизацию сборки или процессы CI/CD, используйте Codex SDK. Развертывание App Server для этих задач не требуется.

Критерии выбора:

ЗадачаРекомендуемый инструмент
Скрипты автоматизации, тесты, интеграция в CI/CDCodex SDK
Разработка автономных консольных ИИ-агентовCodex SDK
Создание плагинов для IDE, текстовых редакторов или GUI-приложенийApp Server

Большинству разработчиков функционала App Server не потребуется, возможности SDK покрывают 95% задач автоматизации. Начинайте разработку с SDK, переходя к App Server только при необходимости создания сложных интерактивных интерфейсов с ручным подтверждением шагов.

Код сервера является открытым и доступен в репозитории проекта на GitHub.

💡 Резюме в одном предложении: App Server предоставляет низкоуровневый JSON-RPC интерфейс для связи с Codex, используемый при создании сложных GUI-приложений и плагинов для IDE. Для задач автоматизации и скриптов используйте SDK.


06 Практика: пишем первое приложение на TypeScript SDK ​

Напишем консольное приложение на TypeScript, которое считывает файл с диска и генерирует аннотацию с помощью SDK.

Требуется установленный Node.js версии 18 или выше и настроенный Codex CLI с выполненной авторизацией (codex login).

Шаг 1: Создание проекта и инициализация

bash
mkdir codex-sdk-demo
cd codex-sdk-demo
npm init -y

Шаг 2: Установка пакета SDK

bash
npm install @openai/codex-sdk

Ожидаемый результат: В папке node_modules появится библиотека @openai/codex-sdk.

Шаг 3: Создание тестового файла

Создайте файл hello.txt с текстом:

text
This project is a tiny demo for the Codex SDK.

Шаг 4: Написание кода приложения

Создайте файл run.mjs (расширение .mjs позволяет использовать ESM-импорты и top-level await без настройки сборщиков) и добавьте код:

js
import { Codex } from "@openai/codex-sdk";

const codex = new Codex();
const thread = codex.startThread();
const result = await thread.run(
  "Read hello.txt in the current directory and summarize it in one sentence."
);

console.log(result);

Код инициализирует класс Codex, создает диалог thread и отправляет запрос на анализ локального файла hello.txt.

Шаг 5: Запуск приложения

Выполните команду в терминале:

bash
node run.mjs

Ожидаемый результат: В консоли появится текстовый ответ ИИ с аннотацией файла hello.txt. Это подтверждает успешную интеграцию SDK с вашей локальной системой и прохождение авторизации.

Если запуск завершился ошибкой авторизации, выполните команду codex login в терминале еще раз.

💡 Резюме в одном предложении: Практический тест состоит из пяти шагов: создание папки проекта → установка @openai/codex-sdk → подготовка текстового файла → написание скрипта инициализации сессии → запуск приложения через Node.js.


07 Выбор инструмента под ваши задачи ​

Чтобы сэкономить время при интеграции, выберите подходящий инструмент с помощью таблицы:

Ваша задачаРешениеОбоснование
Отправка быстрых задач из командного чатаSlack-коннекторГотовое облачное решение, не требует написания кода
Интеграция с рабочими задачами на доскеLinear-коннекторПоддержка автоматического назначения тикетов на ИИ
Доступ локального Codex к тикетам LinearLinear MCPПодключение Linear в качестве источника данных для CLI
Запуск простых проверок кода в bash-скриптахcodex exec (CLI)Запуск одной строкой без программирования
Разработка сложных ИИ-агентов с ветвлением логикиCodex SDKПоддержка истории сессий в коде, управление песочницей
Создание плагинов для новых редакторов кодаApp ServerНизкоуровневый протокол обмена событиями

Не усложняйте архитектуру: используйте CLI и готовые коннекторы везде, где это возможно. Переходите к SDK и App Server только при решении специфических задач автоматизации бизнеса.

💡 Резюме в одном предложении: Используйте готовые коннекторы (Slack/Linear) для работы без программирования, CLI-команды — для простых скриптов, SDK — для написания кода автоматизации и App Server — для разработки собственных GUI-клиентов.


08 Итоги ​

Мы изучили способы интеграции возможностей Codex с внешними информационными системами и программными кодами.

Ключевые выводы главы:

ИнтеграцияОписаниеВажный нюанс
Коннектор SlackУпоминание @Codex в тредеИспользует облачные окружения, права наследуются из настроек GitHub
Коннектор LinearНазначение ИИ исполнителем задачПоддерживает автоматическое назначение новых тикетов
Linear MCPИнтеграция данных Linear в локальный CLIПозволяет локальному Codex считывать параметры тикетов
Codex SDKБиблиотеки TS и PythonПозволяют управлять сессиями и правами песочницы из кода
App ServerJSON-RPC stdio серверИспользуется при создании плагинов IDE, не нужен для CI/CD

Теперь вы умеете:

  • Настраивать и использовать облачные интеграции со Slack и Linear для управления задачами Codex без открытия терминала.
  • Различать сценарии использования Linear-коннектора и подключения Linear MCP.
  • Использовать TypeScript и Python SDK для создания сессий диалога и управления правами доступа песочницы из кода программ.
  • Выбирать архитектурный подход для интеграции ИИ в зависимости от сложности задач (от CLI до App Server).

Интеграция Codex с внешними системами позволяет выстроить эффективные процессы автоматизации разработки в команде.


В следующей статье 30 · Выбор модели: от быстрых к точным мы разберем принципы выбора моделей ИИ. Мы сравним характеристики скорости работы и точности генерации кода для разных версий моделей OpenAI, научимся переключать модели в CLI и SDK и подбирать параметры для экономии лимитов токенов.


Рекомендуемое чтение ​