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 интеграции	Инструменты	Что нужно сделать	Где выполняются вычисления
Без кода (коннекторы)	Интеграция со Slack, Linear	Настроить готовые приложения, ставить задачи через @Codex	Облачные контейнеры OpenAI
Через код (SDK)	Codex SDK (TS / Python)	Написать скрипт для вызова функций Codex	Ваш сервер / раннер CI / локальный процесс
Через код (низкоуровневый)	App Server	Настроить протокол JSON-RPC для глубокой интеграции	Внутри 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:

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!):

@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:

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:

[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:

Параметр	Slack-коннектор	Linear-коннектор
Способ запуска	Упоминание @Codex в треде	Назначение исполнителем / комментарий с @Codex
Автоматизация	Нет	Поддержка triage-правил для автоназначения
Источники данных	История переписки в треде	Описание задачи + комментарии к тикету
Результат работы	Комментарий в треде + ссылка на PR	Комментарий к тикету + ссылка на PR
Локальный доступ	Нет	Через 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:

Параметр	TypeScript SDK	Python SDK (Beta)
Команда установки	npm install @openai/codex-sdk	pip install openai-codex
Минимальная версия	Node.js 18+	Python 3.10+
Среда запуска	Серверные приложения (Backend)	Локальное управление через app-server
Архитектура	Прямой вызов API	Управление 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):

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:

// 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:

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:

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:

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

Критерий	CLI codex exec	Codex SDK
Интерфейс	Консоль / Скрипты Shell	Программный код (TS/Python)
Управление диалогом	Требует ручного связывания через resume	Объект Thread поддерживает историю автоматически
Формат вывода	Текст или JSON-строки в stdout	Объект ответа с типизированными полями
Настройка песочницы	Флаги командной строки	Пресеты класса Sandbox в коде
Сфера применения	Простые одноразовые скрипты автоматизации	Сложные 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:

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:

Задача	Рекомендуемый инструмент
Скрипты автоматизации, тесты, интеграция в CI/CD	Codex SDK
Разработка автономных консольных ИИ-агентов	Codex SDK
Создание плагинов для IDE, текстовых редакторов или GUI-приложений	App 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

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

Шаг 2: Установка пакета SDK

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:

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:

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:

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 задача	Решение	Обоснование
Отправка быстрых задач из командного чата	Slack-коннектор	Готовое облачное решение, не требует написания кода
Интеграция с рабочими задачами на доске	Linear-коннектор	Поддержка автоматического назначения тикетов на ИИ
Доступ локального Codex к тикетам Linear	Linear MCP	Подключение Linear в качестве источника данных для CLI
Запуск простых проверок кода в bash-скриптах	codex exec (CLI)	Запуск одной строкой без программирования
Разработка сложных ИИ-агентов с ветвлением логики	Codex SDK	Поддержка истории сессий в коде, управление песочницей
Создание плагинов для новых редакторов кода	App Server	Низкоуровневый 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:

Интеграция	Описание	Важный нюанс
Коннектор Slack	Упоминание @Codex в треде	Использует облачные окружения, права наследуются из настроек GitHub
Коннектор Linear	Назначение ИИ исполнителем задач	Поддерживает автоматическое назначение новых тикетов
Linear MCP	Интеграция данных Linear в локальный CLI	Позволяет локальному Codex считывать параметры тикетов
Codex SDK	Библиотеки TS и Python	Позволяют управлять сессиями и правами песочницы из кода
App Server	JSON-RPC stdio сервер	Используется 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

• Подключение внешних баз данных и инструментов по протоколу MCP
• Организация код-ревью на GitHub с помощью ИИ
• Описание структуры конфигурационного файла config.toml