Codex 自定义 AI API 配置实战：从 0 到 1 一步步接入你的专属模型

前言

作为一名开发者，我们经常需要在终端环境中使用 AI 编程助手。OpenAI 的 Codex 是一个非常强大的命令行 AI 编程工具，但默认情况下它只能调用 OpenAI 官方的 API。那么问题来了：如果我们有自己的 API 服务（比如部署了国产大模型、使用了代理服务、或者公司内部的 AI 平台），如何让 Codex 接入这些自定义的 API 呢？

本文将通过一个真实的配置案例，详细讲解如何在 macOS（特别是 Mac Mini）环境下配置 Codex，使其能够调用自定义的 AI API。整个过程涉及配置文件编写、环境变量设置、版本兼容性问题排查等，希望能帮助到遇到类似问题的开发者。

一、理解 Codex 的架构

在开始配置之前，我们需要理解 Codex 的基本架构。Codex 采用了一种灵活的 Provider 机制，允许用户定义多个 AI 服务提供商，并在它们之间切换。

核心概念：

• Provider（提供商）：一个 AI 服务的具体实现，包含 API 地址、认证方式等

• Model（模型）：Provider 提供的具体模型名称

• Wire API：Codex 与 Provider 之间的通信协议类型

这种设计让 Codex 不仅限于 OpenAI 的服务，理论上可以接入任何兼容 OpenAI API 格式的服务。

二、配置前的准备工作

2.1 确认 Codex 版本

这是最关键的一步！不同版本的 Codex 对 API 协议的支持完全不同：

codex --version

重要提示：如果你的 API 服务只支持标准的 Chat Completions 格式（大多数国产模型和代理服务都是这种），建议安装 0.80.0 版本：

npm install -g @openai/codex@0.80.0

2.2 确认 API 服务状态

在配置 Codex 之前，先用 curl 测试一下你的 API 服务是否正常工作：

# 测试基础连通性
curl -X POST http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "your-model-name",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 50
  }'

如果这个请求能正常返回，说明你的 API 服务是可用的。

三、配置文件详解

3.1 配置文件位置

Codex 的配置文件采用 TOML 格式，默认位置在：

• 用户级配置：~/.codex/config.toml

• 项目级配置：项目根目录/.codex/config.toml

项目级配置会覆盖用户级配置，这为不同项目使用不同的 AI 服务提供了便利。

3.2 基础配置结构

一个完整的配置文件包含三个部分：

1. 全局设置（默认模型和 Provider）

2. Provider 定义

3. 项目特定设置（可选）

# 全局设置
service_tier = "fast"
model = "your-model-name"
model_provider = "your-provider-name"

# Provider 定义
[model_providers.your-provider-name]
name = "显示名称"
base_url = "http://localhost:8080/v1"
wire_api = "chat"  # 或 "responses"
env_key = "YOUR_API_KEY_ENV_NAME"

# 项目特定设置（可选）
[projects."/path/to/your/project"]
trust_level = "trusted"

3.3 配置项详细说明

3.4 常见配置错误及修正

错误 1：将 API Key 直接写在 env_key 字段

# ❌ 错误
env_key = "sk-your-actual-api-key"

# ✅ 正确
env_key = "MY_API_KEY"

错误 2：协议类型不匹配

# 如果 API 只支持 Chat Completions
wire_api = "chat"  # 而不是 "responses"

错误 3：base_url 格式问题

# 本地服务通常用 http 而不是 https
base_url = "http://localhost:8080/v1"  # 正确
base_url = "https://localhost:8080/v1" # 可能导致 SSL 错误

四、Mac Mini 环境变量配置

4.1 临时设置（仅当前终端会话）

export YOUR_API_KEY="sk-your-actual-api-key"

4.2 永久设置（推荐）

由于 Mac Mini 默认使用 Zsh，我们需要将环境变量写入 ~/.zshrc：

echo 'export YOUR_API_KEY="sk-your-actual-api-key"' >> ~/.zshrc
source ~/.zshrc

4.3 验证环境变量

echo $YOUR_API_KEY

五、实战案例：配置本地 Qwen API

假设我们有一个运行在本地 8080 端口的 Qwen 模型服务，以下是完整的配置步骤：

5.1 创建配置文件

mkdir -p ~/.codex
nano ~/.codex/config.toml

5.2 写入配置内容

service_tier = "fast"

# 设置默认使用 Qwen 模型
model = "qwen3.6-plus"
model_provider = "red_claw"

# 定义 Provider
[model_providers.red_claw]
name = "RedClaw Qwen Service"
base_url = "http://localhost:8080/v1"
wire_api = "chat"
env_key = "REDCLAW_API_KEY"

# 项目信任配置（可选）
[projects."/Users/macmini/workspace/my-project"]
trust_level = "trusted"

5.3 设置环境变量

echo 'export REDCLAW_API_KEY="sk-yien-1620bbcc7f4349c1bcf5b82f6e3756c1"' >> ~/.zshrc
source ~/.zshrc

5.4 测试配置

codex "你好，请介绍一下自己"

六、常见问题及解决方案

6.1 问题：自定义模型不显示在选择器中

现象：运行 codex 时，模型选择器只显示官方模型，看不到自己配置的模型。

原因：配置文件没有被正确加载，或者配置格式有误。

解决方案：

# 检查配置文件是否存在
ls -la ~/.codex/config.toml

# 查看当前加载的配置
codex config show

# 检查配置语法
codex --config-check

6.2 问题：--model-provider 参数不存在

现象：

error: unexpected argument '--model-provider' found

原因：Codex 没有这个命令行参数。

解决方案：通过配置文件设置默认 Provider，而不是通过命令行参数。或者使用正确的参数名：

# 正确的参数是 --provider
codex -m model-name --provider provider-name "prompt"

6.3 问题：wire_api 版本不匹配

现象：

wire_api = chat is no longer supported

原因：新版 Codex 不再支持 chat 协议。

解决方案：

• 方案一：将配置中的 wire_api 改为 "responses"

• 方案二：降级 Codex 到 0.80.0 版本

npm uninstall -g @openai/codex
npm install -g @openai/codex@0.80.0

6.4 问题：SSL 证书错误（本地服务）

现象：

SSL certificate problem: self signed certificate

原因：本地服务使用 HTTPS 但没有有效的 SSL 证书。

解决方案：

[model_providers.your-provider]
# ... 其他配置
allow_insecure = true  # 仅用于本地开发

6.5 问题：环境变量不生效

现象：配置了环境变量，但 Codex 仍然提示找不到 API Key。

解决方案：

# 1. 确认环境变量已设置
echo $YOUR_API_KEY

# 2. 重新加载配置文件
source ~/.zshrc

# 3. 重启终端
# Mac 上按 Cmd+Q 退出终端，重新打开

# 4. 检查是否有空格或特殊字符
# 确保 API Key 没有多余的空格

七、调试技巧

7.1 开启调试模式

# 开启详细日志
DEBUG=true codex "你的问题"

# 查看网络请求详情
RUST_LOG=debug codex "你的问题"

7.2 查看配置加载情况

# 显示当前所有配置
codex config show

# 列出可用的 Providers
codex config list-providers

# 测试配置文件
codex config test

7.3 网络抓包

如果还是无法定位问题，可以用 Wireshark 或 tcpdump 抓包分析：

# 监控本地 8080 端口的流量
sudo tcpdump -i lo0 port 8080 -A

八、最佳实践建议

8.1 安全性建议

1. 永远不要将 API Key 写在配置文件中，始终使用环境变量

2. 定期轮换 API Key

3. 对不同项目使用不同的 API Key，便于审计和权限管理

4. 将 .codex/ 目录加入 .gitignore，避免意外提交敏感信息

8.2 多 Provider 管理

如果你有多个 AI 服务，可以在配置文件中定义多个 Provider：

# 默认使用本地 Qwen
model = "qwen3.6-plus"
model_provider = "local_qwen"

# 定义本地 Qwen
[model_providers.local_qwen]
name = "Local Qwen"
base_url = "http://localhost:8080/v1"
wire_api = "chat"
env_key = "QWEN_API_KEY"

# 定义云端 GPT
[model_providers.cloud_gpt]
name = "Cloud GPT"
base_url = "https://api.openai.com/v1"
wire_api = "responses"
env_key = "OPENAI_API_KEY"

# 定义代理服务
[model_providers.proxy_service]
name = "API Proxy"
base_url = "https://your-proxy.com/v1"
wire_api = "chat"
env_key = "PROXY_API_KEY"

8.3 项目级配置示例

为不同项目创建独立的配置文件：

# 项目 A 使用本地 Qwen
mkdir -p /path/to/projectA/.codex
cat > /path/to/projectA/.codex/config.toml << 'EOF'
model = "qwen-max"
model_provider = "local_qwen"

[model_providers.local_qwen]
base_url = "http://localhost:8080/v1"
wire_api = "chat"
env_key = "QWEN_API_KEY"
EOF

# 项目 B 使用云端 GPT
mkdir -p /path/to/projectB/.codex
cat > /path/to/projectB/.codex/config.toml << 'EOF'
model = "gpt-4"
model_provider = "cloud_gpt"

[model_providers.cloud_gpt]
base_url = "https://api.openai.com/v1"
wire_api = "responses"
env_key = "OPENAI_API_KEY"
EOF

九、完整配置清单

最后，提供一个完整的配置检查清单，确保没有遗漏：

• Codex 版本已确认（0.80.0 推荐）

• API 服务已启动并可访问

• ~/.codex/config.toml 文件已创建

• model 和 model_provider 已正确设置

• Provider 配置块已添加

• base_url 使用正确的协议（本地用 http）

• wire_api 类型与 API 服务匹配

• env_key 填的是环境变量名，不是 API Key

• 环境变量已在 ~/.zshrc 中设置

• 已执行 source ~/.zshrc 使配置生效

• echo $YOUR_ENV_KEY 能正确显示 API Key

• codex config show 显示正确的配置

• codex "test" 能正常响应

十、总结

配置 Codex 调用自定义 AI API 的核心要点可以总结为：

1. 版本先行：确认 Codex 版本，选择合适的 wire_api 类型

2. 配置分离：API Key 用环境变量，其他配置用 TOML 文件

3. 协议匹配：确保 wire_api 与你的 API 服务类型一致

4. 路径正确：base_url 格式要正确，本地服务注意 http vs https

5. 调试有方：善用 DEBUG=true 和 codex config show 排查问题

虽然配置过程中可能会遇到各种问题（版本不匹配、参数名错误、环境变量不生效等），但只要按照本文的步骤逐一排查，最终都能顺利解决。

希望这篇指南能帮助你成功配置 Codex，享受到在终端中使用自定义 AI 模型的便利。如果你在配置过程中遇到其他问题，欢迎在评论区留言交流！

附录：快速配置模板

# 一键配置脚本（请根据实际情况修改）
cat > ~/.codex/config.toml << 'EOF'
model = "your-model"
model_provider = "custom"

[model_providers.custom]
base_url = "http://localhost:8080/v1"
wire_api = "chat"
env_key = "CUSTOM_API_KEY"
EOF

echo 'export CUSTOM_API_KEY="your-actual-api-key"' >> ~/.zshrc
source ~/.zshrc

# 测试
codex "Hello, world!"