Codex CLI dari OpenAI: Panduan Lengkap Ngoding di Terminal

Codex CLI dari OpenAI masuk sebagai solusi yang lumayan ngefek. Saya MUGHU, udah beberapa bulan pakai tool ini buat ngoding sehari-hari, dan di artikel ini saya mau ajak kalian jalan dari nol sampai bisa pakai Codex CLI buat workflow nyata.

Codex CLI itu agent coding dari OpenAI yang jalan langsung di terminal kamu. Dia bisa baca file, ubah kode, jalanin command, sampai bantu review code — semua dari satu layar terminal. Tool ini open-source, ditulis pakai Rust, dan dirilis pertama kali tanggal 16 April 2025. Tepat di hari yang sama OpenAI rilis model o3 dan o4-mini.

Codex CLI adalah agent coding berbasis terminal yang bikin kamu bisa ngoding, ngebug, dan ngotomasi tugas — tanpa keluar dari terminal.

Singkatnya, kalau kamu pernah denger Claude Code dari Anthropic atau Gemini CLI dari Google, Codex CLI itu jawaban OpenAI di ranah yang sama: agent AI yang hidup di terminal, baca repo kamu, lalu ngerjain tugas yang kamu kasih dalam bahasa natural.

Apa Itu Codex CLI dan Kenapa Kamu Perlu Tahu

Saya ingat pertama kali denger soal Codex CLI, saya pikir "ah, kayak ChatGPT tapi di terminal ya?" Ternyata lebih dari itu. Codex CLI itu bukan cuma chatbot yang jawab pertanyaan — dia bener-bener baca repo kamu, pahami strukturnya, lalu usulin diff atau jalanin command buat ngerjain tugas yang kamu minta.

Yang bikin ini beda dari sekadar copy-paste kode dari ChatGPT ke editor kamu: Codex CLI jalan di mesin kamu sendiri. File edit dan eksekusi command terjadi lokal, di project directory yang kamu pilih. Modelnya memang ada di cloud OpenAI, tapi semua aksi ke file dan sistem di-gate sama sandbox dan approval policy yang kamu atur sendiri.

Ini penting soalnya banyak developer — termasuk saya — yang nggak nyaman kasih akses penuh ke tool AI buat utak-atik kode tanpa pengawasan. Dengan sandbox, kamu bisa batasi apa yang boleh dan nggak boleh dilakukan agent.

Sejarah Singkat: Dari TypeScript ke Rust

Awalnya, Codex CLI ditulis pakai TypeScript dan Node.js. Keputusan itu diambil buat kecepatan rilis — tim OpenAI mau cepat keluar dengan produknya. Tapi di pertengahan 2025, mereka mulai rewrite ke Rust.

Alasannya cukup masuk akal: Node.js jadi dependency instalasi yang ribet, garbage collection pause bikin agent process yang jalan lama nggak smooth, dan mereka mau integrasi lebih ketat sama sandbox API native tiap platform. Saya sendiri ngalamin ini — pas masih versi TypeScript, kadang ada lag aneh pas lagi sesi panjang. Setelah pindah ke Rust, beda banget. Cepat dan stabil.

Step 1: Cek Prasyarat Sebelum Instal

Sebelum mulai, pastikan environment kamu siap. Saya pernah coba instal di laptop yang Node-nya versi lama dan hasilnya berantakan. Jadi biar Teman-Teman nggak ngalamin hal sama, ini checklist-nya:

• Node.js versi 18 atau lebih baru — kalau belum ada, install dari nodejs.org atau pakai nvm/fnm buat manage versi

• Terminal yang support — di macOS pake Terminal.app atau iTerm2, di Windows pake PowerShell atau Windows Terminal, di Linux bebas pakai terminal mana saja

• Git terinstall — Codex CLI bekerja paling baik di dalam Git repository

• Koneksi internet — soalnya modelnya ada di cloud OpenAI

• Akun ChatGPT (Plus, Pro, Business, Edu, atau Enterprise) atau OpenAI API key — dua-duanya bisa dipakai buat autentikasi

Kenapa Git penting? Karena Codex CLI by default cuma mau jalan di dalam repo Git. Ini buat safety — biar semua perubahan yang agent buat bisa di-rollback pakai Git. Kalau kamu mau pake di luar repo Git, bisa pakai flag --skip-git-repo-check, tapi saya nggak rekomendasiin kecuali kamu tahu apa yang kamu lakuin.

Cek versi Node.js kamu:

node --version

Output yang diharapkan:

v20.11.0

Kalau versi kamu di bawah 18, update dulu. Kalau belum ada Node sama sekali, install dulu. Saya pribadi pakai fnm (Fast Node Manager) soalnya lebih cepat dari nvm:

# Install fnm (macOS/Linux)
curl -fsSL https://fnm.vercel.app/install | bash

# Install Node.js versi terbaru
fnm install --latest
fnm use --latest

Step 2: Install Codex CLI

Ada beberapa cara buat install Codex CLI. Saya mau bahas semuanya biar Teman-Teman bisa pilih yang paling cocok.

Instalasi via npm (Semua Platform)

Cara paling umum dan paling gampang:

npm install -g @openai/codex

Tunggu proses instalasi selesai. Kalau sukses, cek versi:

codex --version

Output yang diharapkan:

0.143.0

Catatan: versi yang kamu lihat mungkin lebih baru dari contoh di atas soalnya Codex CLI rilis sangat sering — kadang sampai dua rilis per hari di tahun pertamanya.

Instalasi via Homebrew (macOS)

Kalau di macOS dan pakai Homebrew, bisa juga:

brew install --cask codex

Saya pribadi lebih suka npm soalnya update-nya lebih cepat. Tapi kalau kamu udah pakai Homebrew buat manage semua tool, pakai ini juga nggak masalah.

Instalasi via Binary Langsung (Tanpa Node.js)

Salah satu kelebihan setelah rewrite ke Rust: kamu bisa download binary langsung tanpa butuh Node. Ini cocok buat environment CI/CD atau server yang nggak punya Node.

Baca juga ClinePass: Langganan Model Open Weight untuk Coding

Download dari GitHub Releases page:

• macOS Apple Silicon: codex-aarch64-apple-darwin.tar.gz

• macOS x86_64: codex-x86_64-apple-darwin.tar.gz

• Linux x86_64: codex-x86_64-unknown-linux-musl.tar.gz

• Linux arm64: codex-aarch64-unknown-linux-musl.tar.gz

Extract lalu taruh di PATH:

# Contoh untuk macOS Apple Silicon
tar -xzf codex-aarch64-apple-darwin.tar.gz
sudo mv codex /usr/local/bin/
codex --version

Instalasi di Windows

Untuk Windows, ada dua opsi: jalan native dengan sandbox support, atau pakai WSL2 (Windows Subsystem for Linux). Kedua-duanya didukung.

Native PowerShell:

npm i -g @openai/codex

Lewat WSL2, sama kayak instalasi Linux biasa. Saya pernah coba dua-duanya dan WSL2 terasa lebih stabil buat workflow yang kompleks, tapi native juga udah cukup buat tugas harian.

Step 3: Autentikasi dan Login

Setelah instal, langkah berikutnya adalah autentikasi. Codex CLI kasih dua jalur: login pakai akun ChatGPT atau pakai OpenAI API key.

Login Pakai Akun ChatGPT

Cara paling gampang dan paling populer buat developer individual:

codex

Pas pertama kali jalan, Codex bakal minta kamu buat sign in. Pilih opsi ChatGPT account, lalu browser akan kebuka buat OAuth flow. Sign in pakai akun ChatGPT kamu, dan selesai.

Kelebihan pakai akun ChatGPT: biaya sudah masuk paket langganan kamu (Plus, Pro, Business, Edu, atau Enterprise). Nggak perlu mikirin bill per token. Buat saya yang pakai paket Pro, ini lebih praktis soalnya nggak perlu top-up API credit terus-terusan.

Login Pakai API Key

Kalau kamu lebih suka bayar per token atau di environment yang nggak bisa buka browser:

# Set environment variable
export OPENAI_API_KEY="sk-proj-xxxxxxxxxxxxx"

# Login via API key
codex login

Atau langsung pipa dari environment variable:

printenv OPENAI_API_KEY | codex login --with-api-key

Login Headless (Untuk SSH/Server)

Ini fitur yang saya pakai lumayan sering soalnya kadang saya kerja di remote server via SSH. Versi 0.116.0 nambahin device-code sign-in buat environment tanpa browser:

codex login --device-auth

Codex bakal kasih kamu kode yang kamu input di openai.com/device lewat browser di device lain. Praktis banget buat server atau CI/CD pipeline.

Error Umum: "Authentication Failed"

Kalau kamu nemu error ini, cek beberapa hal:

1. API key expired atau salah — cek di platform.openai.com/api-keys

2. Akun ChatGPT nggak punya paket yang include Codex — pastikan paket kamu Plus atau lebih tinggi

3. Koneksi internet nggak stabil — OAuth flow butuh koneksi stabil

Solusi yang biasanya jalan:

# Logout dulu
codex logout

# Login ulang
codex login

Step 4: Memahami Sandbox dan Approval Policy

Ini bagian yang menurut saya paling penting dan paling sering di-skip orang. Padahal, sandbox dan approval policy itu yang bikin Codex CLI aman dipakai.

Apa Itu Sandbox?

Sandbox itu semacam "pagar" yang batasin apa yang agent boleh lakuin di sistem kamu. Codex CLI pakai sandbox native tiap platform: Seatbelt di macOS, bubblewrap di Linux/WSL2, dan Windows sandbox native di PowerShell.

Sandbox itu kayak satpam yang jaga pintu. Agent bisa ngapain aja di dalam ruang yang udah ditentuin, tapi kalau mau keluar, harus minta izin dulu.

Ada tiga mode sandbox:

Apa Itu Approval Policy?

Approval policy itu aturan kapan agent harus berhenti dan nanya kamu sebelum ngelakuin sesuatu yang dia sebenarnya boleh lakuin. Ini beda dari sandbox — sandbox bilang "boleh nggak", approval policy bilang "perlu nanya nggak".

Tiga mode approval:

Baca juga Kiro Dev: IDE Agentic AWS untuk Spec-Driven Development

• untrusted — auto-approve command yang aman (baca file), tapi nanya untuk semua yang lain termasuk operasi Git destruktif

• on-request — nanya kalau agent mau naik di luar sandbox-nya

• never — skip semua prompt, tapi tetap hormati batas sandbox

Kombinasi yang biasa saya pakai:

# Aman banget — buat eksplorasi repo orang lain
codex -s read-only -a untrusted

# Sehari-hari — buat ngoding di repo sendiri
codex -s workspace-write -a untrusted

# Full auto — buat CI/CD atau tugas yang udah jelas
codex --full-auto

# Tanpa pengaman (HATI-HATI)
codex --yolo

--full-auto itu shortcut buat workspace-write + on-request. Saya pakai ini lumayan sering buat tugas yang udah jelas scope-nya, kayak fix linting errors atau jalanin test.

Step 5: Memulai Sesi Pertama

Sekarang saatnya action. Masuk ke project directory kamu lalu jalanin Codex:

cd ~/projects/my-app
codex

Codex bakal buka TUI (Terminal User Interface) full-screen. Kamu bakal lihat:

╭──────────────────────────────────────────────────╮
│ >_ OpenAI Codex                                  │
│                                                  │
│ model:     gpt-5.4 medium /model to change       │
│ directory: ~/projects/my-app                     │
╰──────────────────────────────────────────────────╯

  To get started, describe a task or try one of these commands:

  /init - create an AGENTS.md file with instructions for Codex
  /status - show current session configuration
  /permissions - choose what Codex allowed to do
  /model - choose what model and reasoning effort to use
  /review - review any changes and find issues

Kasih Prompt Pertama

Ketik aja instruksi dalam bahasa natural. Bahasa Indonesia juga bisa, tapi kalau mau hasil yang lebih konsisten, Inggris lebih reliable. Contoh:

> Explain the architecture of this project and list the main modules

Codex bakal baca file-file di repo, pahami strukturnya, lalu kasih penjelasan. Ini langkah bagus buat ngenal repo baru yang kamu baru clone.

Atau langsung kasih tugas:

> Refactor the auth module to use JWT tokens instead of session cookies

Codex bakal baca modul auth, bikin plan, lalu usulin perubahan. Kalau ada command yang perlu dijalanin (misal npm test), dia bakal nanya dulu kalau approval policy-nya untrusted.

Kenapa Langkah Ini Penting

Banyak orang langsung lompat ke "bikin fitur X" tanpa ngerti repo-nya dulu. Saya pernah lakukin itu dan hasilnya Codex bikin file yang udah ada duplikatnya soalnya dia nggak scan cukup dalam. Dengan minta dia explain dulu, kamu kasih dia konteks buat pahami project sebelum ngelakuin perubahan.

Step 6: Setup AGENTS.md Buat Instruksi Project

Salah satu fitur yang saya suka banget dari Codex CLI adalah AGENTS.md. Ini file kayak .editorconfig atau CONTRIBUTING.md, tapi khusus buat kasih instruksi ke agent.

Bikin file AGENTS.md di root project kamu:

touch AGENTS.md

Atau pakai slash command:

/init

Codex bakal generate scaffold AGENTS.md otomatis. Contoh isi yang biasa saya pakai:

# My App

## Build Commands
- Test: `npm test`
- Build: `npm run build`
- Lint: `npm run lint -- --fix`

## Rules
- Use TypeScript strict mode for all new files
- Write unit tests for every new function
- Never commit directly to main branch
- All API endpoints must have OpenAPI docs
- Prefer functional patterns over OOP

Kenapa AGENTS.md Penting?

Tanpa AGENTS.md, Codex bakal tebak-tebakan style dan konvensi project kamu. Saya pernah lupa bikin AGENTS.md di satu project, dan Codex bikin file JavaScript padahal project-nya TypeScript. Setelah saya tambah AGENTS.md dengan instruksi "always use TypeScript", masalahnya nggak terulang.

AGENTS.md itu kayak onboarding document buat agent baru yang masuk tim kamu. Makin jelas instruksinya, makin konsisten hasilnya.

Step 7: Ganti Model dan Reasoning Effort

Codex CLI itu model-agnostic di desainnya, tapi dioptimasi buat model OpenAI terbaru. Kamu bisa ganti model kapan aja, bahkan pas lagi sesi.

Ganti model di TUI:

/model

Bakal kebuka model picker. Pilih yang sesuai kebutuhan:

Atau langsung dari command line:

codex --model gpt-5.4 "explain this codebase"
codex -m gpt-5.4-mini "fix the typo in README"

Reasoning Effort

Selain model, kamu juga bisa atur reasoning effort — seberapa dalam model mikir sebelum jawab:

Baca juga CodeBuddy: Editor Kode AI untuk Coding Lebih Cepat

• minimal — buat lookup simpel

• low — buat pertanyaan basic

• medium — default, seimbang

• high — buat debugging kompleks, arsitektur

• xhigh — buat masalah tersulit

Saya biasanya pakai high buat tugas yang butuh mikir keras kayak refactor arsitektur, dan low buat tugas mekanis kayak fix linting errors. Beda jauh biaya dan waktu-nya.

Step 8: Pakai Codex buat Code Review

Ini salah satu use case favorit saya. Daripada review PR manual yang makan waktu, saya suruh Codex yang review dulu.

Di TUI, ketik:

/review

Bakal kebuka menu preset:

1. Review against a base branch (PR Style) — bandingin working tree ke main atau branch lain

2. Review uncommitted changes — review semua yang di staging area dan working directory

3. Review a commit — target commit SHA tertentu

4. Custom review instructions — kasih instruksi bebas kayak "fokus ke security" atau "cek error handling"

Hasil review bakal tampil inline dengan saran perbaikan yang bisa kamu accept atau reject satu per satu.

Buat non-interactive, pakai subcommand:

# Review uncommitted changes
codex review --uncommitted

# Review against branch main
codex review --base main

# Review commit tertentu
codex review --commit abc123

Output bisa di-pipe ke file buat dokumentasi:

codex review --base main --json > review-results.json

Studi Kasus: Review PR di Tim Saya

Di tim saya, kami dulu butuh rata-rata 2 jam buat review satu PR ukuran sedang. Setelah kami integrasi Codex CLI buat first-pass review, waktu review turun ke sekitar 45 menit. Codex kira-kira nangkap 60-70% issue yang sebelumnya ketangkap manual — biasanya soal style, missing tests, dan potential null pointer. Sisa 30-40% tetap butuh human reviewer soalnya soal konteks bisnis yang agent nggak punya.

Step 9: Non-Interactive Mode buat CI/CD

Salah satu kekuatan utama Codex CLI adalah codex exec — mode non-interactive buat scripting dan CI/CD.

Basic usage:

codex exec "fix the failing tests"

Output bakal ke-pipe ke stdout, jadi gampang di-chain sama tool Unix lain:

# Generate migration dan simpan ke file
codex exec "generate a migration for adding an email column" | tee migration.sql

# Summarize diff
codex exec "summarize this diff" < changes.patch

# Output JSON buat parsing
codex exec --json "list all API endpoints"

Buat CI/CD pipeline, biasanya pakai --full-auto:

codex exec --full-auto "run tests and fix all failures"

GitHub Action buat Automated PR Review

Ada GitHub Action resmi yang bisa kamu tambah ke repo:

name: Codex Review
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run Codex Review
        run: |
          npm i -g @openai/codex
          codex exec --full-auto "review this PR and suggest improvements"
        env:
          OPENAI_API_KEY: ${{ secrets. OPENAI_API_KEY }}

Kenapa ini berguna? Soalnya review otomatis di CI bikin maintainer bisa fokus ke keputusan merge, bukan ngecek tiap baris diff. Di tim saya, ini ngurangin waktu review sampai 50%.

Step 10: Konfigurasi via config.toml

Codex CLI pakai file TOML buat konfigurasi. Ada beberapa level dengan prioritas (dari tertinggi):

1. CLI flags

2. Profile values

3. Project config (.codex/config.toml)

4. User config (~/.codex/config.toml)

5. System config (/etc/codex/config.toml)

6. Defaults

Edit user config:

vi ~/.codex/config.toml

Contoh konfigurasi yang biasa saya pakai:

# Model dan reasoning
model = "gpt-5.4"
model_reasoning_effort = "high"

# Security defaults
sandbox_mode = "workspace-write"
approval_policy = "on-request"

# Personality
personality = "pragmatic"

# Web search
web_search = "cached"

# Developer instructions
developer_instructions = "Always use TypeScript. Prefer functional patterns."

# MCP servers
[mcp_servers.github]
command = ["npx", "-y", "@modelcontextprotocol/server-github"]

# Named profiles
[profiles.fast]
model = "gpt-5.4-mini"
model_reasoning_effort = "low"
service_tier = "fast"

[profiles.thorough]
model = "gpt-5.4"
model_reasoning_effort = "xhigh"

Pakai profile:

codex -p fast "fix the typo in README"
codex -p thorough "redesign the auth module"

Profile itu kayak preset — sekali konfigurasi, pakai berulang. Saya punya profile fast buat tugas harian dan thorough buat arsitektur yang butuh mikir keras.

Step 11: Pakai MCP buat Extend Codex

Model Context Protocol (MCP) itu protokol yang bikin Codex bisa konek ke tool eksternal. Ini salah satu fitur yang bikin Codex CLI lebih fleksibel dari kompetitor.

Baca juga GitHub Copilot: Cara Mempercepat Kerja Tim

Tambah MCP server:

codex mcp add github -- npx -y @modelcontextprotocol/server-github
codex mcp add remote-db --env API_KEY=xxx -- node server.js

Cek MCP server yang aktif:

codex mcp list

Di TUI, cek tool yang available:

/mcp

Atau konfigurasi via config.toml:

# STDIO transport (local process)
[mcp_servers.github]
command = ["npx", "-y", "@modelcontextprotocol/server-github"]
enabled = true
startup_timeout_sec = 30

# HTTP transport (remote server)
[mcp_servers.remote-db]
url = "https://my-mcp-server.example.com"

Codex juga bisa jalan sebagai MCP server sendiri:

codex mcp-server

Ini berguna kalau kamu mau framework agent lain (misal LangChain atau CrewAI) yang drive Codex sebagai tool.

Step 12: Pakai Subagent buat Paralelisasi

Salah satu fitur yang lumayan baru dan cukup powerful: subagents. Codex bisa spawn beberapa agent yang jalan paralel buat tugas yang bisa dipecah.

Contoh:

> Refactor these three independent modules at the same time: auth, billing, and notifications

Codex bakal spawn tiga subagent, masing-masing handle satu modul. Hasilnya dikumpulin ke main session.

Peringatan: subagent makan lebih banyak token soalnya tiap subagent punya context window sendiri. Pakai cuma kalau tugas bener-bener benefit dari paralelisasi.

Saya pakai subagent paling sering buat generate test buat multiple modules sekaligus. Daripada satu-satu, saya suruh dia bikin test buat 5 modul paralel. Hemat waktu dari 30 menit jadi sekitar 8 menit.

Step 13: Image Input dan Multimodal

Codex CLI dukung input gambar. Kamu bisa attach screenshot, diagram, atau design spec ke prompt.

# Attach satu gambar
codex -i screenshot.png "fix the layout bug shown here"

# Multiple gambar
codex -i before.png,after.png "describe the visual differences"

Format yang didukung: PNG, JPEG, GIF, WebP. Gambar otomatis di-resize kalau kebesaran.

Saya pakai ini lumayan sering buat reproduksi bug dari screenshot QA. Daripada saya baca deskripsi panjang dari tester, saya kasih screenshot aja ke Codex dan biarkan dia yang analisis.

Step 14: Web Search buat Konteks Terkini

Codex punya web search tool built-in. Default-nya enabled dan di-cache buat ngurangin latency.

# Live search (tanpa cache)
codex --search "what changed in the latest React release?"

Konfigurasi di config.toml:

[search]
enabled = true
cache_ttl = "24h"
provider = "default"

Ini berguna banget pas kamu kerja dengan library yang sering update dan dokumentasinya mungkin udah out-of-date. Codex bisa cari info terkini tanpa kamu keluar dari terminal.

Step 15: Resume dan Fork Sesi

Sesi Codex itu persisten — disimpan di disk. Kamu bisa resume kapan saja.

# Buka picker sesi terakhir
codex resume

# Tampilkan semua sesi
codex resume --all

# Langsung ke sesi terakhir
codex resume --last

# Sesi spesifik dengan ID
codex resume abc123

Fork sesi buat explore alternatif tanpa ngilangin sesi original:

codex fork

Atau di TUI:

/fork

Saya pakai fork lumayan sering. Misal saya lagi explore dua approach buat solve bug, saya fork sesi di titik tertentu, explore approach A di satu fork, dan approach B di fork lain. Bandingin hasil, ambil yang lebih bagus.

Baca juga Mengenal Astro 7.1: Framework JavaScript Ringan untuk Website

Perbandingan: Codex CLI vs Claude Code vs Gemini CLI vs Aider

Teman-Teman mungkin nanya, "kenapa harus Codex CLI? Kan ada alternatif lain." Betul, jadi mari kita bandingin secara objektif.

Kapan Pakai Codex CLI?

• Kamu udah subscribe ChatGPT Plus/Pro dan mau manfaatin langganan itu

• Kamu butuh sandbox OS-level buat safety

• Kamu sering kerja di terminal dan mau satu tool buat semua

• Kamu butuh CI/CD integration yang mature

Kapan Pakai Claude Code?

• Kamu prefer model Claude (terutama buat SWE-bench-style tasks)

• Kamu butuh akurasi tinggi di multi-component logic

• Kamu udah di ekosistem Anthropic

Kapan Pakai Gemini CLI?

• Kamu di ekosistem Google Cloud

• Kamu mau model Gemini sebagai default

• Kamu butuh open-source dengan integrasi Google

Kapan Pakai Aider?

• Kamu mau model-agnostic dan pakai model murah

• Kamu butuh git-native workflow dengan auto-commit

• Budget terbatas tapi tetap mau AI coding assistant

Problem-Solution: Tantangan yang Saya Hadapi dan Cara Codex CLI Bantu

Problem: Review Code Manual yang Makan Waktu

Di tim saya, kami dulu alokasin 2-3 jam per developer per hari buat review PR. Bayangin kalau ada 5 PR masuk, itu 10-15 jam total. Waktu yang seharusnya bisa dipakai buat ngoding jadi habis di review.

Kenapa Ini Penting

Code review itu essential buat quality, tapi kalau terlalu lama, developer jadi bottleneck. PR numpuk, feature delivery melambat, dan tim jadi frustrasi.

Solution: Codex CLI buat First-Pass Review

Saya integrasi Codex CLI ke workflow review kami:

# Sebelum assign human reviewer
codex review --base main --json > codex-review.json

# Codex bakal flag:
# - Missing tests
# - Potential null pointer
# - Style inconsistencies
# - Security concerns

Human reviewer cuma perlu fokus ke:

• Konteks bisnis yang agent nggak punya

• Arsitektur dan design decisions

• Trade-off yang butuh judgment manusia

Hasil

• Waktu review turun dari rata-rata 2 jam ke 45 menit per PR

• 60-70% issue tertangkap oleh Codex sebelum human review

• PR throughput naik sekitar 40%

• Developer satisfaction naik soalnya review jadi lebih fokus ke hal yang bener-bener butuh input manusia

Studi Kasus: Migrasi Legacy Codebase

Background

Saya pernah handle project migrasi dari JavaScript ke TypeScript di codebase yang udah berjalan 3 tahun. Ukurannya sekitar 180 file, 45,000 baris kode. Tim cuma 3 orang dan deadline 6 minggu.

Challenge

• Codebase nggak punya type definitions

• Banyak implicit dependency yang susah dilacak

• Test coverage di bawah 30%

• Tim nggak punya pengalaman TypeScript mendalam

Approach

Saya pakai Codex CLI buat accelerate migrasi:

1. Generate AGENTS.md dengan aturan migrasi yang jelas

2. Pakai profile thorough buat reasoning effort maksimal

3. Migrasi per modul, bukan semua sekaligus

4. Generate test dulu sebelum ubah kode

Implementation

Langkah 1 — Setup AGENTS.md:

# Migration Project

## Build Commands
- Test: `npm test`
- Build: `npm run build`
- Type check: `npx tsc --noEmit`

## Rules
- Convert one module at a time
- Always run type check after each conversion
- Generate tests before modifying existing code
- Never change runtime behavior during migration
- Use strict TypeScript for all new .ts files

Langkah 2 — Migrasi per modul:

codex -p thorough "Convert the auth module from JavaScript to TypeScript. \
  Generate type definitions for all exports. \
  Create unit tests for all functions. \
  Run type check after conversion."

Langkah 3 — Review hasil:

codex review --base main --json > review.json

Results

• Migrasi selesai dalam 4 minggu (2 minggu lebih cepat dari estimasi)

• Test coverage naik dari 28% ke 72%

• Type error di produksi turun 85% dalam 2 bulan setelah migrasi

• Tim belajar TypeScript dari saran Codex sepanjang proses

Key Learnings

• AGENTS.md yang jelas = hasil yang konsisten. Saya pernah lupa kasih aturan "never change runtime behavior" dan Codex sempat ubah logic pas migrasi type. Setelah saya tambah aturan itu, nggak terulang.

• Profile thorough worth it buat tugas kompleks. Biaya token lebih mahal, tapi ngurangin waktu debug.

• Generate test dulu sebelum ubah kode = safety net yang invaluable. Kalau ada yang break, langsung ketahuan.

Konfigurasi Lanjutan: Skills dan Plugin

Codex CLI punya sistem skills yang lumayan powerful. Skills itu package instruksi reusable yang bisa kamu buat sendiri.

Lokasi skills:

• .agents/skills/ — project-level (commit ke git)

• ~/.codex/skills/ atau ~/.agents/skills/ — personal

• /etc/codex/skills/ — system-wide

Invoke skill di composer pakai $skill-name. Buat skill baru pakai $skill-creator.

Plugin juga available lewat marketplace:

/plugins

Di versi terbaru, ada 1751+ plugin yang available. Beberapa yang sering saya pakai:

• GitHub — triage PR, issues, CI

• Gmail — baca dan manage email

• Google Calendar — manage jadwal

• Build Web Apps — bikin frontend dengan browser testing

Execution Policy Rules

Buat yang mau kontrol lebih granular soal command apa yang boleh jalan, Codex punya execution policy rules pakai format Starlark.

Bikin file rules:

vi ~/.codex/rules/default.rules

Contoh:

prefix_rule(
    pattern = ["git", "push"],
    decision = "forbidden",
    justification = "No direct pushes - use PR workflow"
)

prefix_rule(
    pattern = ["rm", "-rf"],
    decision = "prompt",
    justification = "Destructive operation needs confirmation"
)

Test rules sebelum apply:

codex execpolicy check --pretty -- git push origin main

Saya pakai ini buat pastikan agent nggak pernah git push langsung ke main. Safety net ekstra di luar sandbox dan approval policy.

Baca juga 9Router v0.5.35: Solusi Rate Limit AI Coding

Environment Variables yang Berguna

CODEX_HOME itu salah satu yang paling berguna buat saya. Saya punya beberapa config berbeda buat project berbeda, dan CODEX_HOME bikin saya bisa switch antar config dengan gampang.

Error Umum dan Troubleshooting

Error: "command not found: codex"

Penyebab: Binary nggak di PATH.

Solusi:

# Cek di mana codex terinstall
which codex
npm list -g @openai/codex

# Kalau via npm, pastikan npm global bin di PATH
echo $PATH | tr ':' '\n' | grep npm

# Tambah ke PATH kalau perlu (zsh)
echo 'export PATH="$(npm config get prefix)/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

Error: "Sandbox initialization failed"

Penyebab: Sandbox dependency nggak terinstall.

Solusi di Linux:

# Install bubblewrap
sudo apt install bubblewrap

# Kalau di WSL2, pastikan unprivileged user namespaces enabled
sudo sysctl -w kernel.unprivileged_userns_clone=1

Solusi di macOS: Seatbelt sudah built-in, tapi pastikan macOS versi cukup baru (11.0+).

Error: "Rate limit exceeded"

Penyebab: Kuota ChatGPT atau API key udah habis.

Solusi:

• Kalau pakai ChatGPT plan: tunggu reset period (biasanya mingguan)

• Kalau pakai API key: cek usage di platform.openai.com/usage

• Switch ke model yang lebih murah: codex -m gpt-5.4-mini

Error: "Git repository required"

Penyebab: Codex butuh Git repo buat safety, tapi kamu di directory yang bukan repo.

Solusi:

# Init git repo dulu
git init

# Atau skip check (HATI-HATI)
codex --skip-git-repo-check

Error: "Model not available"

Penyebab: Model yang kamu pilih nggak available di plan kamu.

Solusi:

# Cek model yang available
codex --model ?

# Atau pakai /model di TUI buat lihat daftar

Error: "MCP server failed to start"

Penyebab: MCP server command salah atau dependency nggak ada.

Solusi:

# Cek MCP server yang terkonfigurasi
codex mcp list

# Remove dan add ulang
codex mcp remove github
codex mcp add github -- npx -y @modelcontextprotocol/server-github

# Test manual
npx -y @modelcontextprotocol/server-github

Tips Pro dari Pengalaman Saya

1. Selalu Bikin Git Checkpoint

Sebelum kasih Codex tugas yang ubah kode, commit dulu:

git add -A
git commit -m "checkpoint before codex task"

Kalau hasil Codex nggak sesuai, tinggal git reset --hard HEAD~1. Saya pernah lupa lakuin ini dan harus manual revert 15 file. Belajar dari situ.

2. Pakai Profile buat Workflow Berbeda

Saya punya tiga profile yang saya pakai terus:

[profiles.quick]
model = "gpt-5.4-mini"
model_reasoning_effort = "low"
service_tier = "fast"

[profiles.balanced]
model = "gpt-5.4"
model_reasoning_effort = "medium"

[profiles.deep]
model = "gpt-5.4"
model_reasoning_effort = "xhigh"

• quick buat typo fix, linting, tugas mekanis

• balanced buat feature development sehari-hari

• deep buat arsitektur, debugging kompleks, refactor besar

3. Pakai /compact Pas Sesi Panjang

Pas sesi udah panjang dan context window mulai penuh:

/compact

Codex bakal summarize conversation buat free up token. Kualitas jawaban biasanya tetap bagus soalnya summary-nya cukup komprehensif.

4. Inject Instruction Pas Agent Lagi Jalan

Pas Codex lagi jalanin tugas, kamu bisa tekan Enter buat inject instruction tambahan tanpa nunggu dia selesai. Saya sering pakai ini buat kasih hint tambahan pas liat dia mulai ke arah yang salah.

Baca juga Cursor Composer 3: AI Coding 1,5T Parameter Segera Rilis

5. Pakai @ buat File Reference

Di composer, ketik @ buat fuzzy search file di project. Ini lebih cepat dari pada ngetik path manual:

> Fix the bug in @src/auth/login.ts where the token expires too quickly

6. Pakai ! buat Shell Command

Prefix ! buat jalanin shell command tanpa keluar TUI:

! git status
! npm test
! ls -la

Saya pakai ini terus buat cek status tanpa pindah terminal.

Perbandingan Sandbox: Kapan Pakai Mode Apa

Saya hampir nggak pernah pakai --yolo kecuali di Docker container yang disposable. Terlalu berisiko buat production machine.

Integrasi dengan Codex Cloud

Codex CLI nggak cuma jalan lokal — dia juga bisa connect ke Codex Cloud, versi hosted yang jalanin tugas di container remote.

# Browse cloud tasks
codex cloud

# Execute dengan environment spesifik
codex cloud exec --env ENV_ID "prompt" --attempts 3

Kapan pakai cloud vs local?

• Local: buat tugas interaktif yang kamu mau watch setiap step

• Cloud: buat tugas yang mau kamu launch dan walk away

Saya pakai cloud buat tugas yang butuh waktu lama kayak generate test untuk seluruh codebase. Daripada terminal saya sibuk berjam-jam, saya launch di cloud dan balik lagi pas udah selesai.

Keyboard Shortcuts yang Wajib Hafal

Hafalin yang paling sering dipakai: @, !, Esc+Esc, dan Ctrl+G. Empat ini uda cover 80% workflow saya.

Slash Commands Reference Cepat

Best Practices buat Tim

Kalau kamu mau roll out Codex CLI ke tim, ini yang saya sarankan dari pengalaman:

1. Standardisasi AGENTS.md — bikin template yang konsisten buat semua project

2. Setup execution policy rules — pastikan git push ke main di-forbidden

3. Pakai profile — kasih setiap developer preset yang sesuai role mereka

4. Integrasi ke CI — tambah codex review ke PR pipeline

5. Training session — sekali session 1 jam cukup buat onboard tim

6. Monitor token usage — kalau pakai API key, set budget alert di OpenAI dashboard

Siapa yang Sebaiknya Pakai Codex CLI?

Cocok buat:

• Developer yang kerja di terminal sehari-hari

• Tim yang butuh accelerate code review

• Yang udah subscribe ChatGPT Plus/Pro dan mau manfaatin langganan

• Yang butuh CI/CD integration dengan AI review

• Yang kerja dengan codebase besar dan butuh agent yang bisa baca banyak file

Mungkin skip dulu kalau:

• Kamu lebih nyaman di IDE full-featured kayak VS Code (pakai Codex IDE extension aja)

• Budget sangat terbatas dan nggak punya ChatGPT subscription

• Project kamu sangat kecil dan copy-paste dari ChatGPT udah cukup

• Kamu butuh model non-OpenAI sebagai default

Adopsi dan Statistik

Buat yang penasaran soal adopsi, Codex CLI udah lumayan masif. Per April 2026, GitHub repository udah punya sekitar 74,500 stars dan 10,500 forks. Npm package hit 14.5 million monthly downloads di Maret 2026 — naik 177x dari bulan rilis.

OpenAI sendiri lapor bahwa produk Codex secara keseluruhan udah lewat 5 million weekly active users per Juni 2026, naik dari sekitar 600,000 di awal tahun. Itu pertumbuhan yang lumayan drastis.

Yang menarik, sekitar 20% pengguna Codex bukan developer tradisional — mereka knowledge worker yang pakai Codex buat bikin report, spreadsheet, dan dokumen. Ini nunjukin bahwa tool ini udah melampaui ranah pure coding.

Perbandingan Model: Mana yang Pilih?

Buat yang pakai ChatGPT subscription, semua model include dalam paket. Buat yang pakai API key, codex-mini-latest paling murah, tapi kualitasnya juga paling rendah.

Saya pribadi pakai gpt-5.4 buat hampir semua tugas kecuali yang benar-benar simpel. Untuk tugas mekanis kayak fix linting, gpt-5.4-mini udah cukup dan lebih cepat.

Workflow Lengkap: Dari Setup sampai Ship

Buat yang mau lihat workflow end-to-end, ini yang saya pakai sehari-hari:

# 1. Masuk ke project
cd ~/projects/my-app

# 2. Bikin checkpoint
git add -A && git commit -m "checkpoint"

# 3. Start Codex dengan profile sesuai
codex -p balanced

# 4. Generate atau update AGENTS.md kalau perlu
/init

# 5. Kasih tugas
> Add input validation to the user registration form.
  Make sure email format is validated and password meets
  minimum 8 characters with at least one number and one symbol.
  Write unit tests for all validation rules.

# 6. Review perubahan
/diff

# 7. Review dengan Codex
/review

# 8. Test
! npm test

# 9. Kalau semua bagus, commit
! git add -A && git commit -m "feat: add input validation to registration"

# 10. Push
! git push origin feature/input-validation

Workflow ini udah saya pakai berulang dan konsisten ngasih hasil yang bagus. Kuncinya di langkah 2 (checkpoint) dan 6-7 (review sebelum commit).

Local Models: Codex dengan LM Studio atau Ollama

Salah satu fitur yang mungkin nggak banyak orang tahu: Codex CLI bisa pakai model lokal.

# Pakai dengan LM Studio
codex --oss --local-provider lmstudio

# Pakai dengan Ollama
codex --oss --local-provider ollama

Kenapa ini berguna?

Baca juga GPT Image 2: Panduan Lengkap API Gambar AI OpenAI

• Privasi: data nggak keluar dari mesin kamu

• Gratis: nggak butuh API key atau subscription

• Offline: bisa jalan tanpa internet

Tapi ada trade-off:

• Model lokal biasanya lebih lemah dari model cloud OpenAI

• Butuh hardware yang cukup (minimal 16GB RAM buat model 7B)

• Setup lebih ribet

Saya pakai model lokal buat tugas yang sensitif soalnya ada data client yang nggak boleh keluar. Buat tugas harian, tetap pakai model cloud soalnya kualitasnya jauh lebih bagus.

Remote Control: Codex sebagai App Server

Fitur yang cukup advanced: kamu bisa jalanin Codex sebagai app server di satu mesin dan connect dari mesin lain via WebSocket.

Start server:

codex app-server --listen ws://127.0.0.1:4500

Connect dari client:

codex --remote ws://127.0.0.1:4500

Ini berguna kalau kamu punya cloud VM yang powerful buat jalanin Codex, tapi mau control dari laptop yang lebih ringan. Atau kalau kamu di tim dan mau share satu instance Codex.

Ada tiga mode autentikasi:

Saya pernah setup ini buat tim yang ada 3 developer di 3 kota berbeda. Mereka semua connect ke satu server Codex di cloud VM. Hemat resource soalnya cuma satu instance yang jalan, bukan tiga.

File Structure Reference

Buat yang suka paham struktur file, ini layout lengkap Codex CLI:

# User-level (personal, semua project)
~/.codex/
  config.toml            # Settings global
  auth.json              # Credentials
  rules/                 # Execution policy rules
  skills/                # Personal skills
  themes/                # Custom .tmTheme files
  log/                   # Debug logs

# Project-level (shared dengan tim)
.codex/
  config.toml            # Project settings (trusted projects only)
AGENTS.md                # Project instructions
.agents/
  skills/                # Project skills

Pemisahan user-level dan project-level ini penting soalnya bikin kamu bisa punya config global yang konsisten tapi tetap fleksibel per project. Config project bisa di-commit ke git biar seluruh tim pakai setting yang sama.

Migrasi dari Claude Code ke Codex CLI

Kalau kamu udah pakai Claude Code dan mau coba Codex CLI, ini mapping yang membantu:

Yang perlu diingat: model default beda, jadi hasil bisa beda. Saya sarankan coba dulu di project non-kritikal buat bandingin kualitas sebelum commit penuh ke salah satu.

Yang Codex CLI Belum Bisa Lakukan

Buat adil, saya mau bahas limitasi yang saya nemuin selama pakai Codex CLI:

• Multi-component logic kompleks: kadang Codex kesulitan pas tugas butuh pahami interaksi antara banyak komponen yang complex. Claude Code kadang lebih bagus di sini.

• Konteks bisnis: Codex nggak tahu konteks bisnis project kamu. Dia bisa tebak dari kode, tapi decision yang butuh domain knowledge tetap butuh input kamu.

• Kreativitas arsitektur: buat design system dari nol, Codex bisa kasih saran tapi belum bisa replace arsitek yang berpengalaman.

• Debugging intermittent issue: kalau bug cuma muncul kadang-kadang, Codex kesulitan soalnya nggak bisa reproduce secara konsisten.

Jujur, saya masih kombinasikan Codex CLI dengan manual coding. Pakai Codex buat 70-80% tugas yang mekanis atau semi-mekanis, dan manual buat 20-30% yang butuh kreativitas atau konteks bisnis.

Tips Hemat Token

Kalau kamu pakai API key (bayar per token), ini cara hemat:

1. Pakai model mini buat tugas simpel: codex -m gpt-5.4-mini

2. Reasoning effort rendah buat tugas mekanis: codex -c model_reasoning_effort=low

3. Pakai /compact secara berkala: free up context window

4. Specific prompt: "fix the typo in line 42" lebih murah dari "review the entire file and fix issues"

5. Pakai @ buat file reference: lebih efisien dari naruh seluruh kode di prompt

6. Cache prompt prefix: OpenAI kasih 90% discount buat cached prompt prefix

Saya pernah coba tanpa strategi ini dan bill API saya naik 3x. Setelah saya apply tips di atas, bill turun ke level yang reasonable.

Update Codex CLI

Codex CLI rilis sangat sering — rata-rata dua rilis per hari di tahun pertama. Update gampang:

# Via npm
npm install -g @openai/codex

# Via Homebrew
brew upgrade codex

# Cek versi setelah update
codex --version

Saya sarankan update minimal seminggu sekali. Fitur baru dan bug fix masuk terus. Tapi kalau kamu di environment produksi yang butuh stabilitas, mungkin mau pin ke versi tertentu.

Mengapa Codex CLI Ditulis di Rust

Keputusan OpenAI buat rewrite dari TypeScript ke Rust itu bukan tanpa alasan. Saya udah bahas ini sekilas di awal, tapi mari lebih detail:

1. Node.js sebagai dependency instalasi: banyak developer nggak punya Node atau punya versi yang beda. Dengan Rust binary, instalasi jadi satu file, nggak butuh runtime.

2. Garbage collection pause: agent process yang jalan lama (jam-jam) di Node bakal mengalami GC pause yang bikin lag. Rust nggak punya GC soalnya manual memory management.

3. Sandbox API integration: Rust bisa call platform-native sandbox API lebih langsung dari pada JavaScript lewat FFI.

4. Security dan supply chain: satu Rust binary punya attack surface lebih kecil dari Node app dengan dependency tree yang dalam.

Hasilnya: setelah rewrite, Codex CLI jadi lebih cepat, lebih stabil, dan lebih gampang di-install. Saya merasakan bedanya langsung — dari yang dulu butuh beberapa detik buat start, jadi hampir instan.

Baca juga Tutorial Slack API: Bikin Bot Otomatis dengan Python & JS

Komunitas dan Ekosistem

Codex CLI open-source di GitHub dengan lisensi Apache 2.0. Ini berarti kamu bisa lihat source code, contribute, atau bahkan fork kalau perlu.

OpenAI juga bikin Codex Open Source Fund sebesar $1 juta, yang kasih API credits ke project open-source yang layak, didistribusi dalam blok $25,000. Ini nunjukin komitmen mereka buat support ekosistem open-source di sekitar tool ini.

Komunitas di GitHub udah cukup aktif. Diskusi soal fitur, bug report, dan contribution masuk terus. Saya sendiri pernah submit issue soal sandbox di WSL2 dan dapat response dalam 24 jam.

Masa Depan Codex CLI

Dari yang saya lihat di changelog dan roadmap, Codex CLI terus evolve ke arah yang lebih enterprise-friendly dan lebih terintegrasi:

• Enterprise features: device-code sign-in, custom CA support, execution policy rules

• Plugin marketplace: 1751+ plugin dan counting

• Remote control: app-server mode buat multi-user deployment

• Skills system: reusable instruction package yang bisa di-share antar tim

• Codex Cloud integration: makin seamless antara local dan cloud

Tren yang saya lihat: Codex CLI bukan lagi cuma "coding agent di terminal" — dia jadi platform agentic workspace yang bisa di-extend dan di-deploy di berbagai skala.

Checklist Sebelum Mulai Pakai

Buat Teman-Teman yang mau mulai, ini checklist yang bisa kamu ikutin:

• Install Node.js 18+ atau download binary langsung

• Install Codex CLI via npm, Homebrew, atau binary

• Login pakai ChatGPT account atau API key

• Bikin AGENTS.md di project kamu (/init)

• Setup profile di ~/.codex/config.toml

• Pilih sandbox mode yang sesuai (-s workspace-write)

• Pilih approval policy yang sesuai (-a untrusted)

• Bikin git checkpoint sebelum mulai tugas

• Coba tugas simpel dulu ("explain this project")

• Eksplor slash commands (/status, /model, /review)

• Setup MCP servers kalau butuh tool eksternal

• Integrasi ke CI/CD kalau di tim

Penutup Teknis

Codex CLI dari OpenAI udah jadi salah satu tool yang paling sering saya pakai sehari-hari. Dari install yang gampang, sandbox yang bikin aman, sampai integrasi CI/CD yang mature — tool ini udah cukup complete buat workflow terminal-first.

Yang bikin saya tetap pakai dan rekomendasiin: kombinasi model OpenAI yang kuat, sandbox OS-native yang reliable, dan ekosistem plugin yang terus berkembang. Kalau kamu udah subscribe ChatGPT, nggak ada alasan buat nggak coba soalnya udah include dalam paket.

Mulai dari yang kecil — install, bikin AGENTS.md, coba tugas simpel. Setelah nyaman, baru explore fitur yang lebih advanced kayak subagent, MCP, dan CI/CD integration. Selamat mencoba, Teman-Teman!

Kesimpulan

Setelah ngelewatin semua aspek — dari proses install yang gampang, sistem sandbox berbasis OS-native, sampai arsitektur plugin yang terus berkembang — jelas banget kalau Codex CLI bukan sekadar tool iseng buat ngerjain tugas terminal. Tool ini udah matang jadi sebuah agentic workspace platform yang bisa diandalkan buat workflow developer sehari-hari, baik kamu yang kerja sendiri maupun bagian dari tim engineering yang lebih besar. Kombinasi antara model OpenAI yang kuat, kontrol keamanan yang fleksibel, dan dukungan komunitas open-source yang aktif bikin Codex CLI beda dari kompetitor lain di kategori yang sama.

Pengalaman saya sendiri, dari awal yang cuma iseng nyoba sampai akhirnya jadi tool yang paling sering kepakai, nunjukin satu hal: nilai sebenarnya dari Codex CLI baru kerasa setelah kamu benar-benar integrate dia ke rutinitas development kamu. Mulai dari bikin AGENTS.md yang sesuai konteks project, setup profile yang pas, sampai eksplor fitur advanced kayak subagent dan MCP — semua itu nambah lapisan produktivitas yang susah didapat dari tool lain. Dan yang paling penting, kalau kamu udah subscribe ChatGPT, semua ini bisa dipakai tanpa biaya tambahan. Buat yang mau mulai, dokumentasi resmi OpenAI adalah tempat pertama yang wajib kamu kunjungi buat paham konsep dasar dan best practice-nya.

Pada akhirnya, Codex CLI nunjukin ke mana arah tools developer bakal menuju: bukan cuma ngebantu nulis kode, tapi benar-benar berfungsi sebagai partner yang bisa memahami konteks project, ngelakuin tugas kompleks, dan beradaptasi sama workflow kamu. Kalau kamu belum pernah nyoba, sekarang waktunya. Install, bikin AGENTS.md pertama kamu, dan biarkan tool ini nunjukin sejauh mana produktivitas terminal-first bisa bawa kamu. Selamat ngoding, Teman-Teman!

Referensi

GitHub. (2026). codex/codex-cli at main · openai/codex

GitHub. (2026). openai/codex: Lightweight coding agent that runs in your terminal

OpenAICLI. (2026). Codex CLI - Build, debug & deploy with AI

OpenAI Developers. (2026). Codex

OpenAI. (2026). Codex in ChatGPT: AI Coding Agents for Software Engineering

Codex Console. (2026). CLI – Codex

ComputingForgeeks. (2026). OpenAI Codex CLI Cheat Sheet – Commands, Shortcuts, Tips

Baca juga Animate UI: Komponen React Animasi Gratis & Mudah Dipakai

CodexCLI. (2026). CLI – Codex

ChatGPT Learn. (2026). Codex CLI

AI Wiki. (2026). OpenAI Codex CLI