CLI de OpenAI Codex para equipos

Introducción al CLI de OpenAI Codex

• Qué es Codex CLI y la arquitectura Rust de código abierto de 2025.
• Características clave: indicaciones, operaciones de archivos, ejecución Bash y tareas multi-paso.
• Comparativa con Claude Code y otros agentes de terminal.
• Vista previa de los modos de aprobación y límites de seguridad.

Instalación y configuración

• Instalación del CLI de Codex en macOS y Linux.
• Configuración de claves API para OpenAI y proveedores compatibles.
• Conexión a backends locales mediante Ollama y Atomic Chat.
• Configuración de SSH y entornos de desarrollo remoto.

Comandos del flujo de trabajo principal

• Ejecución de indicaciones individuales y sesiones multi-turno.
• Operaciones de lectura, escritura y edición de archivos desde las indicaciones.
• Ejecución de comandos de shell y salidas en tubería (piped outputs).
• Gestión de directorios de trabajo y contexto del proyecto.

Modos de aprobación y seguridad

• Configuración de modos automáticos, «preguntar antes de ejecutar» y completamente manuales.
• Aislamiento (sandboxing) y sesiones solo lectura frente a escrituras permitidas.
• Gestión segura de comandos destructivos y eliminaciones de archivos.

Integración con Git y CI

• Uso del CLI de Codex para generar commits y diffs.
• Hooks pre-commit con revisión por agentes.
• Ejecución del CLI de Codex en entornos CI headless.
• Integración con GitHub Actions y GitLab CI.

Integración con servidores MCP

• Conexión a servidores del Protocolo de Contexto de Modelos (MCP).
• Extensión de capacidades mediante puntos finales (endpoints) MCP personalizados.
• Creación de herramientas MCP internas para sistemas propietarios.

Soporte multi-backend

• Cambio entre las APIs de OpenAI, Gemini y GitHub Models.
• Inferencia local con Ollama y puntos finales autoalojados.
• Estrategias de selección de modelos para latencia frente a calidad.

Despliegue en equipo y gobernanza

• Configuración compartida y gestión de secretos.
• Políticas de uso y registros de auditoría para empresas.
• Configuración de indicaciones y límites estandarizados para el equipo.

Indicaciones personalizadas y flujos de trabajo

• Redacción de plantillas de indicaciones reutilizables.
• Cadenado de tareas para proyectos complejos de refactorización.
• Procesamiento por lotes de múltiples archivos y repositorios.

Ajuste del rendimiento

• Comprensión de las características de rendimiento de Rust.
• Optimización del uso de tokens para proyectos grandes.
• Gestión de caché y estado de la sesión.

Resolución de problemas comunes

• Solución de fallos de conexión con los backends.
• Depuración de ambigüedad e interpretaciones erróneas en las indicaciones.
• Gestión de la limitación de velocidad (rate limiting) y estrategias de reintento.

Mejores prácticas de seguridad

• Protección de claves API en entornos compartidos.
• Prevención de inyecciones de indicaciones y secuestro de comandos.
• Consideraciones sobre residencia de datos y cumplimiento normativo.

Resumen y próximos pasos

• Repaso de capacidades clave y flujos de trabajo.
• Recursos de la comunidad y contribuciones de código abierto.
• Transición a temas avanzados de orquestación multi-agente.