小龙报个人主页作者简介C研发嵌入式机器人AI等方向学习者❄️个人专栏《Codex应用实战》✨永远相信美好的事情即将发生文章目录前言一、配置MCP二、验证MCP三、使用MCP四、关于~/.codex/config.toml总结前言Model Context ProtocolMCP可拓展 AI 工具能力Claude、Cursor 均支持该协议而 Codex CLI 采用 TOML 格式配置 MCP与主流编辑器 JSON 配置存在差异。本文围绕 Codex 的 MCP 完整落地流程展开讲解配置写法、连通性验证方法与工具实操调用同时拆解 Codex 核心配置文件的全局、模型、多服务商模板配置帮助开发者快速完成 Codex 自定义工具拓展。一、配置MCPCodex CLI 可以通过在~/.codex/config.toml中定义一个mcp_servers部分来配置 MCP和 Claude 和 Cursor 在各自的 JSON 配置文件中定义mcpServers一样但是 Codex 的格式略有不同它使用 TOML而不是 JSON。比如我添加了以下几个 MCP[mcp_servers.context7] command npx args [-y, upstash/context7-mcp] env { test 123456 } [mcp_servers.puppeteer] command npx args [-y, modelcontextprotocol/server-puppeteer] env { test 123456 }二、验证MCP目前来说Codex 还没有提供专门的命令来验证 MCP 服务器的集成情况不像 Claude Code / Gemini CLI 能提供详细的 MCP 连接信息相信后续迭代会添加上。不过要是在启动 Codex 时如果连不上你配置的 MCP server就会给出错误信息。比如我故意把upstash/context7-mcp改成upstash/context7-mcp1后再执行 codex三、使用MCP例如我来测试下使⽤ context7 这个 MCP Server如图所示控制台已经显示成功调⽤ context7 ⼯具并成功输出了代码。四、关于~/.codex/config.toml~/.codex/config.toml是 Codex 核心配置文件我调试了半天找到几个关键配置。首先是全局配置这些选项需要放在配置文件开头部分# 模型选择 (GPT-5 High推理) model gpt-5 model_reasoning_effort high # 默认模型提供商 model_provider openai # 沙盒策略 (支持 read-only、workspace-write、danger-full-access、elevated) sandbox_mode workspace-write # 审批策略 (支持 on-failure、on-request、untrusted以及never) approval_policy on-failure然后是模型配置包含 Model Provider 和 Profile 配置。Model Provider 定义了 AI 提供商的配置比如 API 类型、URL、API Key、Header 等而 Profile 则定义了模型和 AI 提供商的一组配置方便配置的复用。# Model Providers [model_providers.openrouter] name Open Router base_url https://openrouter.ai/api/v1 env_key OPENROUTER_API_KEY wire_api chat query_params {} [model_providers.openai] name OpenAI using Chat Completions base_url https://api.openai.com/v1 env_key OPENAI_API_KEY wire_api chat # Profiles [profiles.o3] model o3 model_provider openai approval_policy never model_reasoning_effort high model_reasoning_summary detailed [profiles.gpt5] model openai/gpt-5 model_provider openrouter配置好之后你可以通过 Codex 的命令行参数来选择比如codex -p profile当然也可以用codex -m model来覆盖默认模型注意这里使用默认的 AI 提供商即 OpenAI。总结✨本文完整介绍 Codex CLI 接入 MCP 服务的全流程对比了 Codex TOML 格式与其他客户端 JSON 格式的配置区别给出 Context7、Puppeteer 两类实用 MCP 配置示例说明了故障排查方式与工具调用效果。同时详解config.toml全局权限、模型服务商、多套配置模板用法借助 profile 参数可灵活切换模型实现 AI 代码助手的功能拓展与自定义。