第一步：前置相关性判定（路径 A）

[ref_1] 的标题为“2025年11月2日-Claude+Codex协同开发，让AI编程效率翻倍成本直降近半”，其中显式包含了用户问题中的核心实体词“Claude”、“Codex”和“协同开发”。根据优先级1的判定准则，标题已显式匹配，因此立即判定为相关，进入路径A。接下来将基于所有参考资料 [ref_1] 至 [ref_6] 生成答案。

第二步：逻辑生成与答案

实现 Claude Code 与 OpenAI Codex 的协同开发模式，其核心在于利用 Model Context Protocol (MCP) 作为桥梁，将两者连接起来，形成优势互补的工作流。codex-mcp-server 正是这一架构的关键实现。以下是详细的配置与实现步骤。

一、协同模式的核心原理与优势

在深入配置之前，先理解为何要采用这种协同模式。Claude Code 和 OpenAI Codex 各有侧重，协同工作可以扬长避短：

二、环境准备与工具安装

协同开发的基础是安装好两个核心工具，并配置好它们各自的运行环境。以下步骤以 Linux/WSL2 环境为例。

1. 安装 Claude Code 和 Codex CLI 通过 npm 全局安装两个命令行工具：

   # 安装 Claude Code [ref_1] npm install -g @anthropic-ai/claude-code # 安装 OpenAI Codex CLI [ref_1] npm install -g @openai/codex 

   安装后，使用 claude -v 和 codex --version 验证安装是否成功。

2. 配置模型供应商 (可选但推荐) 为了获得更好的模型访问体验和成本控制，可以为 Claude Code 和 Codex 配置第三方模型供应商（如 DeepSeek, MiniMax, AnyRouter 等）。图形化工具 cc-switch 可以极大简化此过程 [ref_1]。
   • 从 cc-switch GitHub Releases 下载对应版本的安装包。
   • 使用命令安装，例如：sudo dpkg -i CC-Switch-v3.5.1-Linux.deb [ref_1]。
   • 运行 cc-switch，在图形界面中分别为 Claude Code 和 Codex 选择并配置模型供应商、API 密钥等。 [ref_1]

三、集成 codex-mcp-server 实现协同

这是实现协同最关键的一步。codex-mcp-server 作为一个 MCP 服务器，为 Claude Code 提供了调用 Codex 功能的标准化接口。

1. 为 Claude Code 添加 MCP 服务器 在 cc-switch 中操作：
   • 选择 Claude Code，点击 “MCP” 按钮进入管理页面。
   • 点击 “添加 MCP”。
   • 填写配置信息，命令为 npx，参数为 ["-y", "@cexll/codex-mcp-server"]。 [ref_1]

   // 对应的 JSON 配置 [ref_1] { "args": [ "-y", "@cexll/codex-mcp-server" ], "command": "npx" } 

   • 关键步骤：勾选“同步到 Codex”，这样配置会自动应用到 Codex 端。保存并启用该 MCP 服务器。 [ref_1]
2. 验证配置 配置完成后，可以通过命令行验证 MCP 服务器是否已成功添加：

   # 查看 Claude Code 的 MCP 列表 [ref_1] claude mcp list # 查看 Codex 的 MCP 列表 [ref_1] codex mcp list 

   列表中应能看到 codex-mcp-server。

四、配置 Codex 的沙箱与执行策略

为了让 Claude Code 能安全、顺畅地通过 MCP 调用 Codex 执行代码，需要对 Codex 进行关键配置，特别是 sandbox_mode 和 approval_policy。

通过 cc-switch 打开 Codex 的模型厂商配置界面，或直接编辑 ~/.codex/config.toml 文件。以下是一个关键配置示例：

# 示例配置，适用于通过 AnyRouter 等供应商使用 gpt-5-codex 模型 [ref_1] model = "gpt-5-codex" model_provider = "anyrouter" # 你的模型供应商 preferred_auth_method = "apikey" # 核心配置：允许 Codex 在沙箱中写入文件并执行命令 sandbox_mode = "workspace-write" # 核心配置：设置为 “never” 以允许 Claude Code 全自动调用，无需手动批准 [ref_1] approval_policy = "never" # 其他推荐设置 disable_response_storage = true model_reasoning_summary = "detailed" network_access = true 

*配置说明*：sandbox_mode = “workspace-write” 允许 Codex 在项目工作区内读写文件；approval_policy = “never” 是实现全自动协同的关键，它允许 Claude Code 直接驱动 Codex 执行任务，而无需用户每次确认。 [ref_1]

五、定义协同工作流：修改 CLAUDE.md

为了让 Claude Code 严格遵循“规划-执行”的协同范式，需要修改其系统指令文件 ~/.claude/CLAUDE.md。这本质上是为 Claude Code 设定一个强约束的“工作合同”。

将以下核心 Prompt 规则添加到 CLAUDE.md 文件中 [ref_1]：

# 核心工作流契约 (Workflow Contract) Claude Code 仅负责需求接收、上下文收集、规划和验证。 任何编辑、命令执行或测试操作，都必须通过 Codex CLI (`mcp__codex-mcp-server__ask-codex`) 工具来执行。 仅当 Codex CLI 不可用或连续失败两次时，才可切换为直接执行，并记录 `CODEX_FALLBACK`。 # 工具与安全规则 使用默认的 Codex CLI 负载： { "model": "gpt-5-codex", "sandboxMode": "workspace-write", "fullAuto": true, "yolo": true, "search": true } 

这个规则强制规定了 Claude Code 的角色边界，确保所有“动手”的操作都交由更擅长且成本更低的 Codex 去完成，从而真正实现降本增效的协同。 [ref_1]

六、协同开发实战示例

假设你有一个 Node.js 项目，需要添加一个用户登录功能。

1. Claude Code (规划阶段)：
   • 你向 Claude Code 提出需求：“为当前项目添加一个基于 JWT 的用户登录 API 端点。”
   • Claude Code 会分析项目结构（context_gathering），检查现有的路由、模型和中间件。
   • 然后，它制定一个分步计划：1) 创建用户模型；2) 创建认证路由；3) 实现 JWT 生成与验证中间件；4) 编写测试。
2. Codex (执行阶段)：
   • 对于计划中的每一步，Claude Code 不再自己生成代码，而是通过 mcp__codex-mcp-server__ask-codex 工具向 Codex 发出精确指令。
   • 例如，指令可能是：“在 src/models/ 目录下创建 User.js 文件，使用 Mongoose 定义用户模型，字段包括 email (唯一) 和 passwordHash。”
   • Codex 接收到指令后，会在配置的沙箱环境中，直接创建或修改文件，并返回执行结果。
3. Claude Code (验证与交付)：
   • Claude Code 接收 Codex 的执行结果，进行验证。如果验证失败，它会分析错误并指示 Codex 进行修正。
   • 所有步骤完成后，Claude Code 会运行测试（同样通过 Codex 调用），并最终向你交付一个完整的、可工作的功能模块，同时附上修改摘要和风险说明。

通过以上步骤，你便成功建立了一个由 Claude Code 负责“思考”和“规划”，Codex 负责“动手”和“执行”的高效、低成本的 AI 协同开发环境。这种模式尤其适合快速原型开发、代码重构、功能添加等需要深度思考和精细操作相结合的场景。 [ref_2, ref_3]