Codex_ChatGPT_JEV_Switch
Provides a read-only MCP bridge that allows ChatGPT to access and read a local code repository for planning and review tasks, while Codex handles execution.
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
Codex × ChatGPT · JEV Switch
English | 简体中文
ChatGPT 负责思考,Codex 负责干活,Jev 决定什么时候该谁上。
本项目是 codex-with-chatgpt(C2C)的分支。C2C 让网页版 ChatGPT 通过一条只读 MCP 连接读取本地仓库,负责规划和审查,Codex 负责执行。
在这个基础上,JEV Switch 加了智能切换:用 TypeSafe 的 Jev 模型加上一套确定性规则,按任务自动判断:
什么时候切到网页版 ChatGPT:先让它出方案;Codex 卡住时请它找根因;改动有风险时请它复核。
什么时候切回 Codex:小改动 Codex 直接做;ChatGPT 说 DONE、只剩几处小修改时,Codex 直接改完收尾,不再来回确认。
智能切换默认关闭。不开启时,行为与原版 C2C 完全一致。
为什么需要它
原版 C2C 的切换完全靠手动:你得说「使用 Codex with ChatGPT 完成 XXX」才会去找 ChatGPT。进入协作后,每一轮都要把结果发回 ChatGPT 复核,直到它说 DONE。
但每一次来回都有成本:
你要多等 1–3 分钟;
Codex 要花 token 驱动内置浏览器、每 20–30 秒检查一次页面;
纯机械的小改动(改个颜色、重命名)交给 ChatGPT 规划,反而更贵、更慢。
反过来,Codex 在同一个问题上反复失败时,原版不会主动去问 ChatGPT。
JEV Switch 的原则是:只有省下的思考比一次来回更值钱时,才把工作交给 ChatGPT。
Related MCP server: Cheap Labor
它在哪些时机做判断
时机 | 怎么判断 | 可能的结果 |
收到新任务 | Jev 回答 8 个问题:任务类型、改动范围、是否需要方案取舍、目标是否清楚、4 类风险(鉴权/数据/并发/对外接口)。代码按偏好加权打分。 | Codex 直接做 · Codex 做完请 ChatGPT 复核 · ChatGPT 先出方案 · 先问你一句 |
执行中命令失败 | 代码统计同一错误出现了几次;从第 2 次失败起,Jev 判断错误类型、是否需要你来处理(登录、key、系统权限等)。 | 继续修 · 带着失败输出请 ChatGPT 找根因(DEBUG) · 停下来问你 |
Codex 准备收尾 | 只用代码判断:改动大小、是否动到登录/支付/数据库迁移/CI 等敏感文件、测试是否通过。 | 直接结束 · 请 ChatGPT 复核(REVIEW) |
ChatGPT 说 DONE + FOLLOWUPS | Jev 逐条估每项小修改的改动量;代码对敏感内容设硬门槛。 | Codex 直接改完收尾(切回 Codex) · 改完再请 ChatGPT 看一眼 |
几条硬性原则(都由代码保证,并有测试覆盖):
能不能跳过复核,永远不由 Jev 决定。 Jev 的回答只能让系统更谨慎,不能让它更松。
Jev 不可用时(没配 key、网络被拦、超时),行为退回原版:不会自动升级,也不会跳过复核。
你说了算。 「别找 ChatGPT」「让 ChatGPT 来规划」随时生效。
不来回反复。 每个任务最多自动切到 ChatGPT 一次。
永远不卡住任务。 每个决策命令都返回合法 JSON,退出码为 0。intake 调用 Jev 的时间上限是 3 秒。
实测效果
2026-09-24 用 jev-1.13.0 在线评测,共 152 个样本,73% 为中文或中英混合:
指标 | 结果 | 启用标准 |
路由一致率(balanced) | 96.5%(中文 93.3%,英文 98.4%) | ≥ 85%,中文 ≥ 80% |
路由一致率(economy / speed) | 95.5% / 96.9% | |
intake 延迟 p95 | 274 ms | ≤ 1.5 s |
底线违例 / 注入违例 | 0 / 0 | 必须为 0 |
高置信(0.8–1.0)答案准确率 | 95.4%(n = 544) |
单题准确率比路由一致率低,比如 goal_is_clear 只有 65.8%。这是预期内的:路由把多个概率加权合并后再和阈值比较,单题判错多数时候不会改变最终走哪条路。另外,评测样本是本项目自己编写并标注的,真实效果以你实际使用为准。可以用 c2c route feedback 纠正、用 c2c route stats 观察。
快速开始
需要:macOS 或 Windows、Node.js ≥ 20、git、Codex 桌面版、ChatGPT Plus/Pro 账号。智能切换另需一个 TypeSafe API key。
1. 安装(把这段话交给 Codex)
请帮我完整安装并配置 JEV Switch(Codex with ChatGPT 的分支),全程自动:
1. 环境自检:需要 git 和 Node.js ≥ 20,缺什么就自动安装
(macOS 用 Homebrew,Windows 用 winget),同时安装 cloudflared。
2. 下载:把 https://github.com/FlyPig23/Codex_ChatGPT_JEV_Switch 克隆到
~/Codex_ChatGPT_JEV_Switch(已存在就 git pull 更新)。
3. 构建:在该目录里执行 corepack pnpm install 和 corepack pnpm build。
4. 安装 Skill:把仓库里的 skill/SKILL.md 复制到
~/.codex/skills/codex-with-chatgpt/SKILL.md,并把文件中
"The codex-with-chatgpt checkout lives at:" 那一行的路径改成实际克隆路径。
如果之前装过原版 codex-with-chatgpt,用这个版本覆盖它,不要两个同时装。
5. 首次配置:按 SKILL.md 里的 first-time setup 流程执行
(运行 c2c setup,用内置浏览器打开 ChatGPT 配置连接器并输入配对码)。
全程只用内置浏览器,禁止打开任何第三方浏览器。
6. 只有遇到需要我登录(ChatGPT / Cloudflare)、验证码或两步验证时才叫我,
而且一次只告诉我一个动作。
7. 完成后给我看 ✓ 清单,并确认文件读取测试通过。完成后你会看到:
Codex with ChatGPT
✓ 当前项目已识别
✓ Workspace Bridge 已启动
✓ 安全连接已建立
✓ ChatGPT 已连接
✓ 文件读取测试通过
Ready.之后说「使用 Codex with ChatGPT,帮我实现 XXX」,就走原版的 ChatGPT 规划流程。
2. 开启智能切换(配置 Jev key)
Key 只在你自己的终端里输入,不经过聊天,Codex 也看不到它。
在 TypeSafe 控制台 创建一个 API key。
打开 macOS「终端」或 iTerm。不要用 Codex 里内置的终端:那里带有
CODEX_SANDBOX等环境变量,setup 会拒绝运行。运行:
node ~/Codex_ChatGPT_JEV_Switch/bin/c2c.js route setup它会依次:
说明哪些内容会发给 TypeSafe,然后问
同意并启用智能切换?[y/N],输入y;让你粘贴 key,输入时不显示。建议直接粘贴,不用环境变量:Codex 桌面版不一定能读到你 shell 里的环境变量;
实际调用一次 Jev,显示 ✓ 或 ✗;
保存 key,开启智能切换;
问要不要安装
c2c-router技能,回车即安装。
验证:
node ~/Codex_ChatGPT_JEV_Switch/bin/c2c.js route status --probe --json看到
"enabled": true和"jev": "reachable"就配好了。输出里只显示 key 指纹的前 8 位。重开一个 Codex 会话,新技能就会生效。之后正常提需求即可,不用再说「使用 Codex with ChatGPT」。
Key 保存在 ~/Library/Application Support/codex-with-chatgpt-keys/(Windows 为 %LOCALAPPDATA%\codex-with-chatgpt-keys),目录权限 0700、文件 0600,位于 Codex 沙箱可写目录之外。换 key 或关闭:route setup --remove,再重新 setup。
日常使用:你可以这么说
你说 | 效果 |
这次让 ChatGPT 来规划 | 这个任务固定走 ChatGPT |
别找 ChatGPT / 不用 ChatGPT,你自己做 | 这个任务固定由 Codex 做 |
让 ChatGPT 看看 / 复核一下 | 立即请 ChatGPT 复核当前改动 |
以后优先省 Codex 额度 | 偏好改为 |
以后优先快一点 | 偏好改为 |
关闭 / 开启自动切换 | 全局开关(保留 key) |
这个项目别自动找 ChatGPT | 只对当前项目关闭 |
刚才不该找 ChatGPT / 刚才应该找 ChatGPT | 记一条反馈,用于之后调参 |
路由第一次说话时会附一句提示:「我会按任务自动决定是否请 ChatGPT 参与;随时可以说「这次别找 ChatGPT」或「让 ChatGPT 来规划」。」
哪些内容会发给 TypeSafe
只有你运行过 route setup 之后才会发送。只发往固定地址 https://api.typesafe.ai,默认模型 jev-1.13.0(可用 route prefs set --model 固定到其他版本)。
时机 | 发送的内容(上限) | 不会发送 |
新任务 | 你的需求原文:去掉代码块、脱敏,≤ 1500 字 | 文件内容、diff、日志、项目信息 |
命令失败(第 2 次起) | 命令(脱敏,≤ 200 字)+ 报错行(≤ 40 行 / 2000 字,可能含报错里出现的文件路径) | 任务目标、完整日志 |
收尾 | 不发送(纯代码判断) | — |
ChatGPT 列出的小修改 | 每条 ≤ 300 字,最多 12 条,脱敏 | ChatGPT 回复的其余部分、代码块 |
发送前会做这些处理:去掉代码块;脱敏各类 API key、JWT、URL 里的密码、密码:… / password=… 形式的值、命令行里的凭据、邮箱、公网 IP、高熵字符串以及你的 TypeSafe key;截断长度;按每个时机的严格 schema 校验。
以下情况不会调用 Jev:
需求里提到「保密 / 不要上传 / confidential」,这时也不会自动找 ChatGPT;
文本里含私钥;
命中了确定性规则,不需要问 Jev。
本地决策日志只记录数字和枚举,不记录任何原文。
TypeSafe 声明不会用输入数据训练模型,但保存期限没有固定时长,零数据保留只对企业客户提供。某个仓库的内容如果不能给第三方处理,请对它运行 c2c route disable -w <仓库>。详见 docs/security.md。
命令速查
下面的 c2c 指 node ~/Codex_ChatGPT_JEV_Switch/bin/c2c.js。
命令 | 用途 |
| 开启或关闭智能切换(只能在你自己的终端里运行) |
| 查看模式、偏好、key 指纹、Jev 连通性 |
| 全局设置 |
| 单个项目开关 |
| 最近的路由情况,一行中文总结 |
| 最近的决策记录(只有数字和枚举) |
| 标注最近一次决策 |
| 用内置样本评测路由 |
intake、failure、review-gate、reply、pin、message 这几个决策命令由 Codex 通过技能调用,一般不用手动运行。加 --explain 可以看每一步的信号、概率和阈值;加 --dry-run 可以看将要发送的内容,但不实际发送。完整说明见 docs/routing.md。
评测与调参
# 离线:只检查确定性规则和策略回放,不联网,也不需要 key
node bin/c2c.js route eval
# 在线:真实调用 Jev,约 150 次,费用约 $0.01;保存答案供之后离线回放
node bin/c2c.js route eval --live --save-answers ~/jev-answers.json
# 只改了阈值或策略(没改问题)时,用保存的答案离线验证,不花钱
node bin/c2c.js route eval --replay ~/jev-answers.json阈值在 src/router/policy.ts 的
THRESHOLDS里,按economy/balanced/speed三种偏好分别设置。Jev 的问题定义在 src/router/questions.ts。
样本在 src/router/fixtures/。
调整策略后,用下面的命令重新生成样本的期望结果:
node --import tsx scripts/regen-router-fixtures.ts --write工作原理
用户需求 ─► [c2c-router 技能] ─► c2c route intake ─┬─ Codex 直接做 ──┬─ 失败 ─► route failure ─┬─ 继续修
│ │ ├─ DEBUG ─► ChatGPT 找根因
│ │ └─ 问你
│ └─ 收尾 ─► route review-gate ─┬─ 直接结束
│ └─ REVIEW ─► ChatGPT 复核
├─ Codex 做完请复核 ─► review-gate ─► REVIEW ─► ChatGPT 复核
├─ ChatGPT 先出方案 ─► 原版 C2C 协作流程
└─ 先问你一句
ChatGPT: DONE + FOLLOWUPS ─► route reply ─┬─ Codex 直接改完收尾(切回 Codex)
└─ 改完再请 ChatGPT 看一眼两个技能:
c2c-router(router-skill/SKILL.md,约 80 行)在普通写代码的请求上触发。只有确实要找 ChatGPT 时,才加载完整的codex-with-chatgpt技能(skill/SKILL.md),避免每个小改动都读几十 KB 的说明。协议扩展,向后兼容:新增
MODE: REVIEW(Codex 已经做完,请 ChatGPT 复核)和MODE: DEBUG(Codex 卡住,请 ChatGPT 找根因)两种 INIT,以及 DONE 后可选的FOLLOWUPS:段。说明都写在消息正文里,已有的对话无需重新发引导词。详见 docs/protocol.md。原版的数据通路不变:ChatGPT 仍然只通过只读 MCP 读代码,控制消息里从不粘贴文件、diff 或日志。
原版 C2C 的架构(只读 MCP 桥、OAuth 2.1 + 一次性配对码、Cloudflare 隧道)见 docs/architecture.md。
相对原版的其他改进
更新检查:跟随本地分支所跟踪的远端分支,fork 也能正确判断是否有新版本。更新时不会再用
git stash改动你的本地修改。c2c record --output-file:拒绝读取敏感文件(.env、~/.ssh等)和符号链接。共享脱敏器:补充了更多凭据格式,例如
sk-proj-、sk_live_、JWT、URL 中的密码。会话检查点:切换到新任务时不再继承上一个任务的字段。新增
--init-mode、--routed-by、--close-local三个参数。
从原版迁移 / 同步上游
已经装过原版 codex-with-chatgpt 的:用本仓库的 skill/SKILL.md 覆盖 ~/.codex/skills/codex-with-chatgpt/SKILL.md(把路径那一行改成本仓库的路径),并删掉原版技能的其他副本。本地状态目录两者通用,已连接的 ChatGPT 连接器不需要重建。
同步原版的更新:
git remote add upstream https://github.com/XiaoDuoYa/codex-with-chatgpt.git
git fetch upstream && git merge upstream/main开发
corepack pnpm install
corepack pnpm build # 产出 dist/;bin/c2c.js 优先使用 dist/
corepack pnpm test # vitest:1167 个测试,全程不联网
corepack pnpm typecheck路由模块在 src/router/:
types.ts 共享类型与枚举 policy.ts 纯函数策略与阈值
questions.ts Jev 问题定义 signals.ts 确定性信号(正则、错误签名、路径分类、改动统计、连接探测)
outbound.ts 外发脱敏与 schema 校验 jev.ts 固定端点/模型的 TypeSafe 客户端、熔断
messages.ts next/say 模板、REVIEW/DEBUG INIT index.ts 各决策点的编排
secrets.ts key 与同意记录 setup.ts 终端交互式开启
state.ts 单任务路由状态 log.ts 仅数字的决策日志与统计
eval.ts 评测 fixtures/ 评测样本CLI 入口在 src/cli/route.ts。
文档
致谢与声明
基于 XiaoDuoYa/codex-with-chatgpt(MIT)。原版的桥接、OAuth、隧道、技能与协议设计都来自原作者。
智能切换使用 TypeSafe 的 Jev 模型和官方 JavaScript SDK。
非官方社区项目,与 OpenAI、TypeSafe 均无关联,也未获它们背书。
许可证:MIT。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Coordinate coding agents through MCP using existing AI plans, saved work, and independent checks.
Shared memory MCP server for Claude Code, Codex, Gemini CLI and Cursor. Cited, editable.
Connect ChatGPT and Claude to your Mac, Windows or Linux with secure MCP remote access.
No-data MCP handoff for local Claude Code to Codex harness moves. $49 lifetime.
Related MCP Servers
- AlicenseAqualityBmaintenanceBridges multiple CLI coding agents (Codex, Cursor, OpenCode, Claude, Antigravity) into any MCP client, enabling delegation of prompts, parallel execution, and code review workflows.671 npmMozilla Public 2.0
- AlicenseAqualityDmaintenanceAn MCP server that splits coding work between ChatGPT web (planning, review) and Codex CLI (implementation), enabling agentic workflows over a local repo with risk-gated execution and safety rails.23MIT
- AlicenseNot gradedqualityBmaintenanceEnables ChatGPT to read and edit local project files, inspect Git changes, and run approved development scripts through a secure MCP tunnel, with optional Codex Desktop integration.8Apache 2.0
- AlicenseNot gradedqualityBmaintenanceA local MCP bridge that lets ChatGPT chat mode operate the user's own computer, running project, file, and shell tasks through a local executor and returning progress and results to the conversation. It also coordinates Codex sessions (persistent or one-off) and other agent CLIs as sub-agents.1MIT