Skip to main content
Glama


Abstract

Cheap Labor existiert, weil die Codex-Nutzung ein begrenztes Kontingent ist – und das meiste, was ein Coding-Agent tut, ist kein Schreiben von Code. Dateien lesen, das Repository erkunden, planen und Diffs reviewen verbrennen das Codex-Kontingent, ohne jemals Code zu schreiben.

Dann kam die entscheidende Erkenntnis: Die Nutzung von ChatGPT und Codex wird getrennt gezählt – zwei unabhängige Kontingente. Also haben wir beschlossen, die Arbeit aufzuteilen: ChatGPT übernimmt das gesamte Denken auf seinem eigenen Kontingent, und Codex wird nur für die tatsächliche Implementierung eingesetzt.

Das ist die ganze Idee – ein lokaler MCP-Server, verbunden über einen Secure MCP Tunnel: ChatGPT im Web steuert eine Codex CLI auf deinem Rechner, über dein lokales Repository, mit einem einzigen @cheap-labor-Auslöser.

Gebaut mit

Cheap Labor ist mit einem bewusst kleinen, plattformübergreifenden Stack gebaut:

  • Laufzeit: Node.js (>= 20) – Bridge-Server-Laufzeit

  • Sprache: TypeScript – der gesamte Bridge-Code

  • Protokoll: MCP SDK (@modelcontextprotocol/sdk) – stdio MCP-Server + Client

  • Validierung: zod – Tool-Argument-Schemas

  • Ausführung: Codex CLI (codex mcp-server) – gestarteter Child-MCP-Client für Erkundung und Implementierung

  • Konnektivität: Secure MCP Tunnel (tunnel-client) – private, nur ausgehende Verbindung zwischen ChatGPT Web und dem lokalen Server


Related MCP server: Kontrol

Voraussetzungen

  • macOS oder Linux mit Node.js >= 20 + npm

  • git

  • Ein kostenpflichtiges ChatGPT-Konto mit Entwicklermodus

  • Codex CLI, angemeldet (codex login)

  • tunnel-client – wird während der Einrichtung installiert: macOS über Homebrew; Linux über die GitHub-Releases-Binärdatei (linux-amd64/arm64) in deinem PATH

  • Ein Secure MCP Tunnel + Runtime-API-Schlüssel von der OpenAI-Plattform (der Installer verweist dich auf die richtigen Seiten)


Installation

Weiter zu: 1. Klonen & installieren2. Verwenden

  1. Repository klonen und hineinwechseln:

    git clone https://github.com/psrisuphan/cheap-labor.git
    cd cheap-labor
  2. Installer ausführen – er installiert Abhängigkeiten, baut die Bridge, schreibt dein Tunnel-Profil, validiert alle 23 Tools und führt dich durch das Verbinden der App mit ChatGPT Web:

    ./scripts/install.sh

Verwendung

  1. Tunnel starten – ihn laufen lassen, während du cheap-labor verwendest:

    ./scripts/tunnel.sh start    # stop: ./scripts/tunnel.sh stop
  2. Einen neuen ChatGPT-Chat öffnen und @cheap-labor eingeben – denselben App-Namen, den du über das Tools-Menü hinzugefügt hast – und dann das Projekt erwähnen.

  3. Das Projektverzeichnis bestätigen, wenn du danach gefragt wirst – die Sitzung ist scharfgeschaltet.


Deinstallieren

./scripts/uninstall.sh

Räumt alles auf, was das Skript erreichen kann: die Legacy-MCP-Registrierung, den Tunnel-Daemon, den .codex-bridge/-Zustand in jedem initialisierten Projekt, das Tunnel-Profil und den gespeicherten API-Schlüssel sowie die Build-Artefakte. Drei Eingabeaufforderungen (Enter für die empfohlene Antwort drücken, n zum Behalten). Danach wird eine manuelle Bereinigungsanleitung für die Teile ausgegeben, die nur du erreichen kannst: die ChatGPT-App-Verbindung, den Platform-Tunnel, den Runtime-API-Schlüssel und den Projektordner.


So funktioniert es

Die Bridge ist ruhend, bis sie scharfgeschaltet wird. Im Ruhezustand liefert der Server nur einen zweizeiligen Hinweis „diese Tools ignorieren" als seine instructions, sodass unzusammenhängende Anfragen beantwortet werden, ohne dass die Bridge jemals berücksichtigt wird. Die vollständigen Workflow-Regeln befinden sich in der Rückgabe des init-Tools und gelangen erst nach dem Scharfschalten in die Konversation.

Der Auslöser ist der Aufruf selbst – keine Prompt-Überwachung, keine Tag-Syntax, kein Phrasen-Scannen:

  1. Der Benutzer ruft cheap-labor auf, indem er @cheap-labor eingibt. Das ist der einzige Auslöser.

  2. ChatGPT fragt, welches Projekt du möchtest, löst es auf (find_projects für unscharfe Namen, create_project für neue Verzeichnisse), bestätigt den genauen Pfad mit dir und schaltet dann die Sitzung scharf – init(project) (oder create_project direkt für ein brandneues Verzeichnis) und erhält ein session_token.

  3. Jedes andere Tool weigert sich, ohne ein gültiges session_token zu laufen – eine harte Absicherung, die auch versehentliche Nutzung außerhalb des Workflows blockiert.

Der Workflow

  1. Sitzung scharfschalten@cheap-labor + Projekt bestätigen → init gibt das Token zurück.

  2. Verstehengit_status, list_tree, read_file, grep (alle kostenlos).

  3. Im Detail planen – ChatGPT schreibt PLAN.md / SPEC.md / TASKS.md in den .codex-bridge/-Ordner des Repos mit plan_write. Der Plan ist eine exakte Schritt-für-Schritt-Anleitung: welche Dateien zu erstellen/bearbeiten sind, was jede Änderung bewirken soll, welche Befehle auszuführen sind und wie zu verifizieren ist.

  4. Kleine Änderungen, direkt erledigtwrite_file / edit_file erledigen Ein-Datei-Änderungen kostenlos.

  5. Schwere Arbeit delegierenimplement übergibt den Plan an Codex, das die Schritte wörtlich ausführt, Builds/Tests ausführt, behebt, was bricht, und IMPLEMENTATION COMPLETE zurückgibt.

  6. Review – ChatGPT liest den zurückgegebenen git diff und sendet gezielte Korrekturen über dieselbe Schleife zurück.


Funktionen

  • Ein-Auslöser-Aktivierung: @cheap-labor in einem beliebigen ChatGPT-Chat ist der einzige Auslöser; die Bridge bleibt ruhend (null Modell-Aufmerksamkeit), bis sie aufgerufen wird – keine Prompt-Überwachung, keine Tag-Syntax, kein Phrasen-Scannen.

  • Risikobasierte Ausführung: Befehle werden als schreibgeschützt vs. riskant klassifiziert; riskante Arbeit durchläuft die Codex-Auto-Review und dein Veto.

  • Integrierte Sicherheitsvorkehrungen: Projektpfad-Begrenzung, Geheimnis-Schwärzung, Checkpoints vor jedem schweren Lauf und nur lokale Commits, die niemals pushen.

  • Plattformübergreifend: macOS und Linux, keine öffentlichen Ports, nur ausgehender Tunnel.


Tool-Referenz

Kostenlose Bridge-Tools (deterministische lokale I/O, keine Codex-Kosten):

Tool

Zweck

init

Sitzung für ein Projekt scharfschalten (der einzige Einstiegspunkt); gibt das session_token + eine Betriebsmodus-Übersicht zurück

list_tree

Verzeichnisstruktur, tiefenbegrenzt

read_file

Dateiinhalte, zeilenbegrenzt, größenbegrenzt, Geheimnisse geschwärzt

grep

Regex-Suche mit Include/Exclude-Globs

git_status / git_diff / git_log

Repo-Zustand + die Review-Schleife (nicht verfolgte Dateien werden angezeigt)

run_command

Risikobasierte Verifikationsbefehle (Tests, Build)

write_file

Neue Datei direkt erstellen (weigert sich zu überschreiben)

edit_file

Exakte-Übereinstimmung-Bearbeitung einer vorhandenen Datei (inhaltsbasierter Veraltungs-Schutz)

edit_pack

Stapel-Bearbeitungen/-Schreibvorgänge, alles-oder-nichts (kein Teilzustand)

checkpoint

Snapshot von HEAD + Arbeitsbaum für Rollback (automatisch vor implement)

rollback

Zu einem Checkpoint wiederherstellen (benutzerbestätigt; selbst rückgängig machbar)

git_commit

Lokal stagen + committen mit einer benutzerfreundlich genehmigten Nachricht (pusht nie)

checkpoints

Aufgezeichnete Checkpoints auflisten

find_projects

Unscharfe Namen zu Kandidatenpfaden auflösen (flach, bekannte Orte)

create_project

Neues Projektverzeichnis erstellen (kein git init); gibt ein session_token zurück

plan_read / plan_write / task_update

.codex-bridge/-Übergabedateien verwalten

Codex-gestützte Tools (verbrauchen das Codex-Kontingent):

Tool

Zweck

deep_explore

Codex-Sitzung mit reinem Lesezugriff für Fragen, die kostenlose Tools nicht beantworten können

implement

Codex mit Workspace-Schreibzugriff auf dem aktuellen Plan; liefert eine Zusammenfassung + git diff

codex_reply

Sitzung per Thread-ID fortsetzen (Genehmigungs-Veto-Schleife, Folgeanfragen)


Sicherheitsmodell

  • implement / deep_explore übergeben immer eine explizite Sandbox (workspace-write / read-only) – niemals danger-full-access.

  • Festes Codex-Modell – Bei jedem Codex-Aufruf wird fest gpt-5.6-luna mit medium-Reasoning und deaktiviertem Fast-Modus verwendet, übergeben als Overrides pro Aufruf. Die Brücke schreibt nie in ~/.codex/config.toml. Die eine Ausnahme: deep_explore akzeptiert ein stärkeres Modell, aber nur, nachdem du die Änderung im Chat bestätigt hast.

  • Automatisch sichere Genehmigungen – Codex-Shell-Genehmigungen erscheinen als MCP-Rückfragen: Lesebefehle werden automatisch genehmigt; alles Riskante (Schreibzugriffe, Netzwerk, Git-Änderungen) wird abgelehnt und protokolliert, sodass ChatGPT es dir zur Veto-Entscheidung weiterleitet. Das Veto wird mit codex_reply ausgeführt.

  • run_command führt ausführbare Dateien direkt aus (keine Shell). Riskante Befehle werden an die automatische Prüfung von Codex delegiert – niemals mit vollem Zugriff, nichts Riskantes läuft unaufgefordert.

  • write_file erzeugt nur neue Dateien; edit_file bearbeitet nur vorhandene Dateien durch exakte Übereinstimmung (veraltete/mehrdeutige Übereinstimmungen schreiben nichts); edit_pack bündelt alles als Alles-oder-nichts. Alle Tools begrenzen Dateigrößen und lehnen Binärdateien ab.

  • Ship-Moduscheckpoint erstellt einen Schnappschuss von HEAD + Arbeitsbaum (automatisch vor jedem implement); rollback stellt einen Checkpoint wieder her (selbst rückgängig machbar); git_commit committet lokal mit einer benutzergenehmigten Nachricht. Push/pull/reset/rebase/checkout sind nie verfügbar.

  • Die Bridge-Tools verweigern Pfade außerhalb des in der Sitzung genehmigten Projektverzeichnisses.

  • read_file / git_diff blenden standardmäßig bekannte geheime Muster aus.


Projektstruktur

cheap-labor/
├── assets/                  # Logo / icons
├── scripts/                 # Installer, uninstaller, tunnel control, setup
│   ├── install.sh           # All-in-one installer
│   ├── uninstall.sh         # Clean uninstaller
│   ├── tunnel-setup.sh      # Writes the tunnel-client profile
│   ├── tunnel.sh            # start / stop / restart / status / logs the tunnel daemon
│   └── setup.mjs            # Prerequisite check
├── src/                     # Bridge MCP server
│   ├── index.ts             # Server entry, tool registration, server instructions
│   ├── safety.ts            # Project scoping, redaction, risk classification
│   ├── projects.ts          # Session approvals, ledger, find/create
│   ├── planstore.ts         # .codex-bridge/ I/O
│   ├── approvals.ts         # Auto-safe policy
│   └── tools/               # context, command, codexCommand, codex, deepExplore,
│                            # implement, edit, plans, ship
├── tests/                   # Node test suite
├── dist/                    # Build output (gitignored)
└── package.json

Tests

Zum Ausführen der Unit-Test-Suiten:

npm run typecheck    # tsc --noEmit
npm test             # node --test (tsx)

Lokale Daten und Logs

Cheap Labor speichert das Tunnel-Profil, den Laufzeit-API-Schlüssel und die Daemon-Logs lokal außerhalb des Projektverzeichnisses:

  • macOS / Linux: ~/.config/tunnel-client/

In diesem Verzeichnis findest du:

  • labor-labor.yaml – das tunnel-client-Profile (enthält die Tunnel-ID).

  • cheap-labor.key – der Laufzeit-API-Schlüssel, chmod 600, niemals committet.

  • cheap-labor.log – das Tunnel-Daemon-Log.

Pläne und Handoff-Dateien werden zur Laufzeit in den .codex-bridge/-Ordner des jeweiligen Projekts geschrieben (von Git ignoriert). Codex' eigene Konfiguration und Authentifizierung liegen in ~/.codex/.


Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert. Den vollständigen Lizenztext findest du in der Datei LICENSE.

Install Server
A
license - permissive license
A
quality
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    -
    quality
    B
    maintenance
    A self-hosted MCP server that enables AI coding agents to read, edit, search, and run code in local projects with human review loops and policy controls.
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    MCP server that enables a coordinator AI agent to spawn, control, and supervise local coding agents with interactive gating for high-risk operations.
    10
    38
    1
    MIT

View all related MCP servers

Related MCP Connectors

  • A paid remote MCP for OpenAI Codex agent coordination MCP, built to return verdicts, receipts, usage

  • MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.

  • An MCP server that gives your AI access to the source code and docs of all public github repos

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/psrisuphan/cheap-labor'

If you have feedback or need assistance with the MCP directory API, please join our Discord server