방법 한눈에 보기#

아래에서 하나씩 살펴봅니다.

가장 추천하는 방법은 Codex 내장 MCP 서버입니다#

Codex CLI에는 codex mcp-server라는 내장 MCP 서버가 포함되어 있습니다. stdio 방식으로 Claude Code에 직접 연결할 수 있어서 별도 서버를 띄울 필요가 없습니다.

1
# Codex CLI 설치 및 인증
2
npm install -g @openai/codex
3
codex login
4

5
# Claude Code에 MCP 서버 등록
6
claude mcp add --transport stdio --scope user codex -- codex mcp-server

이렇게 하면 Claude Code 안에 두 개의 MCP 도구가 생깁니다.

• codex — 새 Codex 세션을 시작합니다. prompt, approval-policy, sandbox, model 파라미터를 지정할 수 있습니다.
• codex-reply — threadId로 기존 세션을 이어갑니다. 대화형 컨텍스트가 유지되므로 후속 질문도 가능합니다.

등록이 잘 됐는지는 claude mcp list로 확인합니다. codex: codex mcp-server - Connected가 보이면 성공입니다.

파라미터 중에서는 approval-policy가 꽤 중요합니다. untrusted, on-request, on-failure, never 중에서 선택할 수 있는데, 자동화 pipeline에서는 never로 설정하면 Codex가 별도 승인 없이 작업을 수행합니다.

세션 관리가 필요하면 커뮤니티 MCP 래퍼#

공식 내장 서버가 부족하다고 느낀다면 커뮤니티에서 만든 MCP 래퍼도 있습니다.

1
claude mcp add codex-cli -- npx -y codex-mcp-server

이 래퍼는 세션 관리, 모델 선택, resume 기능 같은 추가 기능을 제공하고, npm 패키지라서 설치도 간단합니다. agency-ai-solutions/openai-codex-mcp 같은 프로젝트는 write_code, explain_code, review_code 같은 특화 메서드도 제공하더라고요.

다만 서드파티인 만큼 업데이트 주기나 모델 지원 범위는 확인하고 쓰는 것이 좋습니다.

단순하게 쓰고 싶으면 Custom Slash Command#

MCP 서버까지는 필요 없고 특정 작업만 Codex에 맡기고 싶다면 slash command가 적합합니다.

1
---
2
description: "Generate code using OpenAI Codex CLI"
3
---
4
codex write --language $2 --task "$3" --model o4-mini

1
---
2
description: "Get code explanations from Codex CLI"
3
---
4
codex explain @$1 --focus "$2" --detail comprehensive

Claude Code에서 /codex-write python "피보나치 수열 생성 함수" 처럼 호출하면 됩니다.

단점도 명확합니다. Claude와의 양방향 상호작용이 안 되거든요. Codex의 출력이 Claude의 컨텍스트로 돌아오긴 하지만, Claude가 Codex 결과를 보고 후속 질문을 던지는 흐름은 만들기 어렵습니다. 단발성 작업에 적합한 방식입니다.

여러 엔진을 통째로 orchestration하려면 agent-mux#

agent-mux는 Claude, Codex, OpenCode 등 여러 AI 엔진을 하나의 CLI로 통합하는 orchestrator입니다.

1
# Codex로 정밀 코드 변경
2
agent-mux --engine codex --reasoning high --effort high \
3
  "Refactor auth module in src/auth/"
4

5
# Claude로 아키텍처 설계
6
agent-mux --engine claude --effort high \
7
  "Design the rollback strategy for the payments migration"

핵심은 Claude Code의 subagent 시스템과 결합할 수 있다는 점입니다. Claude가 아키텍처 설계를 하고, 실제 코드 변경은 Codex에 위임하고, 또 다른 Claude가 리뷰하는 pipeline을 구성할 수 있습니다.

결국 엔진별 강점을 태스크에 맞게 routing하는 구조입니다. Claude Opus는 설계와 추론에 강하고 Codex는 정밀한 코드 변경에 강하니, 각자 잘하는 일을 맡기는 것이죠. agent-mux의 GSD(Get Shit Done) coordinator는 각 태스크에 엔진뿐 아니라 적절한 skill과 MCP 서버까지 자동으로 주입합니다.

1
# Codex 안에서 Claude를 coordinator로 실행
2
agent-mux --engine codex --coordinator get-shit-done-agent \
3
  --effort xhigh --full \
4
  "Migrate the auth module to the new API, test everything, audit the result"

다만 설정 복잡도가 올라가고, agent-mux 자체가 아직 초기 단계라는 점은 감안해야 합니다.

실용적인 적용 포인트#

리서치하면서 정리한 usecase는 크게 세 가지입니다.

세컨드 오피니언 — Claude가 작성한 코드를 Codex에 리뷰 요청하거나, 그 반대도 가능합니다. 두 모델의 관점이 다르기 때문에 한쪽이 놓치는 부분을 잡아낼 수 있습니다.

강점 기반 routing — 아키텍처 설계와 문서 작성은 Claude Opus에, 정밀 코드 변경과 디버깅은 Codex에 맡기는 패턴입니다. MCP 서버를 통해 자연스럽게 위임이 이뤄집니다.

대규모 refactoring — Codex의 넓은 컨텍스트 윈도우로 monorepo 전체를 파악한 뒤, Claude로 세부 구현을 진행하는 방식도 가능합니다.

제약사항과 주의할 점#

당연히 제약도 있습니다.

비용 이중 발생 — Claude API와 OpenAI API를 동시에 사용하므로 비용이 두 배 가까이 들 수 있습니다. 모든 작업에 양쪽 모델을 쓸 필요는 없고, 가치가 큰 작업에만 선별적으로 사용하는 것이 현실적입니다.

인증 분리 — Codex는 ChatGPT 구독 또는 OpenAI API 키가 별도로 필요합니다. codex login으로 ChatGPT 계정 인증을 해두면 편합니다.

컨텍스트 단절 — MCP를 통한 호출이라 Claude의 전체 컨텍스트가 Codex로 전달되지 않습니다. 프롬프트로 명시한 내용만 넘어가거든요. 중요한 맥락은 프롬프트에 충분히 담아야 합니다.

실험적 상태 — codex mcp-server에는 아직 experimental 태그가 붙어 있습니다. API 변경 가능성은 염두에 두는 것이 좋습니다.

시작은 두 줄이면 됩니다#

저는 내장 MCP 서버 방식으로 시작했습니다. 필요한 명령은 딱 두 줄입니다.

1
npm install -g @openai/codex && codex login
2
claude mcp add --transport stdio --scope user codex -- codex mcp-server

이후 Claude Code에서 “Codex로 이 함수 리뷰해줘” 같은 자연어 요청을 하면 Claude가 자동으로 Codex MCP 도구를 호출합니다. 사용 패턴이 잡히면 slash command로 자주 쓰는 흐름을 래핑하고, 더 복잡한 orchestration이 필요해지는 시점에 agent-mux를 검토하는 순서가 자연스럽습니다.