Codex CLIでAIエージェント開発｜自律型AI構築入門

「AIエージェントを作ってみたいが、何から始めればいいかわからない」「Codex CLIでエージェント的なタスクをどこまで自動化できるのか」「o3とo4-miniの使い分けが知りたい」

OpenAI Codex CLIは、サンドボックス環境でAIが安全にコードを実行できる強力なツールです。この特性を活かすことで、ファイル操作からコードレビューまで、さまざまなタスクを自律的に実行するAIエージェントを構築できます。

この記事では、OpenAI Codex CLI完全攻略シリーズEp.29として、AIエージェント開発の基本アーキテクチャから実践的な構築パターンまでを解説します。

AIエージェントとは？Codex CLIで何ができるのか

AIエージェントの定義と2026年のトレンド

AIエージェントとは、目標を与えられると、自律的に計画を立て、ツールを使い、結果を検証しながらタスクを完了するAIシステムです。単なるチャットボットとの違いは以下のとおりです：

特性	チャットボット	AIエージェント
実行	テキスト応答のみ	コード実行・ファイル操作
自律性	1問1答	複数ステップを自律的に実行
ツール利用	なし	ファイルシステム・API・CLIツール
エラー処理	人間に報告	自分でリトライ・修正

2026年、AIエージェント市場は急速に拡大しており、OpenAI・Anthropic・Googleの各社がエージェントフレームワークを提供しています。OpenAIの公式ブログ「Building effective agents」でも、エージェント設計のベストプラクティスが紹介されています。

Codex CLIのサンドボックス環境とエージェント適性

Codex CLIがAIエージェント開発に適している理由：

• サンドボックス実行 — ファイルシステムへのアクセスを制限した安全な環境
• コード実行能力 — Python、Node.js、シェルスクリプトをリアルタイムに実行
• マルチモデル対応 — タスクに応じてo3/o4-miniを切り替え可能
• CLI統合 — 既存のCLIツール（git, npm, docker等）とシームレスに連携

Codex CLI入門ガイドで基本的なセットアップ方法を紹介しています。

エージェント開発の基本アーキテクチャ

入力→推論→ツール実行→検証ループ

AIエージェントの基本的なアーキテクチャは**「推論→行動→観察」のループ**です：

┌─────────────────────────────────────┐
│          エージェントループ             │
│                                      │
│  ① 入力（ユーザー指示/前回の結果）    │
│        ↓                             │
│  ② 推論（次のアクションを決定）        │
│        ↓                             │
│  ③ ツール実行（コード実行/API呼出）    │
│        ↓                             │
│  ④ 観察（実行結果の確認）             │
│        ↓                             │
│  ⑤ 判断（完了？ → Yes: 終了          │
│          → No: ①に戻る）             │
└─────────────────────────────────────┘

Codex CLIでは、この一連のループが自動的に実行されます。ユーザーは最初の指示を与えるだけで、Codex CLIが自律的にタスクを完了するまでループを回し続けます。

Responses APIとの連携

Codex CLIをプログラムから呼び出す場合、Responses APIを使ってエージェントのワークフローを構築できます：

import openai

client = openai.OpenAI()

# エージェントとしてのCodex CLI呼び出し
response = client.responses.create(
    model="o3",
    input="プロジェクト内のTODOコメントを全て見つけて、issueリストを作成して",
    tools=[
        {"type": "code_interpreter"},
        {"type": "file_search"}
    ]
)

詳細はCodex CLI Responses APIガイドで解説しています。

実践①：ファイル整理エージェントの構築

最もシンプルなAIエージェントの例として、ファイル整理エージェントを構築します。

ディレクトリ解析 → 分類ルール生成 → 自動整理

# Codex CLIでファイル整理エージェントを起動
codex "以下のディレクトリを分析して、ファイルタイプごとに整理してください：
1. まずディレクトリ内の全ファイルをリストアップ
2. ファイルの種類（画像、ドキュメント、コード等）を判定
3. 種類ごとのサブディレクトリを作成
4. ファイルを適切なディレクトリに移動
5. 移動結果のサマリーを出力
対象: ~/Downloads"

Codex CLIは以下のステップを自律的に実行します：

1. ls -la ~/Downloads でファイル一覧を取得
2. 拡張子とファイル内容から種類を判定
3. mkdir -p でカテゴリディレクトリを作成
4. mv でファイルを移動
5. 処理結果のサマリーを表示

サンドボックス内での安全な実行

Codex CLIのサンドボックスはファイル操作の安全性を確保します：

• --sandbox=full — ネットワークアクセス禁止、指定ディレクトリのみ書き込み可能
• --sandbox=relaxed — ネットワークアクセス許可、ファイル操作は制限内
• --sandbox=off — 制限なし（本番環境では非推奨）

# サンドボックスモードを指定して実行
codex --sandbox=full "~/Downloads を整理して"

実践②：コードレビューエージェントの構築

より実践的な例として、Git diffを解析してコードレビューを行うエージェントを構築します。

Git diff解析 → 問題検出 → 修正提案

# コードレビューエージェントの起動
codex "以下の手順でコードレビューを実行してください：
1. git diff main...feature/auth でdiffを取得
2. 変更されたファイルごとに以下を確認：
   - セキュリティ脆弱性（SQLインジェクション、XSS等）
   - パフォーマンス問題（N+1クエリ、不要なループ等）
   - コーディング規約違反
   - テスト不足
3. 問題をseverity（critical/warning/info）で分類
4. 修正コードの提案を含むレビューレポートを出力"

CI/CDパイプラインへの組み込み

コードレビューエージェントはGitHub Actionsに組み込むことで、自動レビューパイプラインを構築できます：

# .github/workflows/ai-review.yml
name: AI Code Review
on: [pull_request]
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run Codex Review
        run: |
          codex --model o4-mini \
            "このPRの変更をレビューして問題点をコメントして"

マルチエージェントワークフローの構築

エージェント間の連携パターン

複数のCodex CLIインスタンスをパイプラインで連携させることで、より複雑なワークフローを構築できます：

# パイプライン型マルチエージェント
# Agent 1: コード分析
codex "src/配下のコードを分析して改善点をJSON形式で出力" > analysis.json

# Agent 2: 実装
codex "analysis.jsonの改善点を実装して" --input analysis.json

# Agent 3: テスト
codex "変更されたファイルのテストを追加して"

multi-agent-workflowとの違いと使い分け

Codex CLIのmulti-agent-workflow機能は、上記のパイプラインを宣言的に定義できます：

• 手動パイプライン — シンプルなタスクの連鎖、柔軟にカスタマイズ可能
• multi-agent-workflow — 複雑な依存関係の管理、エラーハンドリングが組み込み

Codex CLIマルチエージェントワークフローで詳しく解説しています。

モデル選択（o3 vs o4-mini）とコスト最適化

エージェント開発ではタスクの複雑さに応じたモデル選択がコスト最適化の鍵です：

特性	o3	o4-mini
推論能力	非常に高い	高い
処理速度	中速	高速
コスト	高い	低い
最適なタスク	複雑な設計・アーキテクチャ判断	単純な実装・テスト生成

コスト最適化のアプローチ：

1. 分析・設計フェーズ → o3（正確な判断が必要）
2. 実装フェーズ → o4-mini（パターンに沿った実装）
3. テストフェーズ → o4-mini（定型的なテスト生成）
4. レビューフェーズ → o3（品質判断が必要）

# モデルを指定して実行
codex --model o3 "アーキテクチャを分析して改善案を提示"
codex --model o4-mini "提示された改善案を実装して"

Codex CLI上級テクニックでも、モデル選択の詳細を紹介しています。

まとめ｜Codex CLIでAIエージェント開発を始めよう

OpenAI Codex CLIは、サンドボックス環境と強力なコード実行能力を活かしたAIエージェント開発の最適なプラットフォームです。

この記事のポイントをおさらい：

• AIエージェントは「推論→行動→観察」のループで自律的にタスクを完了する
• Codex CLIのサンドボックスは安全なエージェント実行環境を提供
• ファイル整理やコードレビューなど、実践的なエージェントが構築可能
• マルチエージェントワークフローで複雑なタスクも自動化できる
• o3/o4-miniの使い分けでコストを最適化

AIエージェント開発は2026年最もホットな技術領域の一つです。Codex CLIでまずは小さなエージェントから始めて、徐々に複雑なワークフローに拡張していきましょう。