如何将Codex CLI和OpenCode接入codex-lb：完整的客户端配置指南-开发者社区

如何将Codex CLI和OpenCode接入codex-lb：完整的客户端配置指南

【免费下载链接】codex-lbCodex/ChatGPT multiple account load balancer & proxy with usage tracking, dashboard, and OpenCode-compatible endpoints项目地址: https://gitcode.com/gh_mirrors/co/codex-lb

codex-lb 是一款面向 Codex/ChatGPT 多账号场景的负载均衡器与代理工具，内置用量追踪、可视化 Dashboard 和 OpenCode 兼容端点。只需约 10 分钟，你就可以把Codex CLI和OpenCode接入 codex-lb，让多个 AI 账号池化共享，自动避开限流，并随时查看每个账号的 Token 消耗与配额。本文是一份从零开始的客户端配置指南，全程只需改两个配置文件。

先认识一下 codex-lb 的 Dashboard —— 所有请求数、Token、成本和每个账号的配额都会在这里汇总：

各客户端对应的接入端点

不同客户端使用不同的端点和配置文件，先对号入座：

客户端	接入端点	配置文件
Codex CLI / IDE 扩展	`http://127.0.0.1:2455/backend-api/codex`	`~/.codex/config.toml`
OpenCode	`http://127.0.0.1:2455/v1`	`~/.config/opencode/opencode.json`
OpenAI Python SDK	`http://127.0.0.1:2455/v1`	代码中指定`base_url`

💡 模型可用性由上游 Codex 模型目录决定，可能随账号套餐变化。配置前建议先查看GET /v1/models的实时响应，而不是照抄静态列表。当前主力模型为gpt-5.6-sol（最强）、gpt-5.6-terra（均衡）、gpt-5.6-luna（快速）。

第一步：启动 codex-lb 并添加账号

接入客户端前，先确保 codex-lb 已在本机或 Docker 中运行，并且账号池里至少有一个可用账号。

# Docker（推荐） docker volume create codex-lb-data docker run -d --name codex-lb \ -p 2455:2455 -p 1455:1455 \ -v codex-lb-data:/var/lib/codex-lb \ ghcr.io/soju06/codex-lb:latest # 或者用 uvx 一行启动 uvx codex-lb

启动后打开http://localhost:2455，添加账号即可（详见 docs/getting-started.md）。账号池管理页面可以直观看到每个账号的 5 小时/周配额、状态与用量趋势：

第二步：Codex CLI 接入（核心配置只有几行）

编辑~/.codex/config.toml，加入以下内容：

model = "gpt-5.6-sol" model_reasoning_effort = "xhigh" model_provider = "codex-lb" [model_providers.codex-lb] name = "openai" base_url = "http://127.0.0.1:2455/backend-api/codex" wire_api = "responses" supports_websockets = true requires_openai_auth = true

⚠️ 两个最容易踩坑的点：

name = "openai"必须是小写。它启用远程/responses/compact能力；旧版大写的"OpenAI"会导致gpt-5.5等模型无法解析。
base_url走/backend-api/codex而不是/v1——这是 Codex 原生端点，才能完整支持 WebSocket 流式与压缩能力。

完整示例可直接参考 docs/examples/codex/config.toml。

可选：开启 872k 超大上下文窗口

GPT-5.6 默认输入预算为 272k token，上限 872k。如需更大窗口，在config.toml顶部（任何[section]之前）加上：

model_context_window = 872000

超过 272k 部分会按上游长上下文费率计费，请按需开启。

验证 WebSocket 是否生效

跑一次调试命令确认走的是原生 WebSocket 而不是 HTTP 回退：

RUST_LOG=debug codex exec "Reply with OK only."

日志中出现successfully connected to websocket且 codex-lb 端没有POST /backend-api/codex/responses回退记录，即表示正常。

第三步：OpenCode 接入（用对 Provider 是关键）

!!! important 请使用 OpenCode内置的openaiprovider +baseURL覆盖，不要用@ai-sdk/openai-compatible自定义 provider。自定义 provider 走 Chat Completions API，会丢失推理/思考内容；内置 provider 走 Responses API，能正确保留encrypted_content和多轮推理状态。

修改~/.config/opencode/opencode.json，核心思路只需三行：

{ "provider": { "openai": { "options": { "baseURL": "http://127.0.0.1:2455/v1", "apiKey": "{env:CODEX_LB_API_KEY}" } } }, "model": "openai/gpt-5.6-sol" }

然后启动：

export CODEX_LB_API_KEY="sk-clb-..." # 从 Dashboard 获取 opencode

更完整的配置（含reasoningEffort、上下文长度等模型参数）见 docs/client-setup.md 的 OpenCode 章节。

第四步：配置 API Key（远程接入必做）

codex-lb 的 API Key 鉴权默认关闭。当客户端通过 Docker、虚拟机或远程网络访问时，请在 Dashboard 的Settings → API Key Auth中开启，并创建一个 Key：Dashboard → API Keys → Create。完整的 Key 只在创建时显示一次，注意妥善保存。

Key 支持设置过期时间、模型白名单、按 Token/成本限流，还可以绑定指定账号，让该 Key 只消耗被分配的账号配额：

开启鉴权后，Codex CLI 侧只需在 provider 配置里加一行env_key = "CODEX_LB_API_KEY"，再把 Key 写入环境变量即可，详见 docs/api-keys.md。

常见问题快速排查

Q：Codex CLI 总是回退到 HTTP POST，不走 WebSocket？运行上面的 WebSocket 验证步骤。如果 codex-lb 在反向代理之后，请确认代理正确转发了 WebSocket 升级请求（参见 docs/deployment/remote.md）。

Q：从直连 OpenAI 迁移后，codex resume找不到旧会话？codex resume按model_provider过滤会话，旧会话需要重新打标。使用内置 retag 命令，先预览再执行：

# 预览变更（不修改任何文件） codex-lb codex-sessions retag --from openai --to codex-lb --dry-run # 关闭 Codex 后正式执行 codex-lb codex-sessions retag --from openai --to codex-lb --yes

Q：Dashboard 说限流了，但上游显示窗口已重置？codex-lb 按自己的调度刷新用量并保守处理上游样本，短暂不一致属正常现象，详见 docs/troubleshooting.md。