昨日，微软宣布在Azure AI Foundry（国际版）正式上线 GPT-5 Codex，并在 Visual Studio Code 的智能 GitHub Copilot 副驾驶® 中开启公共预览。

今天，我们将手把手带您完成模型操作，了解具体的部署方式，助您快人一步。

先决条件

拥有Azure 订阅账号
拥有 Azure AI Foundry 的 Contributor（参与者）权限。
homebrew 或者 npm，使用 Codex Extension 安装 Codex CLI 或 VS Code。

在 Azure AI Foundry 中部署模型

1.访问 Azure AI Foundry 并创建新项目。

2.从模型目录中选择一个支持 Responses API 的模型，例如 GPT-5-codex。

3.获取 Endpoint + API Key，并记录。格式分别为：

Endpoint: https://xxxx.openai.azure.com

API Key: xxxxxxxxxxxxxxxxxxxxxxxxx

安装 Codex CLI

在终端中运行以下命令以安装 Codex CLI

npm

npm install -g @openai/codex

codex --version # verify installation

brew

brew install codex

codex --version # verify installation

创建和配置 config.toml

若要将 Codex CLI 与 Azure 配合使用，需要创建和设置 config.toml 文件。
config.toml 文件需要存储在 ~/.codex 目录中。在此目录中创建文件 config.toml ，或者编辑现有文件（如果已存在）：

cd ~/.codex

nano config.toml

2.复制下方文本，使用 v1 Responses API。借助 v1 API 您将不再需要传递 API 版本，但必须在路径中包含 base_url /v1。不能将 API 密钥作为字符串直接传递给 env_key。env_key 必须指向环境变量。

使用您的资源名称更新 base_url:

model = "gpt-5-codex" # Replace with your actual Azure model deployment name

model_provider = "azure"

model_reasoning_effort = "high"

model_providers.azure

name = "Azure OpenAI"

base_url = "https://YOUR_RESOURCE_NAME.openai.azure.com/openai/v1"

env_key = "AZURE_OPENAI_API_KEY"

wire_api = "responses"

3.将更新 config.toml 保存到文件后，返回到终端，并创建配置文件中引用的环境变量实例。

Linux, macOS, or WSL

export AZURE_OPENAI_API_KEY="<your-api-key>"

4.最后，在终端中运行以下命令之一，测试 Codex CLI 配置是否成功：

在 VSCode 中使用 Codex Extension

1.在 VSCode 插件市场搜索并安装 Codex 插件

2.可以直接通过UI方式与Codex交互，并且与Codex CLI共享API配置与对话历史数据

使用 AGENTS.md 进行持续引导

可以使用 AGENTS.md 文件为 Codex 提供附加说明和引导。 Codex 支持在以下位置查找 AGENTS.md 文件，并从上到下合并这些文件，从而提供关于个人偏好、项目特定细节和当前任务的上下文。

~/.codex/AGENTS.md 个人全球指导。
AGENTS.md 存储库根目录中的共享项目备注。
AGENTS.md 在当前工作目录中 - 子文件夹/功能细节。

例如，为了帮助 Codex 了解如何为 Azure AI Foundry Agents（国际版）编写代码，可以使用以下内容在项目根目录中创建一个 AGENTS.md ，这些内容来自 Azure AI Agents SDK 文档：

Instructions for working with Azure AI Foundry Agents

You are an expert in the Azure AI Agents client library for Python.

Key Concepts

**Client Initialization**: Always start by creating an `AIProjectClient` or `AgentsClient`. The recommended way is via `AIProjectClient`.
**Authentication**: Use `DefaultAzureCredential` from `azure.identity`.
**Agent Creation**: Use `agents_client.create_agent()`. Key parameters are `model`, `name`, and `instructions`.
**Tools**: Agents use tools to perform actions like file search, code interpretation, or function calls.
To use tools, they must be passed to `create_agent` via the `tools` and `tool_resources` parameters or a `toolset`.
Example: `file_search_tool = FileSearchTool(vector_store_ids=[...])`
Example: `code_interpreter = CodeInterpreterTool(file_ids=[...])`
Example: `functions = FunctionTool(user_functions)`

Example: Creating a basic agent

\`\`\`python

import os

from azure.ai.projects import AIProjectClient

from azure.identity import DefaultAzureCredential

1. Create Project Client

project_client = AIProjectClient(

endpoint=os.environ["PROJECT_ENDPOINT"],

credential=DefaultAzureCredential(),

2. Get Agents Client

with project_client:

agents_client = project_client.agents

3. Create Agent

agent = agents_client.create_agent(

model=os.environ["MODEL_DEPLOYMENT_NAME"],

name="my-helpful-agent",

instructions="You are a helpful agent that can answer questions.",

)

print(f"Created agent with ID: {agent.id}")

\`\`\`

在前面的示例中，Python 代码块中的反引号进行了转义，以允许正确渲染。 \ 可以删除 's。

尝试使用 "CodexCLI"

在命令行中执行 codex 命令，可以看到无需登录，直接进入了使用页面。

GitHub Actions 中的 Codex

Codex 可以作为持续集成（CI）管道的一部分执行。将 API 密钥存储在存储库的机密存储 AZURE_OPENAI_KEY 中，并添加如下所示的作业，以确保在发布之前自动更新更改日志：

jobs:

update_changelog:

runs-on: ubuntu-latest

steps:

uses: actions/checkout@v4
name: Update changelog via Codex

run: |