用 DeepSeek v4 驱动 OpenAI Codex CLI：自制代理实现 gpt-5.5 → deepseek-v4-pro 透明映射

用 DeepSeek v4 驱动 OpenAI Codex CLI：自制代理实现 gpt-5.5 → deepseek-v4-pro 透明映射

本文介绍如何通过一个轻量 Python 代理，将 Codex CLI 配置的 gpt-5.5 请求无感代理到 DeepSeek API，实现用国产大模型跑 OpenAI 官方 AI 编程工具。

---

背景

OpenAI 在 2025 年发布了 Codex CLI，这是一个运行在终端里的 AI 编程助手，支持直接读写文件、执行命令、调用工具，体验比 ChatGPT 网页版好很多。

但问题来了------Codex CLI 默认只支持 OpenAI 自家的模型（gpt-5.5、o4-mini 等），API 费用不低。而 DeepSeek 的 deepseek-chat / deepseek-reasoner 性价比极高，能力也不弱。

能不能把 Codex 的请求转发给 DeepSeek？

可以，但有一个协议障碍：

• Codex CLI v0.80.0+ 使用 OpenAI Responses API

• DeepSeek 只提供 Chat Completions API

两者不兼容，不能直接替换 base_url 了事。

---

---

解决思路

写一个本地代理服务，在中间做协议翻译：

 Codex CLI                代理（本机 :4000）              DeepSeek API
 ─────────────────────────────────────────────────────────────────────
 POST /v1/responses   →   翻译为 Chat Completions   →   POST /chat/completions
 model: gpt-5.5           model: deepseek-v4-pro        model: deepseek-chat

Codex 以为自己在跟 gpt-5.5 说话，实际上背后是 DeepSeek。

---

项目地址

本项目已开源到 Gitee，参考了 deepseek-cursor-proxy 的思路并针对 Codex CLI 做了适配：

Gitee： https://gitee.com/FrancizTest_admin/codex_deepseek_proxy

---

技术实现细节

1. 协议翻译

Responses API 和 Chat Completions API 的消息格式差异很大：

Responses API（Codex 发送）	Chat Completions（DeepSeek 接收）
input: [{role, content}]	messages: [{role, content}]
content[].type = "input_text"	content: "文本"
content[].type = "tool_use"	tool_calls: [...]
content[].type = "tool_result"	{role: "tool", content: "..."}
type = "function_call" output item	assistant tool_calls 消息
type = "function_call_output" input item	{role: "tool"} 消息

SSE 流式事件也需要一一对应翻译，包括：

• response.output_text.delta ←→ choices[0].delta.content

• response.function_call_arguments.delta ←→ tool_calls[].function.arguments

• response.function_call_arguments.done（Codex 依赖此事件判断工具调用结束）

• response.output_item.done（Codex 依赖此事件关闭流）

2. 工具调用消息合并

这是最容易踩坑的地方。

Codex 执行任务时会同时调用多个工具（比如同时读多个文件）。它会把每个 function_call 作为独立的 output item 发回来。

而 DeepSeek Chat Completions 要求：多个工具调用必须合并在同一条 assistant 消息里，后面紧跟对应数量的 role: "tool" 结果，顺序不能错，否则报 400：

 An assistant message with 'tool_calls' must be followed by tool messages
 responding to each 'tool_call_id'.

代理会自动把连续的 function_call 合并为一条带 tool_calls 数组的 assistant 消息。

3. reasoning_content 缓存

使用 deepseek-reasoner 时，DeepSeek 会在 thinking 模式下返回 reasoning_content（思考过程）。多轮工具调用时，每次请求都必须带上完整的 reasoning_content 链，否则 DeepSeek 会报：

 The reasoning_content in the thinking mode must be passed back to the API.

Codex 不会自动携带这个字段。代理将历史 reasoning_content 存入本地 SQLite，下轮请求时自动注入，按对话哈希隔离避免串台。

4. reasoning_effort 参数过滤

Codex 配置 model_reasoning_effort = "medium" 后，请求里会带 reasoning_effort 字段。不同模型的处理规则：

上游模型	reasoning_effort	temperature 等采样参数
deepseek-chat	自动丢弃（不支持）	正常透传
deepseek-reasoner	映射后透传（medium→high）	自动丢弃（互斥）

5. gpt-5.5 别名映射

代理内置别名：gpt-5.5 → deepseek-v4-pro（对 Codex 暴露的名字），上游实际用 DEEPSEEK_MODEL 环境变量指定的模型（默认 deepseek-chat）。

这样 Codex 侧不需要做任何特殊配置，直接用 gpt-5.5 即可。

---

📷 [代理协议翻译流程图]

---

快速部署

环境要求

• Python 3.10+

• uv（推荐）或 pip

• DeepSeek API Key（https://platform.deepseek.com 申请）

安装

 git clone https://gitee.com/FrancizTest_admin/codex_deepseek_proxy
 cd codex-deepseek-proxy
 uv venv && uv sync

配置 CC Switch

启动代理

 # Windows PowerShell
 $env:DEEPSEEK_API_KEY = "sk-你的key"
 uv run codex-deepseek-proxy --verbose

 # Linux / macOS
 export DEEPSEEK_API_KEY="sk-你的key"
 uv run codex-deepseek-proxy --verbose

启动成功会看到：

 Codex DeepSeek Proxy running at http://127.0.0.1:4000
   Model advertised: deepseek-v4-pro  ->  DeepSeek upstream: deepseek-chat
   Alias: gpt-5.5 -> deepseek-v4-pro

配置 Codex CLI

编辑 ~/.codex/config.toml：

 model_provider = "custom"
 model = "gpt-5.5"
 model_reasoning_effort = "medium"
 ​
 [model_providers.custom]
 name = "custom"
 wire_api = "responses"
 requires_openai_auth = true
 base_url = "http://127.0.0.1:4000/v1"

编辑 ~/.codex/auth.json（填 DeepSeek Key）：

{ "OPENAI_API_KEY": "sk-你的DeepSeek Key" }

运行

codex

---

📷 [Codex 成功通过代理调用 DeepSeek 执行任务的截图]

---

切换 deepseek-reasoner（推理模型）

如果想用 DeepSeek 的思维链推理模型：

uv run codex-deepseek-proxy --deepseek-model deepseek-reasoner --verbose

推理模型响应更慢但质量更高，适合复杂编程任务。

---

常见问题

Q：纯对话正常，一开始干活（执行工具）就断？

A：通常是工具调用 SSE 事件不完整或消息结构不符合 DeepSeek 要求导致的。确认使用了最新版代理，并用 --verbose 查看具体报错。

Q：出现"insufficient tool messages following tool_calls message"报错？

A：Codex 并发调用了多个工具，旧版代理将它们拆成多条 assistant 消息，DeepSeek 拒绝了。升级到最新版代理（已修复自动合并）。

Q：reasoning_effort 导致 400 错误？

A：deepseek-chat 不支持该参数，最新版代理会自动过滤，无需手动处理。

---

项目结构

src/codex_deepseek_proxy/
├── config.py          # 配置管理（模型别名、参数解析）
├── reasoning_store.py # reasoning_content SQLite 缓存
├── server.py          # HTTP 代理服务器（SSE 翻译、工具调用）
└── translator.py      # Responses API ↔ Chat Completions 翻译层

---

小结

特性	说明
模型	deepseek-chat / deepseek-reasoner
协议翻译	Responses API ↔ Chat Completions
工具调用	并行工具调用自动合并
推理缓存	reasoning_content SQLite 持久化
参数过滤	reasoning_effort 按模型自动处理
部署	纯 Python，无额外依赖，本机运行

有问题欢迎在 Gitee 提 Issue，也欢迎 Star 和 Fork。

---

参考项目：deepseek-cursor-proxy