Codex 接入第三方模型 API 实战：以 Mimo 为例

引言

Codex 作为一款灵活的 AI 应用框架，不仅内置对主流模型的支持，还提供了开放的适配器机制，允许开发者快速接入各种第三方模型 API。这种设计让团队可以在不修改核心业务代码的前提下，自由切换或组合使用不同的模型服务。本文将以多模态模型 Mimo 为例，从方案设计到代码落地，完整演示如何在 Codex 中接入一个全新的第三方模型。

最新一键配置工具下载入口，完全免费：我们最常用的就是COdex++，直接可以快捷接入

一、Codex 接入第三方模型的通用方案

Codex 通过"模型适配器"模式实现与外部模型服务的解耦。所有模型调用都遵循统一的接口规范，例如 generate 或 chat 方法。当需要接入一个新模型时，只需编写一个适配器类，实现框架定义的抽象方法，再将适配器注册到 Codex 的模型管理组件即可。整个过程对上层业务零侵入。

典型的接入流程如下：

了解第三方 API 规范：明确请求端点、认证方式、请求/响应格式。
编写适配器类 ：继承 Codex 提供的基类（如 BaseChatModel），实现消息构建、请求发送与响应解析逻辑。
处理流式与非流式响应：根据模型 API 特性，适配器需同时支持同步返回和流式推送。
注册模型配置：在 Codex 的配置文件中声明新模型，并将其关联到编写的适配器。
测试与上线：通过内置调试工具验证调用链路，确保与现有业务兼容。

二、实战：接入 Mimo 模型

2.1 Mimo API 简介

Mimo 是一款支持文本、图像等多模态输入的通用大模型，其云服务提供了兼容 OpenAI 风格的 Chat Completions API。调用地址为 https://api.mimo.ai/v1/chat/completions，使用 Bearer Token 进行身份认证。请求体主要包含 model、messages、temperature 和 stream 等字段，响应结构与 OpenAI 规范基本一致，这大大降低了适配难度。

2.2 编写适配器

下面是一个基于 Python 的适配器示例，它继承自 Codex 框架的 BaseChatModel，并实现了 _agenerate 和 _astream 两个核心方法，以支持同步调用和流式输出。

python 复制代码

import json
import aiohttp
from typing import Any, AsyncIterator, List, Mapping, Optional
from your_codex_core.adapters import BaseChatModel
from your_codex_core.schema import ChatMessage, ChatResult, ChatGeneration
class MimoChatAdapter(BaseChatModel):
"""Codex 适配器：接入 Mimo 模型 API"""
model_name: str = "mimo-v1"
api_base: str = "https://api.mimo.ai/v1/chat/completions"
api_key: str
async def _agenerate(
self,
messages: List[ChatMessage],
stop: Optional[List[str]] = None,
**kwargs: Any,
) -&gt; ChatResult:
"""同步方式生成回复（内部实际为异步 HTTP 调用）"""
payload = {
"model": self.model_name,
"messages": self._build_messages(messages),
"temperature": kwargs.get("temperature", 0.7),
"stream": False,
}
if stop:
payload["stop"] = stop
async with aiohttp.ClientSession() as session:
    async with session.post(
        self.api_base,
        json=payload,
        headers={"Authorization": f"Bearer {self.api_key}"},
    ) as resp:
        data = await resp.json()
        choice = data["choices"][0]
        content = choice["message"]["content"]
        return ChatResult(
            generations=[ChatGeneration(message=ChatMessage(role="assistant", content=content))]
        )
async def _astream(
self,
messages: List[ChatMessage],
stop: Optional[List[str]] = None,
**kwargs: Any,
) -&gt; AsyncIterator[ChatMessage]:
"""流式生成回复"""
payload = {
"model": self.model_name,
"messages": self._build_messages(messages),
"temperature": kwargs.get("temperature", 0.7),
"stream": True,
}
if stop:
payload["stop"] = stop
async with aiohttp.ClientSession() as session:
    async with session.post(
        self.api_base,
        json=payload,
        headers={"Authorization": f"Bearer {self.api_key}"},
    ) as resp:
        async for line in resp.content:
            line = line.decode("utf-8").strip()
            if not line or not line.startswith("data: "):
                continue
            data_str = line[len("data: "):]
            if data_str == "[DONE]":
                break
            try:
                chunk = json.loads(data_str)
                delta = chunk["choices"][0].get("delta", {})
                if "content" in delta:
                    yield ChatMessage(role="assistant", content=delta["content"])
            except json.JSONDecodeError:
                continue
def _build_messages(self, messages: List[ChatMessage]) -&gt; List[Mapping[str, str]]:
"""将内部消息格式转换为 API 所需格式"""
return [{"role": msg.role, "content": msg.content} for msg in messages]

这段代码中，MimoChatAdapter 封装了认证、请求构造和响应解析的全过程。开发者只需在实例化时传入 api_key 即可使用。流式处理部分兼容了 SSE（Server-Sent Events）协议，能够实时返回生成内容。

2.3 注册与配置

编写完适配器后，需要在 Codex 的模型配置文件中注册该模型。以下是一个 YAML 配置示例：

yaml 复制代码

models:
  - name: mimo-v1
    type: chat
    adapter: path.to.MimoChatAdapter
    api_key: ${MIMO_API_KEY}
    default_params:
      temperature: 0.7

配置完成后，Codex 启动时会自动加载适配器，业务代码中即可通过模型名称 mimo-v1 直接调用 Mimo 服务，与调用内置模型的方式完全一致。

三、运行与调试

在开发环境中，可以编写简单的测试脚本来验证适配器是否正常工作：

python 复制代码

import asyncio
from your_codex_core.models import load_model
async def main():
model = load_model("mimo-v1")
response = await model.agenerate([{"role": "user", "content": "你好，请用一句话介绍自己。"}])
print(response.generations[0].message.content)
asyncio.run(main())

若一切正常，终端将输出 Mimo 返回的自我介绍文本。如果遇到认证失败或请求超时等问题，建议检查 API Key 是否有效、网络策略是否允许访问外部 API，并利用 Codex 内置的日志系统排查详细错误堆栈。

四、总结与展望

通过适配器模式，Codex 将第三方模型接入的门槛降到了最低。无论是像 Mimo 这样兼容 OpenAI 接口的模型，还是有自定义协议的模型，只需按照规范实现几个核心方法，即可无缝集成。这种设计不仅提高了开发效率，也为团队构建多模型协作的智能应用提供了坚实基础。后续还可以进一步完善适配器功能，例如添加重试机制、Token 计数及成本监控等，让生产环境的调用更加稳定可靠。