Dans ce tutoriel, vous verrez :
- Ce qu’est l’OpenAI Codex CLI et ce qu’il peut faire.
- Comment Codex peut devenir encore plus efficace grâce à l’interaction avec le web et aux capacités de récupération de données.
- Comment connecter Codex CLI au serveur MCP de Bright Data pour construire un agent de codage IA de niveau supérieur.
Plongeons dans l’aventure !
Qu’est-ce que l’interface de programmation Codex d’OpenAI ?
L’OpenAI Codex CLI, simplement connu sous le nom de Codex ou Codex CLI, est un outil d’interface de ligne de commande open-source développé par OpenAI. Son but est d’apporter la puissance de leurs LLMs directement à votre terminal.
Voici quelques-unes des principales tâches pour lesquelles il peut aider les développeurs :
- Génération et modification de code: Comprendre les instructions en langage naturel pour générer du code valide et appliquer des modifications au sein de votre projet.
- Compréhension et explication du code: Aide à comprendre des bases de code peu familières ou explique clairement des segments de code spécifiques.
- Débogage et tests: Aide à l’identification et à la correction des bogues, à l’écriture de tests et même à l’exécution de ces tests localement.
- Gestion des référentiels: Intégration avec des systèmes de contrôle de version tels que Git pour gérer les fichiers, mettre en place des migrations, mettre à jour les importations, etc.
- Exécution de commandes shell: Exécute des commandes shell pour des tâches telles que l’installation de dépendances ou l’exécution de tests.
Comme vous pouvez le constater, Codex CLI agit comme un assistant de codage local et léger. La bibliothèque est construite en Rust et disponible en tant que paquetage Node.js open-source.
Bien qu’il n’ait été publié qu’à la mi-mai 2025, il a déjà obtenu plus de 34 000 étoiles sur GitHub. C’est un indicateur fort de son adoption et de sa popularité dans la communauté informatique.
Pourquoi étendre l’interface de programmation du Codex avec des capacités d’interaction Web et d’extraction de données ?
Quel que soit le degré d’avancement des modèles OpenAI intégrés dans l’interface de programmation Codex, ils partagent toujours les limitations communes inhérentes à tous les grands modèles linguistiques.
Les LLM OpenAI génèrent des réponses basées sur les ensembles de données statiques sur lesquels ils ont été formés, ce qui est essentiellement un instantané figé dans le temps. Cette situation est particulièrement problématique compte tenu de la rapidité avec laquelle les technologies de développement évoluent.
Imaginez maintenant que vous amélioriez votre assistant de codage Codex CLI en lui donnant la possibilité d’accéder à des tutoriels, des pages de documentation et des guides actualisés, et d’en tirer des enseignements. En outre, imaginez qu’il navigue sur des sites Web dynamiques aussi facilement qu’il peut explorer votre système de fichiers local. Cette amélioration majeure des fonctionnalités est possible grâce à l’intégration avec le serveur MCP de Bright Data.
Le serveur MCP de Bright Data offre plus de 60 outils prêts pour l’IA, conçus pour l’extraction de données web en temps réel et l’interaction. Ces outils sont tous alimentés par la riche infrastructure de données d’IA de Bright Data.
Vous trouverez ci-dessous quelques exemples de ce que vous pouvez accomplir en fusionnant le CLI d’OpenAI et le MCP de Bright Data :
- Récupérer automatiquement les pages de résultats des moteurs de recherche pour intégrer des liens contextuels pertinents dans vos documents texte.
- Rassemblez les derniers tutoriels ou documentations, absorbez les informations et générez un code de travail ou créez des projets à partir de zéro.
- Extrayez des données en direct des sites web et stockez-les localement pour les utiliser dans le cadre de tests, de simulations ou d’analyses.
Pour obtenir la liste complète des outils disponibles dans le serveur MCP de Bright Data, consultez la documentation.
Voyez le serveur MCP de Bright Data en action dans Codex CLI !
Comment connecter le CLI d’OpenAI Codex au serveur MCP de Bright Data Web
Apprenez à installer le CLI Codex d’OpenAI et à le configurer pour interagir avec le serveur MCP de Bright Data. En détail, nous utiliserons l’agent CLI de codage amélioré qui en résulte pour effectuer une tâche qui :
- Récupère les données structurées d’une page de produit Amazon.
- Stocke les données dans un fichier local.
- Définit un script Node.js pour charger les données et les traiter.
Suivez les étapes ci-dessous !
Conditions préalables
Pour suivre ce tutoriel, assurez-vous d’avoir :
- Node.js 20+ installé localement (nous recommandons la dernière version LTS).
- Une clé API OpenAI.
- Un compte Bright Data avec une clé API prête à l’emploi.
Les étapes ci-dessous vous aideront à configurer les clés OpenAI et Bright Data si nécessaire.
La configuration requise pour l’OpenAI Codex CLI est la suivante :
- macOS 12+, ou
- Ubuntu 20.04+/Debian 10+, ou
- Windows 11 via WSL 2 (la version 2 du sous-système Windows pour Linux est requise).
Ensuite, les connaissances de base facultatives mais utiles pour mieux comprendre ce guide sont les suivantes :
- Une compréhension générale du fonctionnement du programme MCP.
- Familiarité avec le serveur MCP de Bright Data et ses outils disponibles.
Étape 1 : Installer le CLI Codex d’OpenAI
Tout d’abord, récupérez votre clé API OpenAI en suivant le guide officiel. Si vous en avez déjà une, vous pouvez sauter cette étape.
Une fois que vous avez votre clé API OpenAI, ouvrez votre terminal et définissez-la comme variable d’environnement :
export OPENAI_API_KEY="<YOUR_OPENAI_API_KEY>"
Remplacez la par votre clé API OpenAI. Gardez à l’esprit que la commande ci-dessus ne définira la clé que pour votre session de terminal actuelle. Alternativement, vous pouvez également autoriser via votre plan ChatGPT en vous connectant depuis le terminal.
Thun, exécutez la commande suivante pour installer OpenAI Codex CLI globalement via le paquetage officiel @openai/codex
:
npm install -g @openai/codex
Dans la même session de terminal où vous avez défini la clé OPENAI_API_KEY
, naviguez jusqu’au dossier dans lequel vous voulez travailler. Lancez Codex CLI avec :
codex
Il vous sera demandé l’autorisation d’opérer dans le répertoire actuel :
Comme il s’agit d’un simple test, vous pouvez choisir l’option 1. Pour une meilleure sécurité, choisissez l’option 2.
Après avoir appuyé sur Entrée
, vous devriez voir :
Dans la section “Ask Codex to do anything”, vous pouvez maintenant taper votre invite. Par défaut, Codex s’appuie sur un modèle GPT-5. Pour modifier le LLM sous-jacent, reportez-vous à la documentation officielle.
C’est fait ! Le CLI OpenAI Codex est maintenant installé et prêt à être utilisé.
Étape 2 : tester le serveur MCP de Bright Data Web
Si vous n’avez pas encore de compte Bright Data, inscrivez-vous à Bright Data. Si vous en avez déjà un, il vous suffit de vous connecter.
Ensuite, suivez la documentation officielle de Bright Data pour récupérer votre clé API. Pour ce guide, nous supposerons que vous utilisez une clé avec des autorisations d’administrateur.
Installez le serveur MCP de Bright Data globalement via le paquetage officiel @brightdata/mcp
:
npm install -g @brightdata/mcp
Testez l’installation à l’aide de la commande suivante :
API_TOKEN="<YOUR_BRIGHT_DATA_API_KEY>" npx -y @brightdata/mcp
Remplacez le par la clé API que vous avez générée précédemment. La commande ci-dessus définit la variable d’environnement
API_TOKEN
requise, puis démarre le serveur MCP de Bright Data localement.
Si tout fonctionne, vous devriez voir des journaux similaires à celui-ci :
Lors du premier lancement, le serveur MCP créera automatiquement deux zones proxy par défaut dans votre compte Bright Data :
mcp_unlocker
: Une zone pour Web Unlocker.mcp_browser
: Une zone pour l’API du navigateur.
Ces zones sont nécessaires pour que le serveur MCP puisse alimenter tous ses outils.
Pour confirmer la création des zones, connectez-vous à votre tableau de bord Bright Data. Accédez à la page“Proxies & Scraping Infrastructure“, et vous devriez voir les deux zones mcp_*
listées :
Si votre jeton API n’a pas les droits d’administrateur, ces zones ne seront pas créées automatiquement. Vous devrez les créer manuellement et définir leur nom au moyen de variables d’environnement, comme décrit dans la documentation officielle.
Remarque: par défaut, le serveur MCP n’expose que les outils search_engine
et scrape_as_markdown
. Pour permettre l’accès à tous les autres outils d’automatisation du navigateur et d’extraction de données structurées, vous devez exécuter le serveur MCP en mode Pro. Pour ce faire, définissez la variable d’environnement PRO_MODE=true
avant de lancer le serveur :
API_TOKEN="<YOUR_BRIGHT_DATA_API_KEY>" PRO_MODE="true" npx -y @brightdata/mcp
Génial ! Vous avez confirmé avec succès que le serveur MCP de Bright Data fonctionne sur votre machine. Arrêtez le serveur maintenant, car nous allons configurer l’OpenAI Codex CLI pour le démarrer automatiquement dans l’étape suivante.
Étape 3 : Configurer la connexion au serveur MCP de Bright Data Web dans Codex
Codex prend en charge l’intégration MCP par le biais d’un fichier de configuration situé dans ~/.codex/config.toml
(~
signifie votre répertoire personnel). Ce fichier n’est pas créé lors de l’installation, vous devez donc le créer au préalable.
Commencez par ajouter le dossier .codex :
mkdir ~/.codex
Ensuite, créez et éditez le fichier de configuration :
nano ~/.codex/config.toml
Dans l’éditeur nano
, assurez-vous que le fichier config.toml
contient l’entrée mcp_servers
suivante :
[mcp_servers.brightData]
command = "npx"
args = ["-y", "@brightdata/mcp"]
env = { "API_TOKEN" = "<YOUR_BRIGHT_DATA_API_KEY>", "PRO_MODE" = "true" }
Appuyez sur CTRL + O
et Enter
pour écrire le fichier, puis sur CTRL + X
pour enregistrer et quitter (Utilisez la commande ⌘
au lieu de CTRL
sur macOS).
Important: Remplacez le caractère générique par votre clé d’API Bright Data.
La section[mcp_servers
] de l’extrait de configuration ci-dessus indique au Codex comment lancer les serveurs MCP de Bright Data. En particulier, elle spécifie les arguments et les variables d’environnement pour produire la même commande npx
que vous avez testée plus tôt. Rappelez-vous que l’activation de PRO_MODE
est facultative mais recommandée.
Maintenant, l’OpenAI Codex CLI sera capable de lancer automatiquement le serveur MCP en arrière-plan avec cette commande configurée et de s’y connecter.
C’est très bien ! Il est temps de tester l’intégration.
Étape 4 : Confirmation de la connexion au serveur MCP
Si l’OpenAI Codex CLI est toujours en cours d’exécution, quittez-le en utilisant la commande /quit
, puis relancez-le avec :
codex
Codex CLI devrait maintenant se connecter automatiquement au serveur MCP de Bright Data.
A ce jour, Codex ne fournit pas de commande dédiée pour vérifier l’intégration du serveur MCP (contrairement à la CLI de Gemini, qui fournit des informations détaillées sur la connexion MCP).
Cependant, si Codex ne parvient pas à se connecter au serveur MCP configuré, il affichera un message d’erreur comme celui-ci :
Si vous ne voyez PAS cette erreur, vous pouvez supposer que l’intégration MCP fonctionne correctement. Bravo pour votre travail !
Étape 5 : Exécuter une tâche dans le Codex
Maintenant que Codex est connecté au serveur MCP de Bright Data, mettons-le au travail avec une tâche réelle. Par exemple, essayez l’invite suivante dans le CLI Codex OpenAI :
Extract data from the following Amazon page: "https://www.amazon.com/crocs-Unisex-Classic-Black-Women/dp/B0014BYHJE/". Save the resulting JSON into a local "product.json" file. Next, build a Node.js "index.js" script to read and log its contents in the console.
Cela reproduit le cas d’utilisation pratique de la collecte de données du monde réel à des fins d’analyse, de simulation d’API ou d’autres tâches de développement.
Collez l’invite dans le CLI et appuyez sur Entrée
. Le flux d’exécution devrait ressembler à ceci :
Le GIF ci-dessus a été accéléré, mais c’est ce qui devrait se passer :
- Le LLM sélectionne l’outil MCP approprié (dans ce cas,
web_data_amazon_product
) et lance la tâche de scraping Amazon via le serveur MCP. - Le CLI vérifie périodiquement si la tâche de scraping est terminée et si les données sont prêtes.
- Une fois l’opération terminée, les données brutes sur le produit renvoyées par l’outil au format JSON sont affichées.
- Codex valide le JSON pour s’assurer qu’il est correctement structuré.
- Les données sont enregistrées dans un fichier local nommé
product.json.
- Vous êtes invité à ajouter des champs supplémentaires au JSON. Répondez “Non”.
- Codex génère un script Node.js,
index.js
, qui charge et imprime le contenu JSON deproduct.json
.
Pendant l’exécution, vous remarquerez une entrée de journal comme celle-ci :
Cela confirme que le CLI a appelé l’outil web_data_amazon_product
depuis le serveur MCP de Bright Data en utilisant l’URL du produit Amazon lue dans l’invite. Le JSON que vous voyez est le résultat structuré renvoyé par le scraper Amazon de Bright Data, qui a été appelé par l’outil en coulisses.
Après l’exécution, votre répertoire de travail devrait contenir ces deux fichiers :
├── product.json
└── index.js
Ouvrez product.json
dans VS Code, et vous verrez :
Ce fichier contient des données de produits réels extraites d’Amazon via l’intégration MCP de Bright Data.
Ouvrez maintenant index.js
:
Ce script comprend la logique JavaScript pour charger et imprimer le contenu de product.json
dans Node.js.
Exécutez le script index.js
avec :
node index.js
Le résultat devrait être :
Et voilà ! Le flux de travail s’est achevé avec succès.
Important: ce que vous voyez est constitué de données extraites, et non d’informations inventées ou hallucinées par l’IA. Plus précisément, le contenu du fichier product.json
correspond aux données figurant sur la page produit originale d’Amazon:
N’oubliez pas qu’il est notoirement difficile d’utiliser Amazon en raison de ses protections anti-bots (telles que le CAPTCHA d’Amazon). Ainsi, un LLM ordinaire ne peut pas simplement accéder aux données d’Amazon. Cela a été possible grâce aux capacités de Bright Data auxquelles le LLM a désormais accès via MCP.
Cet exemple montre la puissance de la combinaison du CLI Codex d’OpenAI avec le serveur MCP de Bright Data. Maintenant, essayez d’autres invites et découvrez des flux de données plus avancés pilotés par LLM!
Conclusion
Dans cet article, vous avez appris à intégrer le CLI OpenAI Codex avec le serveur Web MCP. Le résultat est un puissant agent de codage IA capable d’accéder au web et d’interagir avec lui.
Pour développer des agents d’IA plus complexes, exploitez l’ensemble des services, produits et capacités disponibles dans l’infrastructure d’IA de Bright Data. Ces solutions peuvent prendre en charge une longue liste de scénarios d’agents.
Créez un compte Bright Data et commencez à expérimenter Web MCP avec 5 000 requêtes mensuelles gratuites !