1. 为什么我要给 Codex 手搓一个多 Agent 插件先说结论这个插件解决的核心问题只有一个——让 Codex 在同一个会话里同时调度多个 Agent各司其职而不是把所有活儿都堆给一个模型硬扛。我自己用 Codex 做开发辅助有一段时间了日常场景大概是这样读一个陌生仓库的代码结构、定位某个 bug 的根因、写单元测试、补文档、做代码审查。这些任务如果全塞给一个 Agent会出现几个很典型的问题。第一是上下文污染读代码阶段塞进去的大量文件内容会挤占后面写测试时的推理空间第二是角色混乱同一个 Agent 既要当挑刺的审查者又要当动手的修改者输出质量会明显下滑第三是没法并行一个任务卡住整条链路都得等。多 Agent 的思路其实就是把这几个角色拆开。你可以理解成一个小团队有人负责侦察读代码、搜依赖有人负责动手改代码、写测试有人负责把关审查、找边界条件。每个 Agent 有自己的系统提示词、自己的工具权限、自己的上下文窗口。插件要做的就是在 Codex 的框架里把这套调度逻辑搭起来。这个插件适合谁如果你已经在用 Codex 做日常开发并且开始觉得单 Agent 不够用那它对你就有价值。如果你还没装过 Codex建议先把基础环境跑通再来看这篇不然会有点跳。下面我会把设计思路、核心实现、实操步骤、踩过的坑全部摊开讲代码和配置都能直接抄。提示本文所有涉及 Codex 的配置均基于其公开的插件/扩展机制具体 API 名称请以你本地版本为准不同版本之间字段可能有差异。2. 插件整体设计与多 Agent 调度思路拆解2.1 单 Agent 的天花板到底在哪很多人第一次接触多 Agent 会有一个疑问模型能力已经这么强了为什么还要拆我实测下来的感受是拆分的收益不在于模型更强而在于上下文隔离和角色约束这两件事。上下文隔离很好理解。一个 Agent 读完了 20 个文件这些内容会一直留在它的对话历史里。等它开始写代码时这 20 个文件的内容还在干扰它的注意力。多 Agent 的做法是让侦察 Agent读完文件后只把一份结构化的摘要传给执行 Agent执行 Agent 的上下文里只有摘要和当前任务干净得多。角色约束则是另一个维度。当你给一个 Agent 的系统提示词里写死你只负责审查不允许修改任何文件它的行为会明显更聚焦。我对比过同一个模型在审查者和全能助手两种提示词下的表现前者找出的边界条件问题数量大概是后者的 1.5 到 2 倍。这不是玄学是提示词对输出分布的约束在起作用。2.2 我为什么选择在 Codex 内部做插件而不是外挂脚本市面上做多 Agent 编排的方案不少有独立框架也有各种编排工具。我最终选择在 Codex 内部做插件主要基于三点考量。第一是工具复用。Codex 本身已经封装好了文件读写、命令执行、代码搜索这些基础能力插件可以直接调用不用自己再造一遍轮子。如果外挂脚本光是处理文件路径、权限、编码这些问题就够喝一壶。第二是交互一致性。用户还是在 Codex 的界面里操作不需要在多个工具之间切换。多 Agent 的调度对用户来说是透明的他只需要描述任务插件负责决定派给谁。第三是状态管理。Codex 的会话机制天然适合承载多 Agent 的状态每个 Agent 的对话历史、工具调用记录都能挂在同一个会话树下排查问题的时候一目了然。当然这个选择也有代价就是受限于 Codex 的插件 API 能力边界。有些更激进的调度策略比如动态生成 Agent实现起来会比较别扭。但对绝大多数开发辅助场景来说够用了。2.3 三个核心 Agent 的角色划分我最终落地的是三个 Agent 的架构这个数量是权衡后的结果。Agent 太少起不到隔离作用太多则调度开销和协调成本会急剧上升。Agent 角色核心职责工具权限上下文策略侦察 Agent读代码、搜依赖、梳理结构只读文件读取、搜索、目录遍历保留完整探索过程执行 Agent改代码、写测试、补文档读写文件读写、命令执行只接收侦察摘要审查 Agent找问题、查边界、提建议只读文件读取、静态分析独立上下文不看执行过程这个划分的关键在于权限最小化。侦察 Agent 和审查 Agent 都是只读的它们不可能误改文件。执行 Agent 虽然有写权限但它拿到的上下文是经过侦察 Agent 提炼的不会带着一堆无关文件乱改。审查 Agent 刻意不看执行过程这样它能以新鲜视角发现问题避免被执行的思路带偏。2.4 调度器是整个插件的大脑三个 Agent 之间不会自己对话所有协调都靠一个调度器。调度器的逻辑其实不复杂核心是一个状态机接收用户任务判断任务类型决定先派给谁拿到结果后再决定下一步。我用的判断逻辑比较朴素就是关键词加任务特征匹配。比如任务里出现为什么哪里出问题定位这类词优先走侦察加审查出现改写实现这类词走侦察加执行加审查的完整链路。这个判断不追求完美因为后面还有人工确认环节判断错了用户可以手动纠正。调度器还有一个重要职责是结果聚合。三个 Agent 的输出格式不一样侦察 Agent 输出的是结构化的代码地图执行 Agent 输出的是 diff 和说明审查 Agent 输出的是问题列表。调度器要把这些整合成一份用户能直接看的报告。我在这块花的时间比想象中多因为格式统一比调度逻辑本身更琐碎。3. 核心细节解析与实操要点3.1 插件目录结构与关键文件说明插件的目录结构我调整过好几版最终定下来的是这样codex-multi-agent/ ├── manifest.json # 插件声明文件 ├── src/ │ ├── scheduler.js # 调度器核心逻辑 │ ├── agents/ │ │ ├── scout.js # 侦察 Agent │ │ ├── executor.js # 执行 Agent │ │ └── reviewer.js # 审查 Agent │ ├── prompts/ # 各 Agent 的系统提示词 │ └── utils/ │ ├── context.js # 上下文管理 │ └── aggregate.js # 结果聚合 └── config/ └── default.json # 默认配置manifest.json是入口声明插件名称、版本、权限、激活事件。这里有个坑权限声明要跟实际用到的能力对齐声明多了会被安全审查拦声明少了运行时报错。我一开始图省事把权限全开了结果加载直接被拒。prompts/目录单独放提示词是有意为之。提示词是这个插件的灵魂把它们从代码里抽出来改起来不用动逻辑代码也方便做 A/B 对比。我前后改了大概七八版提示词抽出来之后迭代效率高很多。3.2 各 Agent 系统提示词的设计要点提示词写得好不好直接决定 Agent 的表现。我总结下来有几个原则。侦察 Agent 的提示词核心是约束输出格式。它读了一堆文件如果自由发挥输出会非常冗长。我在提示词里明确要求它输出三段文件清单带一句话说明、关键函数索引、依赖关系。这样执行 Agent 拿到的东西是结构化的不用再解析。执行 Agent 的提示词核心是约束改动范围。我写了一句很关键的话只修改与当前任务直接相关的代码任何顺手的重构都必须先说明理由并等待确认。这句话拦住了大量好心办坏事的改动。实测下来加上这句之后执行 Agent 的 diff 行数平均减少了 40% 左右。审查 Agent 的提示词核心是强制找问题。如果不加约束审查 Agent 很容易变成点赞机器输出一堆代码写得很好之类的废话。我在提示词里要求它必须列出至少三个潜在问题如果确实没有也要说明为什么这些边界情况是安全的。这个强制找茬的设定让审查环节真正产生了价值。3.3 上下文传递的裁剪策略多 Agent 之间传递上下文最容易犯的错是全量转发。侦察 Agent 读了 20 个文件把 20 个文件的完整内容都传给执行 Agent那隔离就白做了。我的裁剪策略是分层的。第一层是摘要层侦察 Agent 必须输出一份不超过 500 字的任务相关摘要这是必传的。第二层是引用层摘要里提到的关键文件执行 Agent 可以按需自己去读而不是被动接收。第三层是原始层只有在执行 Agent 明确请求时才把某个文件的完整内容传过去。这个分层策略的效果很明显。我做过对比全量转发时执行 Agent 的平均响应时间在 40 秒以上分层裁剪后降到 15 秒左右而且改动质量没有下降。注意摘要层的字数上限不要设得太死。我一开始设了 300 字结果侦察 Agent 为了塞进限制把关键信息都压缩没了执行 Agent 反而要重新读文件。500 字左右是个比较舒服的平衡点。3.4 工具权限的隔离实现权限隔离不能只靠提示词约束必须在代码层面强制。我的做法是在每个 Agent 的工具调用入口加一层拦截。具体来说每个 Agent 初始化时会绑定一个权限集合比如侦察 Agent 绑定的是[read, search, list]。当它尝试调用write或exec时拦截层直接抛错根本不会执行到实际的文件操作。这样即使提示词被绕过比如用户输入了诱导性内容也不会造成实际破坏。这个拦截层的实现不复杂大概几十行代码但它是整个插件安全性的基石。我强烈建议任何做多 Agent 的人都加上这一层不要指望提示词能百分百约束住模型行为。4. 实操过程与核心环节实现4.1 环境准备与插件加载先把前置条件列清楚。你需要一个能正常运行的 Codex 环境以及 Node.js 运行时我用的是 18.x16.x 应该也能跑但没测过。插件本身没有额外的第三方依赖这是刻意设计的依赖越少加载越稳。加载插件的步骤把插件目录放到 Codex 的插件扫描路径下具体路径在 Codex 设置里能看到。打开 Codex进入插件管理界面找到codex-multi-agent点击启用。启用后 Codex 会提示需要重启会话重启即可。如果加载失败最常见的原因是manifest.json格式不对。我建议用 JSON 校验工具先过一遍别问我怎么知道的。4.2 调度器的核心代码实现调度器的核心是一个dispatch函数我把它简化后贴出来async function dispatch(task, context) { const taskType classifyTask(task); if (taskType explore) { const scoutResult await runAgent(scout, task, context); return aggregate([scoutResult]); } if (taskType modify) { const scoutResult await runAgent(scout, task, context); const execResult await runAgent(executor, task, { ...context, scoutSummary: scoutResult.summary }); const reviewResult await runAgent(reviewer, task, { ...context, targetFiles: execResult.changedFiles }); return aggregate([scoutResult, execResult, reviewResult]); } // 默认走完整链路 return dispatch(task, { ...context, forceFull: true }); }classifyTask就是前面说的关键词匹配逻辑很直白。runAgent负责初始化对应 Agent、注入提示词、执行、收集结果。aggregate负责把多个结果拼成一份报告。这里有个细节值得说审查 Agent 拿到的上下文里我传的是targetFiles而不是执行 Agent 的完整输出。这样审查 Agent 是直接去看改动后的文件而不是看执行 Agent 的自述。这个设计让审查更客观因为执行 Agent 的自述里难免有自我辩护的成分。4.3 一次完整任务的执行记录我拿一个真实任务跑一遍让你看看整个流程长什么样。任务描述是用户登录接口在高并发下偶发 500 错误帮我定位并修复。第一阶段侦察 Agent 出动。它先搜索了登录相关的路由文件找到auth/login.js然后顺着 import 链读了services/userService.js和middleware/rateLimit.js。输出摘要如下文件清单 - auth/login.js登录路由入口调用 userService.authenticate - services/userService.js认证逻辑含数据库查询 - middleware/rateLimit.js限流中间件 关键函数 - authenticate(username, password)查询用户并校验密码 - checkRateLimit(ip)基于内存的限流计数 依赖关系 login.js - userService.js - 数据库连接池 login.js - rateLimit.js - 内存 Map第二阶段执行 Agent 动手。它拿到摘要后重点读了rateLimit.js发现限流用的是内存 Map在多进程部署下每个进程各算各的而且 Map 没有清理机制会无限增长。它给出的修复方案是把限流计数挪到共享存储并加上过期清理。改动涉及两个文件diff 大概 30 行。第三阶段审查 Agent 把关。它不看执行过程直接读改动后的文件提出了三个问题一是共享存储的读写失败时没有降级策略可能导致限流失效二是过期清理的时间窗口设得偏短可能误伤正常用户三是没有考虑分布式锁并发写入计数时可能丢更新。这三个问题都很实在执行 Agent 根据反馈又补了一轮改动。整个流程跑下来大概两分钟比我手动做快了不止一点而且审查环节确实抓到了我一开始没想到的并发问题。4.4 结果聚合与报告输出三个 Agent 的输出格式不一样聚合器要做的是把它们统一成一份报告。我的报告结构是任务概述、侦察发现、执行改动、审查意见、待确认事项。这里有个设计取舍我没有让聚合器做智能总结而是做结构化拼接。原因是智能总结容易丢信息而结构化拼接能保证每个 Agent 的关键输出都完整保留。用户看报告的时候可以快速扫一遍也可以深入看某个环节的细节。报告最后会有一个待确认事项区块列出审查 Agent 提出的、但执行 Agent 没有处理的问题。这个区块很重要它把决策权交回给用户而不是让插件自作主张。5. 常见问题与排查技巧实录5.1 插件加载失败的几种典型情况现象可能原因排查方法插件列表里看不到目录路径不对或 manifest 缺失检查扫描路径确认 manifest.json 存在启用后报权限错误权限声明与实际调用不匹配对照日志里的权限名补齐声明启用后无响应激活事件配置错误检查 manifest 里的 activationEvents重启后插件消失目录被清理或版本不兼容确认目录持久化核对 Codex 版本要求我遇到最多的是权限声明问题。Codex 的权限名跟直觉不太一样比如文件读取叫fs.read而不是read。建议第一次配置时把日志级别调到 debug看它到底在报哪个权限缺失。5.2 Agent 输出格式跑偏怎么办提示词约束不是万能的Agent 偶尔会不按格式输出。我的处理方式是加一层解析容错。聚合器在解析每个 Agent 的输出时先尝试按预期格式解析失败则降级为纯文本展示并打上格式异常标记。这个容错层救过我很多次。有一次侦察 Agent 突然开始输出 Markdown 表格而不是我要求的列表格式如果没有容错层整个流程就断了。加上容错后虽然格式不完美但信息没丢任务能继续。如果你发现某个 Agent 频繁跑偏那大概率是提示词里的格式说明不够明确。我的经验是把格式要求写成必须严格按以下模板输出不要添加任何额外内容并且给一个完整的示例。示例比描述管用得多。5.3 上下文超限的预防与处理多 Agent 场景下上下文超限比单 Agent 更容易发生因为每个 Agent 都有自己的历史。我的预防措施有三个。第一是给每个 Agent 设独立的 token 预算。侦察 Agent 预算大一些它要读文件执行 Agent 中等审查 Agent 小一些。预算快满时调度器会主动触发摘要压缩。第二是及时清理已完成 Agent 的上下文。任务进入下一阶段后上一阶段 Agent 的详细历史就没用了只保留摘要即可。这个清理动作能省下大量 token。第三是设置硬性熔断。当总 token 消耗超过阈值时调度器直接终止任务并提示用户。宁可任务失败也不要因为超限导致整个会话崩溃。5.4 几个我踩过的坑坑一Agent 之间互相甩锅。早期版本我让执行 Agent 和审查 Agent 直接对话结果它俩开始互相推诿执行说审查提的问题不明确审查说执行改得不彻底。后来改成所有交互都经过调度器中转问题就没了。Agent 之间不要直接对话这是血泪教训。坑二提示词里的尽量是毒药。我一开始写尽量保持代码风格一致结果执行 Agent 完全忽略。改成必须保持与周边代码相同的缩进、命名和注释风格违反视为任务失败之后风格一致性明显改善。对模型来说模糊的措辞等于没有约束。坑三不要相信 Agent 的自我报告。执行 Agent 说已完成所有改动不代表真的完成了。我后来加了一个校验步骤让调度器实际去检查目标文件是否真的被修改而不是听执行 Agent 的一面之词。这个校验步骤抓出过好几次假完成。坑四审查 Agent 也会漏。别以为加了审查环节就万无一失。审查 Agent 的视角受限于它读到的文件如果执行 Agent 改了一个审查 Agent 没读到的文件问题就漏了。我的补救办法是让调度器把执行 Agent 的改动文件列表强制传给审查 Agent确保审查范围覆盖所有改动。5.5 性能调优的几个实操建议如果你觉得插件跑得慢可以从这几个方向优化。并行化侦察阶段。侦察 Agent 读多个文件时如果文件之间没有依赖可以并行读取。我把这块改成并行后侦察阶段耗时从 20 秒降到 8 秒左右。缓存文件读取结果。同一个文件在一次任务里可能被多个 Agent 读取加一层文件内容缓存能省不少 IO。注意缓存要设过期时间避免读到旧内容。精简提示词。提示词越长每次调用的 token 开销越大。我定期审查提示词删掉那些说了等于没说的句子。有一次我删掉了 30% 的提示词内容效果没变但响应速度明显提升。按需启动 Agent。不是所有任务都需要三个 Agent。简单的查询类任务只启动侦察 Agent 就够了。调度器的任务分类逻辑要能识别这种情况避免不必要的开销。6. 后续可以继续扩展的方向这个插件目前跑通的是最基础的三 Agent 协作还有不少可以深挖的地方。我自己接下来想试的是动态 Agent 生成——根据任务类型临时创建一个专用 Agent比如处理数据库迁移时生成一个迁移专家 Agent用完即弃。这个思路能进一步提升角色匹配度但对调度器的要求会高很多。另一个方向是跨会话的 Agent 记忆。现在每个任务都是独立的Agent 不记得上次做过什么。如果能给每个 Agent 加一层持久化记忆让它记住这个仓库的历史改动和常见问题长期使用的价值会大很多。这块的难点在于记忆的检索和更新策略做不好反而会引入噪声。还有一个比较实用的扩展是Agent 执行过程的可视化。现在用户只能看到最终报告中间过程是黑盒。如果能实时展示每个 Agent 在做什么、读了哪些文件、调用了哪些工具排查问题和建立信任都会容易很多。我打算下一步先做个简单的进度指示把当前活跃的 Agent 和它的动作显示出来。最后分享一个小技巧如果你也想做类似的多 Agent 插件建议先从两个 Agent 开始把调度和上下文传递跑通再往上加。我一开始就想做五个 Agent结果调度逻辑复杂到自己都理不清推倒重来了两次。两个 Agent 的架构稳定之后扩展到三个、四个都是水到渠成的事。