约克大学和康考迪亚大学把三个 AI 编程工具仓库里 3864 个公开上报的 bug 逐条手工标注了一遍，发现只有约 12% 能追到模型身上，其余都是集成、配置、环境这些常规软件工程问题。本文拆解这份研究，讲清 Codex 的故障为什么集中在沙箱和 apply_patch 这条链路上，以及手上的配置该怎么改。
3864 个 Bug 拆开看：Codex 出错，八成坏在模型之外
Posts for: #MCP
Codex 做完任务给自己造了把工具：Skills 正在接管那些被过度设计的 MCP
Contentstack 的开发者体验负责人给了 Codex 一枚临时 token、一串视频 ID 和一份 schema，然后走开。导入一遍过。更意外的是，它顺手给自己写了一个 CLI，并在 SKILL.md 里教下一个自己怎么用。这件没人要求的事，把 Skills 和 MCP 的边界问题摆上了台面。
没有 API 的软件，让 Agent 自己点鼠标：Codex 计算机使用跨过的那个转折点
我们做自动化的默认动作是先找接口：有没有 API、有没有 MCP、有没有 SDK。OpenAI 工程师的说法是，那类工作已经不需要接口了。本文梳理 Codex 计算机使用从「演示好看但慢到没法用」到日常可用的转折过程，讲清它为什么被团队称为 universal connector，给出 connector 与点界面之间的取舍框架，并补充我认为最容易被忽略的三件事：权限边界、验证前置，以及给 Agent 看的界面设计。
把 Jev 接进 Codex：MCP、上下文压缩、模型路由的四种玩法与三条边界
2026 年 9 月 15 日，TypeSafe AI 发布了一个不能写字的模型 Jev：你给它程序状态和一组带类型的问题，它在一次并行采样里返回选项、档位和概率，70 到 500 毫秒，每百万输入 token 0.042 美元。本文拆解它在 OpenAI Codex 工作流里的四种真实接法：MCP 工具层做能力排序与证据重排、PreToolUse 闸门做零 token 判断、上下文压缩只删可验证的只读证据、按轮与按调用的模型路由，并给出这些集成共有的六条工程约定和三条必须知道的边界。
代码即工具：为什么让 AI Agent 写代码比给它一百个工具更聪明
你有没有算过一笔账：给 Agent 装上 50 个 MCP 工具后，光 schema 描述就吃掉了一万多个 Token，模型还没开始干活，上下文已经烧掉大半。本文探讨「代码模式」的核心思想，与其让模型学习几十个工具的参数和语义，不如给它一个类型安全的执行环境，让它直接写代码完成任务。