OpenAI Codex: guía paso a paso con 3 ejemplos prácticos

Resumen rápido

\n
• \n

  OpenAI Codex es un agente de ingeniería de software en la nube disponible dentro de ChatGPT (planes Plus, Pro, Team y Enterprise)

  \n
\n
• \n

  Conecta Codex a un repositorio de GitHub y asígnale tareas: corregir bugs, aplicar parches, generar tests o explicar código

  \n
\n
• \n

  Cada tarea se ejecuta en una sandbox aislada; Codex abre un pull request que revisas antes de hacer merge

  \n
\n
• \n

  Usa un archivo AGENTS.md para definir convenciones de código que Codex seguirá en cada tarea

  \n
\n
• \n

  Codex también funciona en la terminal mediante la Codex CLI y como extensión de VS Code

  \n
\n

¿Qué es OpenAI Codex?

OpenAI Codex es un agente de ingeniería de software en la nube que puede escribir y editar código, ejecutar tests, corregir errores e incluso proponer pull requests. Cada tarea se ejecuta en su propio entorno aislado.

Codex está impulsado por los modelos más avanzados de OpenAI y está diseñado para la seguridad, la capacidad de prueba y la productividad del desarrollador. Puedes guiar a Codex usando archivos AGENTS.md o interactuar con él directamente desde la barra lateral de ChatGPT.

Con la Codex CLI también puedes llevar estas capacidades directamente a tu terminal.

Opciones de acceso a Codex de un vistazo:

Cómo configurar OpenAI Codex

Configurar Codex te llevará solo unos minutos. Aquí tienes una guía paso a paso para empezar.

Paso 1: encontrar la herramienta Codex

Empieza iniciando sesión en ChatGPT. En la barra lateral izquierda, busca Codex. En su lanzamiento, Codex se desplegó para usuarios de ChatGPT Pro, Business y Enterprise. Ahora está incluido en todos los planes (aunque el acceso en Free y Go es muy limitado).

Paso 2: primeros pasos con Codex

Haz clic en Codex y se abrirá otra pestaña para la configuración inicial. Pulsa \"Get started\" y sigue el proceso de autenticación como se muestra en el siguiente paso.

Paso 3: autenticación multifactor

Haz clic en \"Set up MFA to continue\" y escanea el código QR con tu app de autenticación favorita (como Google Authenticator o Authy). Introduce el código para verificar ¡y listo!

Paso 4: conectar con GitHub

Cuando completes la autenticación multifactor, conecta Codex con GitHub.

Paso 4.1: autorizar el conector de GitHub

\"Connect to GitHub\" te llevará a una ventana emergente para autorizar el conector de GitHub. Lee la información y autoriza.

Paso 4.2: añadir tu cuenta de GitHub

Una vez conectado GitHub, tenemos que añadir nuestra cuenta. En la pestaña de organización de GitHub, selecciona \"Add a GitHub account\".

Esto te llevará a otra ventana emergente para \"Install and Authorize\". Haz clic para autorizar y todos tus repositorios aparecerán en la interfaz de ChatGPT. También puedes autorizar solo repositorios seleccionados.

Paso 4.3: crear un entorno

Elige el repositorio en el que quieres trabajar y haz clic en \"Create environment\".

Esto te llevará a \"Data Controls\". Codex sigue en desarrollo activo y puede que veas un aviso opcional para permitir que tus datos se usen para mejorar el modelo. Puedes desactivarlo y continuar.

Tu entorno ya está listo para explorar. Codex permite iniciar tareas en paralelo con tareas preseleccionadas.

Simplemente haz clic en \"Start tasks\" o elige tareas según tus necesidades. Esto te llevará a una interfaz donde puedes hacer preguntas o pedir al agente que desarrolle una funcionalidad por ti.

Cuando todas las tareas estén listas, selecciona en cuál quieres trabajar, o trabaja en varias en paralelo.

Paso 5: archivo AGENTS.md (opcional)

El archivo AGENTS.md es un archivo de configuración especial introducido por OpenAI para usar con la plataforma Codex, diseñado específicamente para guiar a los agentes de IA mientras trabajan en tu base de código. Piénsalo como un manual del desarrollador para compañeros de equipo de IA, similar a un README.md, pero enfocado en instrucciones para agentes autónomos. Este es un ejemplo de archivo AGENTS.md:

# AGENTS.md\n\n## Code Style\n- Use Black for Python formatting.\n- Avoid abbreviations in variable names.\n\n## Testing\n- Run pytest tests/ before finalizing a PR.\n- All commits must pass lint checks via flake8.\n\n## PR Instructions\n- Title format: [Fix] Short description\n- Include a one-line summary and a \"Testing Done\" sectionCon la tecnología de

Cuando Codex ejecuta una tarea en tu base de código, hace lo siguiente:

\n
\n
• Busca archivos AGENTS.md cuyo alcance incluya los archivos que va a modificar.
\n
• Aplica las instrucciones de esos archivos para formatear, probar y documentar sus cambios.
\n
• Prioriza las instrucciones más profundas cuando apliquen varios archivos (como una configuración en cascada).
\n
\n

Para una visión más amplia sobre cómo crear sistemas que actúan a través de herramientas y APIs, consulta nuestro tutorial del OpenAI Agents SDK.

OpenAI Codex: tres ejemplos prácticos

Veamos cómo puede ayudarte Codex en desarrollo real con tres ejemplos que ejecuté en un repositorio.

Ejemplo 1: correcciones básicas y erratas

A veces Codex divide una petición en subtareas, como corregir erratas, mejorar un README o escribir tests, todo dentro del mismo espacio de trabajo.

Puedes iniciar una tarea nueva dentro de una existente a partir de la revisión inicial, solicitar cambios en la base de código o hacer preguntas desde el cuadro de texto. Para ampliar la tarea o arreglar algo nuevo, haz clic en \"Code\" y crea directamente una subtarea.

Cuando estés conforme con los cambios, haz clic en \"Push\", lo que creará un nuevo pull request. Tras unos segundos, podrás pulsar \"View pull request\" para acceder al PR y hacer merge a main.

Ejemplo 2: explicación de la base de código

Después usé Codex para una tarea sin edición: explorar la base de código y preguntar qué podría hacer a continuación. Es especialmente útil si acabas de llegar a un proyecto, quieres ponerte al día rápido o te has atascado intentando entender cómo funciona cierta función.

Codex navegó por el proyecto y ofreció un desglose claro y amigable para principiantes de la estructura de la base de código. En lugar de listar archivos sin más, los agrupó por propósito:

\n
• Destacó que qwen3_demo.py es el script principal, y lanza dos interfaces basadas en Gradio: una para cambiar el modo de razonamiento y otra para traducción multilingüe.
\n
• Identificó qwen3_demo.ipynb como un cuaderno interactivo alternativo.
\n
• Señaló test_qwen3_demo.py para tests unitarios y README.md para documentación y recorridos en vídeo.
\n

Además listó \"puntos clave a conocer\", como dependencias (Ollama CLI), el papel de la función _run_ollama y consejos para ampliar la interfaz. Incluso propuso próximos pasos, como explorar el versionado de modelos, mejorar la UI y añadir gestión de errores.

Ejemplo 3: encontrar y arreglar un bug

Codex puede escanear toda la base de código, identificar un bug, proponer una solución y mostrarte una vista previa de los cambios. Este proceso se parece a las revisiones de cambios de código en GitHub.

Puedes revisar los registros para entender el proceso en segundo plano de los cambios hechos haciendo clic en \"Logs\".

Codex devuelve un resumen de los cambios realizados, junto con los archivos creados o afectados. También puedes preguntar sobre los cambios o pedir a Codex que escriba nuevo código para mejorar la implementación actual.

Cuando estés satisfecho con las correcciones, haz clic en \"Push\" y \"Create new PR\" para abrir un nuevo pull request.

Tras unos segundos, puedes hacer clic en \"View pull request\" para acceder al PR y hacer merge a main.

Con Codex puedes fusionar los cambios con solo unos clics.

Los cambios aparecen en la rama main en cuestión de segundos.

¿Por qué es importante Codex?

Codex es un agente colaborativo, no un generador de código pasivo. Puedes pedirle que escriba, refactorice, pruebe, depure o explique, y te mostrará los logs de la terminal, citas y resultados de cada paso.

Estos son algunos beneficios reales que he observado:

\n
• Las tareas son trazables y verificables.
\n
• Codex trabaja en paralelo, así que puedes encolar varios cambios.
\n
• Respeta tu configuración de desarrollo, especialmente si has definido convenciones mediante un archivo AGENTS.md.
\n
• Se alinea con los estándares humanos de PR y puede pasar tests de CI.
\n

A mí me da la sensación de que OpenAI acaba de lanzar un becario de ingeniería de software.

Conclusiones

Hemos visto cómo Codex puede corregir bugs, aplicar parches de funcionalidades y explicar la lógica del código, generando pull requests, ejecutando tests y citando sus acciones mediante logs de terminal y diffs.

Este recorrido práctico ilustra cómo Codex puede mejorar tu flujo de trabajo diario como desarrollador, ya sea depurando código heredado, incorporándote a un repo nuevo o priorizando tareas de mantenimiento.

A medida que Codex evolucione, espero integraciones más profundas con IDEs, pipelines de CI y planificadores de tareas, convirtiéndolo en un añadido muy práctico para cualquier flujo de trabajo de ingeniería. Para saber más sobre Codex, lee la entrada oficial del blog y también puedes encontrar casos de uso en el canal de YouTube de OpenAI.

Para profundizar en los modelos y herramientas de OpenAI centrados en ingeniería, te recomiendo estos artículos:

\n
• OpenAI Codex CLI Tutorial
\n
• GPT-5.1 Codex Guide: Building a GitHub Issue Analyzer Agent
\n
• Codex CLI for Data Workflow Automation: A Complete Guide
\n
• Codex CLI MCP Tutorial: Building a Portfolio Dashboard Agent
\n