コネクト・コデックス

ターミナルまたはChatGPTデスクトップアプリで、Unity Gatewayを通じてモデル、MCPツール、スキルとともにCodexを利用できます。アクセスを設定するにはUnity Gateway CLI(ug)を使うか、接続を手動で設定してください。

既存のCodexセットアップにツールを接続するには、「 Add MCP tools」へ行ってください。

Prerequisites

Azure DatabricksのワークスペースURLと、使いたいモデル、MCP、スキルへのアクセスが必要です。最新バージョンの Codex または ChatGPTデスクトップアプリをインストールしてください。

管理者がすでにデバイスを設定している場合は、組織の起動手順に従ってください。

端末内のコデックス

Unity Gateway CLIの使用(推奨)

ugをインストールし、プロジェクトディレクトリから次のコマンドを実行します:

ug codex

プロンプトに従ってワークスペースを選択しサインインしてください。 ug 接続を設定し、端末でCodexを開きます。今使っている同じプロンプトやコマンドで作業を始めましょう。モデルを変更するには、 /modelを入力してください。

引き続き MCPツールの追加やスキルの追加で、Codexにデータや共有指示へのアクセスを与えてください。

ChatGPTデスクトップ

Unity Gateway CLIの使用(推奨)

macOSおよびLinuxでは、ugをインストールし、インタラクティブターミナルで以下のコマンドを実行します:

ug configure --agents codex

ワークスペースを選択してサインインしてください。もし求められたら、デバイスパスワードでシステム設定の更新を承認してください。 ug Unity Gateway 接続と OAuth トークンの更新を設定します。

デスクトップアプリを開くか再起動して、Codexの会話を始めてください。モデルピッカーを使ってモデルを変更してください。 ug codexコマンドでターミナルエージェントが開きます。設定後に通常デスクトップアプリを開きます。

Windowsでは、以下のマニュアルモデル構成をご利用ください。 ug mcp addやug skills addを使ってツールやスキルを追加し、その後アプリを再起動できます。

モデルを手動で設定する

これらの設定はターミナルエージェントとデスクトップアプリの両方に適用されます。コーデックスを閉じてから開くか、 ~/.codex/config.toml作成してください。 Windows では、%USERPROFILE%\.codex\config.toml を使用します。

以下の設定をファイルに統合してください。 modelとmodel_providerはテーブルヘッダーの前にトップレベルに置き、関連のない設定は保持してください。

model = "<catalog>.<schema>.<model-name>"
model_provider = "databricks"

[model_providers.databricks]
name = "Databricks"
base_url = "https://<workspace-hostname>/ai-gateway/codex/v1"
wire_api = "responses"
requires_openai_auth = false
supports_websockets = false
http_headers = { Authorization = "Bearer <databricks-pat>" }

モデルのプレースホルダーを完全なUnity Catalog名に置き換え、 <workspace-hostname> 作業スペースのホスト名に、 <databricks-pat> を個人のアクセストークンに置き換えます。この例ではトークンをローカルに保存します。ファイルは非公開に保ち、自分のトークンを使いましょう。

プロジェクトディレクトリから codex を実行するか、デスクトップアプリを再起動してください。もしデバイスに管理されたプロバイダー設定がある場合は、管理者に更新を依頼してください。これらの設定がこのユーザー設定よりも優先されます。

フィールドの詳細は OpenAIの設定リファレンスを参照してください。

MCPツールの追加

system.ai.dbsql、system.ai.sandbox、またはsystem.ai.web_searchを利用するには、アカウント管理者がアカウントコンソールのプレビューページからUnity Gatewayベータを有効にする必要があります。詳細については、アカウントのプレビューの管理を参照してください。

ワークスペースでUnity Gateway > MCPsを開いてください。組み込みのMCPを選択するか、外部MCPサーバーを登録してください。
MCPのフルネーム( system.ai.github や <catalog>.<schema>.<service>など)をコピーしてください。
MCPにアクセスできることを確認してください。

Unity Gateway CLIを使います

ugをインストールし、その後MCPをCodexに追加してください:

ug mcp add --agents codex --names <catalog>.<schema>.<service>

プレースホルダーをコピーした名前に置き換えます。例えば、GitHubに--names system.ai.githubを使いましょう。インタラクティブにサービスを選ぶ場合は --namesを省略してください。

最初のセットアップ時に、プロンプトに従ってワークスペースを選択し、サインインしてモデルを選択してください。 ug モデルおよびMCPの両方のアクセスを設定し、認証情報を更新します。自分のOAuthアプリでMCPにアクセスする場合は、以下の手動設定をご利用ください。

ug codex で Codex を再起動するか、デスクトップアプリを再度開き、ツールをテストします。

MCP を手動で構成する

パブリックなAzure Databricks OAuthアプリを使ってサインインし、認証情報を更新してください。これらの設定はターミナルエージェントとデスクトップアプリに適用されます。

OAuthアプリをセットアップする

コデックスを閉じる。 ~/.codex/config.tomlでは、テーブルヘッダーの前にこれらの設定を最上位に追加してください。ローカルのOAuthコールバックに固定ポートを与えます:
```
mcp_oauth_callback_port = 8080
mcp_oauth_callback_url = "http://127.0.0.1:8080/callback"
```
アカウント管理者に、アカウントコンソールで>を開いてもらってください。 codex-mcp などの名前を使用し、クライアントシークレットを生成のチェックを外し、リダイレクト URL を http://127.0.0.1:8080/callback に設定し、ai-gateway スコープを選択します。 クライアントIDを保存してコピーしてください。「OAuth アプリを作成する」を参照してください。

プレースホルダーを置き換えて、MCPをCodexに登録します:

codex mcp add databricks-tools \
  --url "https://<workspace-hostname>/ai-gateway/mcp-services/<catalog>.<schema>.<service>" \
  --oauth-client-id <client-id>

Codex に表示されているコールバック URL を確認します。サーバー固有の接尾辞を含めることができます。管理者にログイン前にOAuthアプリのリダイレクトURLに正確なURLを追加してもらいましょう。別のサーバーを追加する際にもこのチェックを繰り返してください。

サインインしてからCodexを再度開いてください:

codex mcp login databricks-tools --scopes ai-gateway,offline_access

コールバック設定については、OpenAIのMCP認証手順を参照してください。次にツールを試してみます。

ローカルテストには個人アクセストークンを使う

~/.codex/config.toml に以下を追加し、ホスト名とトークンを置き換えます:

[mcp_servers.dbsql]
url = "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql"
http_headers = { Authorization = "Bearer <databricks-pat>" }

別の MCP を使用する場合は、mcp_servers の下に一意の名前を指定し、system.ai.dbsql をその完全な名前に置き換えます。ファイルを非公開にしておき、その後Codexを再起動してツールをテストしてください。

MCPツールのテスト

Codexで /mcp を入力し、サーバーが接続されているか確認します。
Codexにそのサーバーのツールをリストアップしてもらい、読み取り操作をリクエストしてください。 GitHubの場合は、アクセス可能なリポジトリからイシューを探すよう依頼します。カスタムサーバーの場合は、登録時にテストしたツールと入力を使いましょう。
ツール呼び出しでサインインを促されたら、MCPが返すログインリンクを開き、プロバイダーの同意を完全に行ってから再試行してください。このサインインにより、MCP は外部アカウントにアクセスできるようになります。
Codexがツール呼び出しを行い、その結果を返すかどうかを確認してください。テキストによる回答だけでは、接続が確認できません。

Azure Databricks のデータを使用するには、ビジネスに関する質問の場合は system.ai.genie_one_mcp に、SQL に関する質問の場合は system.ai.dbsql に接続します。たとえば、SQL MCP に SELECT 1 AS result を実行するよう依頼します。

権限、ポリシー、使用方法については「MCP を管理する」を参照してください。

スキルを追加する

Unity Gateway CLIを使います

インタラクティブピッカーを起動してください:

ug skills add

または、特定の公開スキルをダウンロードする方法もあります:

ug skills add --names <catalog>.<schema>.<skill-name>

Codexまたはデスクトップアプリを再起動してください。ダウンロードしたスキルは ~/.agents/skills/のローカルで利用可能です。ダウンロードを再実行して更新版を入手してください。

代わりにMCPを通じてスキーマのスキルを露出するには、以下を実行します:

ug skills add --location "<catalog>.<schema>" --via mcp

スキルレジストリを手動で接続してください

次を ~/.codex/config.toml に追加します。

[mcp_servers.databricks-skill-registry]
url = "https://<workspace-hostname>/ai-gateway/skills/"
http_headers = { Authorization = "Bearer <databricks-pat>" }

ホスト名とトークンを置き換えてください。 URLの後ろのスラッシュはそのままにしてください。 Codexを再起動して、公開されているスキルを使うように頼みましょう。例えば Use <catalog>.<schema>.<skill-name> to review this query.

レジストリはMCPを通じてスキル指示を読み込みます。すでに持っているスキルファイルをインストールするには、 SKILL.md ファイルやバンドルファイルを含むスキルフォルダー全体を ~/.agents/skills/に入れてください。

Unityゲートウェイのスキルはまだベータ版です。有効化およびアクセス許可については、ガバナンススキルを参照してください。

Troubleshooting

デスクトップアプリは依然としてOpenAIサインインを求めます: macOSまたはLinuxでは、 ug configure --agents codex をインタラクティブに再起動し、システム設定の更新を完了してください。 CLIプロファイルだけでデスクトップアプリの設定はできません。手動設定の場合は、 model_provider がトップレベルにあり、 requires_openai_auth = false がプロバイダーテーブルにあるか確認してください。 OAuthトークンのリフレッシュに auth テーブルを使うプロバイダーにはそのフラグを追加しないでください。
リクエストがWebSocketエラーで失敗します:アクティブなAzure Databricksプロバイダーテーブルでsupports_websockets = falseを設定します。もし管理者がその設定を管理しているなら、更新をお願いしましょう。その後アプリを再起動してください。
モデルが不足しています: モデルの権限を確認してください。アクティブな構成で model を完全なUnity Catalog名に設定し、新しい会話を始めてください。
MCPやスキル接続が失敗する場合: URL、権限、コネクターのエラーを確認してください。手動接続の場合は、トークンの有効期限も確認してください。 ugセットアップの問題については、ug doctorを実行してください。ダウンロードしたスキルは、レジストリ接続が失敗しても引き続き利用可能です。
ワークスペースのサインインは動作しますが、ツールでログインを求められます: MCPが返すログインリンクを開き、外部プロバイダーにサインインしてから呼び出しを再試行します。ワークスペースへのサインインとプロバイダーへのサインインは別々のステップです。
OAuth でリダイレクトの不一致が報告されたり、接続がタイムアウトしたりする場合: OAuth アプリのリダイレクト URL を、サフィックスも含めて Codex で報告されている URL と完全に一致させるよう調整し、ネットワーク接続を確認してください。 OAuthアプリの変更は、効果が発揮されるまでに最大30分かかることがあります。

次のステップ

フィードバック

このページはお役に立ちましたか?

最終更新: 2026-10-08

コネクト・コデックス

Prerequisites

端末内のコデックス

Unity Gateway CLIの使用(推奨)

ChatGPTデスクトップ

Unity Gateway CLIの使用(推奨)

モデルを手動で設定する

MCPツールの追加

Unity Gateway CLIを使います

MCP を手動で構成する

MCPツールのテスト

スキルを追加する

Unity Gateway CLIを使います

スキルレジストリを手動で接続してください

Troubleshooting

次のステップ

フィードバック

その他のリソース