Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Använd Codex i din terminal eller ChatGPT:s skrivbordsapp med modeller, MCP-verktyg och färdigheter via Unity Gateway. Använd Unity Gateway CLI (ug) för att konfigurera åtkomst, eller konfigurera anslutningen manuellt.
För att koppla verktyg till en befintlig Codex-setup, gå till Add MCP tools.
Prerequisites
Du behöver din URL till Azure Databricks workspace och tillgång till de modeller, MCP:er och färdigheter du vill använda. Installera den senaste versionen av Codex eller ChatGPT-skrivbordsappen.
Om din administratör redan har konfigurerat din enhet, följ organisationens startinstruktioner.
Codex i terminalen
Använd Unity Gateway CLI (rekommenderas)
Installera ug, kör sedan detta kommando från din projektkatalog:
ug codex
Följ instruktionerna för att välja din arbetsplats och logga in.
ug konfigurerar anslutningen och öppnar Codex i din terminal. Börja arbeta med samma prompts och kommandon som du redan använder. För att byta modell, ange /model.
Fortsätt att lägga till MCP-verktyg eller lägga till färdigheter för att ge Codex tillgång till data och delade instruktioner.
ChatGPT för dator
Använd Unity Gateway CLI (rekommenderas)
På macOS och Linux, installera ug och kör detta kommando i en interaktiv terminal:
ug configure --agents codex
Välj din arbetsplats och logga in. Om du blir tillfrågad, godkänn systemkonfigurationsuppdateringen med ditt enhetslösenord.
ug konfigurerar Unity Gateway-anslutningen och OAuth-tokenuppdatering.
Öppna eller starta om skrivbordsappen och starta en Codex-konversation. Använd modellväljaren för att byta modell. Kommandot ug codex öppnar terminalagenten; öppna skrivbordsappen normalt efter konfiguration.
På Windows, använd den manuella modellkonfigurationen nedan. Du kan fortfarande använda ug mcp add och ug skills add lägga till verktyg och färdigheter, sedan starta om appen.
Konfigurera modeller manuellt
Dessa inställningar gäller både för terminalagenten och desktopappen. Stäng Codex och öppna eller skapa sedan ~/.codex/config.toml. I Windows använder du %USERPROFILE%\.codex\config.toml.
Slå ihop följande inställningar i filen. Behåll model och model_provider på högsta nivå, innan några tabellöverskrifter, och bevara orelaterade inställningar.
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>" }
Ersätt platshållaren för modellen med dess fullständiga namn i Unity Catalog, <workspace-hostname> med värdnamnet för arbetsytan och <databricks-pat> med din personliga åtkomsttoken. Detta exempel lagrar token lokalt; håll filen privat och använd din egen token.
Kör codex från din projektkatalog eller öppna skrivbordsappen igen. Om din enhet har hanterade leverantörsinställningar, be din administratör att uppdatera dem; dessa inställningar går före denna användarkonfiguration.
Se OpenAI:s konfigurationsreferens för fältdetaljer.
Lägg till MCP-verktyg
För att använda system.ai.dbsql, system.ai.sandbox, eller system.ai.web_search, måste en kontoadministratör aktivera Unity Gateway-betan från kontokonsolens förhandsgranskningssida . Se Hantera förhandsvisningar av konto.
- Öppna Unity Gateway > MCP:er i din arbetsyta. Välj en inbyggd MCP eller registrera din externa MCP-server.
- Kopiera MCP:ns fullständiga namn, såsom
system.ai.githubeller<catalog>.<schema>.<service>. - Bekräfta att du har tillgång till MCP.
Använd Unity Gateway CLI
Installera ug, lägg sedan till MCP i Codex:
ug mcp add --agents codex --names <catalog>.<schema>.<service>
Byt ut platshållaren mot namnet du kopierade. Till exempel, använd --names system.ai.github för GitHub. För att välja tjänster interaktivt, utelämna --names.
Vid första installationen, följ instruktionerna för att välja din arbetsyta, logga in och välja en modell.
ug konfigurerar både modell- och MCP-åtkomst samt uppdaterar inloggningsuppgifter. För MCP-åtkomst med din egen OAuth-app, använd den manuella installationen nedan.
Starta om Codex med ug codex, eller öppna skrivbordsappen igen, och testa sedan ett verktyg.
Konfigurera MCP:er manuellt
Använd en publik Azure Databricks OAuth-app för att logga in och uppdatera inloggningsuppgifter. Dessa inställningar gäller för terminalagenten och desktop-appen.
Sätt upp en OAuth-app
Stäng Codex. I
~/.codex/config.toml, lägg till dessa inställningar på översta nivå, före några tabellrubriker. De ger den lokala OAuth-callbacken en fast port:mcp_oauth_callback_port = 8080 mcp_oauth_callback_url = "http://127.0.0.1:8080/callback"Låt en kontoadministratör öppna Inställningar, > App-anslutningar, > lägg till anslutning i kontokonsolen. Använd ett namn som
codex-mcp, avmarkera Generera en klienthemlighet, ställ in omdirigerings-URL:en tillhttp://127.0.0.1:8080/callback, och väljai-gatewayscope. Spara och kopiera klient-ID:t. Se Skapa en OAuth-app.Registrera MCP i Codex och ersätt platshållarna:
codex mcp add databricks-tools \ --url "https://<workspace-hostname>/ai-gateway/mcp-services/<catalog>.<schema>.<service>" \ --oauth-client-id <client-id>Kolla callback-URL:en som skrivs ut av Codex. Den kan innehålla ett serverspecifikt suffix. Låt administratören lägga till den exakta URL:en i OAuth-appens omdirigerings-URL:er innan inloggning. Upprepa den här kontrollen när du lägger till en annan server.
Logga in och öppna sedan Codex igen:
codex mcp login databricks-tools --scopes ai-gateway,offline_access
För inställningar för callback, se OpenAI:s instruktioner för MCP-autentisering. Testa sedan ett verktyg.
Använd en personlig åtkomsttoken för lokal testning
Lägg till följande i ~/.codex/config.toml, och ersätt värdnamnet och token:
[mcp_servers.dbsql]
url = "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql"
http_headers = { Authorization = "Bearer <databricks-pat>" }
För en annan MCP, använd ett unikt namn under mcp_servers och ersätt system.ai.dbsql med dess fullständiga namn. Håll filen privat, starta sedan om Codex och testa ett verktyg.
Testa ett MCP-verktyg
- I Codex, ange
/mcpoch kontrollera att servern är ansluten. - Be Codex lista serverns verktyg och begär sedan en läsoperation. För GitHub, be den hitta ett problem i ett repository du kan komma åt. För en anpassad server, använd ett verktyg och de indata du testade under registreringen.
- Om ett verktygsanrop ber dig logga in, öppna inloggningslänken som MCP:n returnerat, fullfölj leverantörens samtycke och försök sedan anropet igen. Denna inloggning ger MCP:n tillgång till ditt externa konto.
- Kontrollera att Codex gör ett verktygsanrop och returnerar sitt resultat. Ett sms-svar ensamt verifierar inte kopplingen.
För att använda Azure Databricks-data, koppla upp system.ai.genie_one_mcp för affärsfrågor eller system.ai.dbsql för SQL. Till exempel, be SQL MCP att köra SELECT 1 AS result.
För behörigheter, policyer och användning, se Hantera en MCP.
Lägga till kunskaper
Använd Unity Gateway CLI
Kör den interaktiva väljaren:
ug skills add
Eller ladda ner en specifik publicerad färdighet:
ug skills add --names <catalog>.<schema>.<skill-name>
Starta om Codex eller skrivbordsappen. Nedladdade färdigheter finns tillgängliga lokalt i ~/.agents/skills/. Kör nedladdningen igen för att få en uppdaterad version.
För att exponera ett schemas färdigheter genom MCP istället, kör:
ug skills add --location "<catalog>.<schema>" --via mcp
Koppla in färdighetsregistret manuellt
Lägg till följande i ~/.codex/config.toml:
[mcp_servers.databricks-skill-registry]
url = "https://<workspace-hostname>/ai-gateway/skills/"
http_headers = { Authorization = "Bearer <databricks-pat>" }
Byt ut värdnamnet och token. Behåll det avslutande snedstrecket i webbadressen. Starta om Codex och be den använda en publicerad färdighet, såsom Use <catalog>.<schema>.<skill-name> to review this query.
Registret laddar färdighetsinstruktioner via MCP. För att installera färdighetsfiler du redan har, placera hela färdighetsmappen, inklusive SKILL.md och de inbundna filerna, i ~/.agents/skills/.
Unity Gateway-färdigheter finns i Beta. Se Hantera kompetenser för aktivering och behörigheter.
Troubleshooting
Skrivbordsappen ber fortfarande om OpenAI-inloggning: På macOS eller Linux, kör
ug configure --agents codexinteraktivt och slutför systemkonfigurationsuppdateringen. CLI-profilen ensam konfigurerar inte skrivbordsappen. För manuell installation, kontrollera att detmodel_providerär på högsta nivån ochrequires_openai_auth = falsefinns i leverantörstabellen. Lägg inte till den flaggan i en leverantör som använder enauthtabell för OAuth-tokenuppdatering.Förfrågningar misslyckas med ett WebSocket-fel: Satt
supports_websockets = falsei den aktiva Azure Databricks provider-tabellen. Om din administratör hanterar den konfigurationen, be dem uppdatera den. Starta om appen efteråt.En modell saknas: Kontrollera dina modellbehörigheter. Ställ
modelin dess fullständiga Unity-katalognamn i den aktiva konfigurationen och starta en ny konversation.En MCP- eller skillanslutning misslyckas: Kontrollera URL:en, behörigheterna och anslutningsprogrammets fel. För manuella anslutningar, kontrollera också tokens utgångsdatum. Vid problem med att konfigurera
ug, körug doctor. En nedladdad färdighet kan förbli tillgänglig även om registeranslutningen misslyckas.Inloggning till arbetsområdet fungerar, men ett verktyg ber dig logga in: Öppna inloggningslänken som returneras av MCP, logga in hos den externa leverantören och försök sedan anropet igen. Arbetsyta och inloggning för leverantör är separata steg.
OAuth rapporterar en omdirigeringsmismatch eller att anslutningen går ut i timeout: Matcha OAuth-appens omdirigerings-URL med den exakta URL som Codex rapporterar, inklusive eventuella suffix, och kontrollera nätverksåtkomst. OAuth-appändringar kan ta upp till 30 minuter innan de träder i kraft.