OpenAIがCodex Security CLIを静かにオープンソース化

OpenAIはCodex Security CLIをGitHubとnpmで公開しましたが、ほとんどの開発者が気づいたのはHacker Newsへの投稿後でした。 私の見方を短くまとめると、これは単なるチャット形式のコーディングツールではありません。リポジトリをスキャンし、問題が悪用可能かテストし、パッチを提案できる、ターミナルベースのセキュリティワークフローです。

試すかどうか判断するうえで最も重要なのは、次の点です。

• 概要： @openai/codexとして公開されたApache-2.0のCLIとTypeScript SDK
• 機能： コードをスキャンし、攻撃経路をマッピングし、サンドボックスで発見を検証し、修正案を作成
• 利用場面： ローカルターミナル、スクリプト、CIジョブ
• チームが注意すべき点： APIキーへの依存、サンドボックスのリスク、過去のトークン漏えいとインジェクションの問題、パッチのレビュー管理
• 数字が示すもの： 調査テストで1.2 million+件のコミットをスキャンし、792件の重大な発見を含む11,353件の影響が大きい問題を検出

これは完全に無人で動くスキャナーではなく、_コマンドライン向けセキュリティエージェント_として見るべきです。CIへ導入する前には、引き続き人間によるレビュー、厳格なアクセス制御、小規模な試験導入が必要です。

すぐに目を引く点がいくつかあります。

• 公開が静かに行われたため、Hacker Newsでの発見が見方を変えた
• ツールはオープンソースだが、完全に利用するにはOpenAIモデルとAPIキーが引き続き必要
• チームのワークフロー向けにJSON出力、フック、MCPサーバー構成、SARIF出力へ対応
• 最も安全な最初の一歩は、非本番リポジトリで読み取り専用モードを使ってテストすること

言い換えれば、このリリースはアプリケーションセキュリティチームにとって有用な新しいCLIの選択肢です。ただし、コードを実行する他のセキュリティツールと同様に、小さく始め、厳しく制限し、出力を検証する必要があります。

Codex Security CLIに含まれるもの

オープンソースのコンポーネントとライセンスの詳細

このリリースにはApache-2.0ライセンスのTypeScript SDKが含まれ、npmでは@openai/codexとして公開されています。npm install -g @openai/codexでグローバルにインストールできます。Node.js v20+、Git v2.23+、4 GBのRAM、~/.codex/auth.jsonに保存されたOpenAI APIキーが必要です^[1]。

一部の高度な機能には、基本インストール以上の環境が必要です。たとえば、MCPサーバー対応にはDocker、Podman、Nerdctlなどのコンテナランタイムも必要です^[8]。

中核コマンドと出力

これらのコマンドが重要なのは、ターミナルから直接スキャンを実行し、発見を確認し、セキュリティ作業を自動化する方法をチームへ提供するためです。Codex Securityは、自動化されたセキュリティ研究者のように動作するよう設計されています。リポジトリをスキャンし、プロジェクト固有の攻撃経路をマッピングし、サンドボックスで発見を検証し、最小限のパッチを提案できます^[4][6]。

シェルコマンド：

セッション内の操作：

これらの操作は単独で存在するのではなく、より広範なCodex環境の一部です。

CodexツールセットにおけるCodex Securityの位置づけ

Codex Securityは、OpenAIのより広範なCodexソフトウェアエンジニアリングエージェントを、セキュリティ重視のワークフローで拡張します。一方、標準のCodex CLIはコーディングタスク、ファイル編集、自然言語による指示を処理します^[3][6]。各プロジェクトでは、.codex/ディレクトリで設定、イベントフック、エージェントへの指示を管理します^[8]。

この共通構成によって、セキュリティCLIとCodexツールセットの他の部分が整合します。平たく言えば、CIでのリポジトリスキャン、ポリシーチェック、パッチ生成を処理する共通手段をチームへ提供します。

Hacker Newsでの発見が開発者の見方を変えた理由

コミュニティによる発見がツールの普及を促す仕組み

リポジトリがHacker Newsに登場すると、焦点が変わりました。人々はリリース自体について語るのをやめ、使うべきかどうかを問い始めました。

そのスレッドは単に話題を増やしただけではありません。公開の実態確認として機能しました。Codex Security CLIはすでにChatGPT Pro、Enterprise、Business、Eduの顧客が利用できましたが、Hacker Newsによって瞬く間に、はるかに大きな層の目に触れました。そうなると状況は急速に進みます。セットアップ上の問題点が見つかり、ドキュメントが細かく検証され、初期ユーザーの反応が静かなリポジトリ公開の中に埋もれず、表へ出てきます。

公開の議論で明らかになったこと

スレッドは、開発者を直接リポジトリへ向かわせました。その結果、人々はこのツールの内部コードネームAardvarkに気づきました。Aardvarkは当初、OpenAI自身のコードベースを分析するために使われていました^[2][10]。

同じく重要なのは、議論によって一つの点を見過ごしにくくなったことです。オープンソースで利用できても、ツールが完全に単独で動くという意味ではありません。完全な利用には、引き続きOpenAIモデルとAPIキーが必要です^[9]。

また、人々はセキュリティも詳しく調べるようになりました。GitHubトークン漏えいの欠陥が発見・報告され、開発者がCLI設定を確認し、認証情報をローテーションするきっかけになりました^[11]。

この変化によって、チームにとって次の実務的な問いが浮かびます。このCLIをスキャン、レビュー、CIワークフローのどこへ組み込むべきでしょうか。

OpenAIがCodex Securityを公開（Claude Codeも欺けなかった）

開発者とセキュリティチーム向けの実践的なワークフロー

コードベースのスキャンと脆弱性レビュー

発見の段階が終われば、次は行動です。ここからCLIが真価を発揮します。スキャン、検証、パッチ適用です。

CLIはリポジトリをスキャンし、リポジトリ全体の攻撃経路をマッピングし、各発見をチームへ示す前に、隔離されたサンドボックス内で再現を試みます。そのため、レビュアーは曖昧な警告ではなく、再現可能な証拠を得られます^[5][4]。

調査テストの最初の30日間で、CLIは1.2 million件のコミットをスキャンし、792件の重大な問題と10,561件の深刻度が高い問題を発見しました。また、誤検知を50%減らし、深刻度を過大に報告する発見を90%以上削減しました^[4][2]。平たく言えば、レビュアーはノイズを追う時間を減らし、最も重要な少数の発見へ多くの時間を使えます。

NETGEARは、このツールが同社のレビュープロセスに適合し、発見に対応しやすくなったと報告しています^[4]。

ポリシーチェックとCIパイプラインのゲート管理

より厳密に制御したいチームは、リスクのある変更がプルリクエストへ到達する前に、CLIを使って阻止できます。

sonar-integrateコマンドはSonarQube MCPサーバーへの対応を追加し、.codex/にフックを設定します^[8]。そこからUserPromptSubmitフックを使い、ハードコードされた認証情報を450+のパターンでモデルに届く前にブロックできます。また、PostToolUseフックで各ファイルの書き込みまたはパッチ適用後にAgentic Analysisを実行できます^[8][7]。これにより、プルリクエストを開く前に新しい脆弱性やリグレッションをもう一度確認できます。

発見はSARIF形式でも出力できるため、既存のダッシュボードやレポートフローへ結果を送りやすくなります。

パッチの生成、検証、APIMartワークフローへの適合

発見が確認されると、ワークフローはレビューから修復へ移ります。

CLIは根本原因に対する最小限のパッチを生成し、人間によるレビューのために提示し、そのままプルリクエストへ変換できます^[5][6]。修正がマージされた後、同じ隔離環境で変更を再検証し、問題が実際に解消されたことを確認します^[5]。社内試験では、このワークフローにより脆弱性解決までの平均時間が40%短縮されたと報告されています^[6]。

APIMartを使用するチームは、~/.codex/config.tomlへ次の設定を追加します。

• model_provider = "apimart"
• base_url = "https://api.apimart.ai/v1"
• 新しいバージョンではwire_api = "responses"^[1]

これにより、Codex CLIがAPIMartのOpenAI互換エンドポイント経由でルーティングされます。

導入リスクと次のステップを評価する方法

セキュリティ上の経緯と運用上の注意点

Codex SecurityをCIへ組み込む前に、まずサンドボックス、承認モデル、パッチのレビューフローをテストしてください。これが安全な進め方です。

事前に確認すべき導入リスクがいくつかあります。2026年初頭、Codex SecurityではGitHubトークン漏えいとコマンドインジェクション経路が問題になり、エージェントの堅牢化が行われました^[11]。さらに最近では、CVE-2026-64650（CVSS 6.3）によって、信頼できないサンドボックスコードがモデルの承認なしに、シークレット検索やクラウドAPIなどホスト側で公開されたツールを起動できることが示されました。修正方法は単純です。@ai-sdk/harness-opencodeをバージョン1.0.29以降へ更新します^[12]。

ツールは隔離されたコンテナ内でコードの一時コピーを分析し、脅威モデリングとコミット履歴のためにGitHubのコンテキストを取得できます。つまり、リポジトリ分析、サンドボックス実行、パッチ生成のそれぞれに固有の露出面があります^[10][13]。さらに、大規模なコードベースは初回実行に数日かかる場合があります。ただし、その後の差分変更に対するスキャンはより速く進むはずです^[10][13]。

いくつかの基本的な制御がリスク削減に役立ちます。

• auth.jsonとconfig.tomlを~/.codex/内で厳重に保護し、共有環境へ置かない。
• ログへシークレットを出さない。
• EnterpriseまたはEduのアクセス権が、適切なロールとグループ制御で限定されていることを確認する。
• ツールに単独でコードをマージさせない。パッチは人間がレビューするための出力としてのみ扱う^[1][13]。

チーム向けの実践的な試験導入計画

これらの制御を踏まえると、最も安全な次の一歩は、範囲を絞った試験導入です。非本番リポジトリを使用し、最初から最後まで同じ少人数のレビュアーグループで進めます。

最初の試験導入は、発見数を競うものではなく、信頼性テストとして扱ってください。平たく言えば、_自分たちのワークフローでこのツールを信頼できるか_を問うのです。サンドボックス検証で指摘前に実在する問題を再現できるか、提案されたパッチがコードベースの意図とスタイルに合うか、生成された脅威モデルが実際の環境の動作と一致するかを確認します^[4][13]。

公開された平均値ではなく、自社の数値を基準に試験導入を評価することも重要です。社内での適合率、レビュー時間、エスカレーション率を確認します。アクセス権を拡大する前に、脅威モデルを手動で調べ、必要な箇所を調整してください^[13]。

結論：このリリースで最も重要なこと

試験導入がうまくいったら、アクセス権を段階的に拡大します。

OpenAIが静かにオープンソース化したのは、使い捨てのデモではなく、測定可能なスキャン価値を備えたセキュリティ重視のCLIです。Hacker Newsで発見されて初めて広い注目を集めました。それでも、導入は慎重に進めるべきです。可能ならRead Onlyモードで始め、自社のリスクモデルに照らして発見を検証し、環境内でワークフローの有用性が証明されてから権限を増やしてください。

よくある質問

Codex Security CLIは完全なオープンソースですか？

はい。Codex CLIは完全なオープンソースであり、コミュニティはGitHubで開発に貢献できます。

ただし、背後にあるモデルには通常OpenAI APIキーが必要で、一般的なAPI料金が発生する場合があります。また、より広範なCodex Security製品は、一部のEnterpriseおよび教育機関向け顧客を対象とするresearch previewであり、CLIとは区別されます。

社内コードで実行しても安全ですか？

これはデフォルトで安全になるよう設計されています。CLIはサンドボックスで動作し、ディレクトリアクセスを制限し、許可されていないシステム変更をブロックし、データ漏えいを防ぐためにネットワークアクセスをデフォルトで無効にします。

初回実行時には承認モードも選択できます。Read Onlyでは変更を一切行いません。Autoでは作業ディレクトリ内のファイル操作のみ許可します。手動確認が不要な場合を除き、Full Accessは避けるのが適切です。

最初に試す最善の方法は何ですか？

まず対話モードでCodex CLIを開き、いきなり変更を加えずに確認します。インストール後、プロジェクトのターミナルでcodexを実行してください。

初めて開くときは、承認レベルを選ぶ必要があります。テストにはAutoが最適です。より安全な読み取り専用の構成にしたい場合は、代わりにcodex --mode suggestを使います。そうすれば、変更を適用する前に引き続き承認が必要です。