Codex 接入 Amazon Bedrock 与 Google Cloud Vertex AI 教程:企业云托管配置

企业合规要求模型流量统一走自家 AWS 或 GCP 云账单时,不需要硬拼第三方代理。本文根据 OpenAI Codex 官方文档,讲清原生接入 Amazon Bedrock(四种 AWS 凭证方式)与 Google Cloud Vertex AI(ADC 认证与区域驻留)的完整步骤。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. Codex 原生内置了两大云厂商提供商支持(保留内部标识 amazon-bedrock、amazon-bedrock-runtime 与 gcp),不需要自己架设协议转换服务。
  2. 接入 Amazon Bedrock 支持四种标准凭证:本机已有的 AWS Profile、访问密钥对(Access keys)、Shell 环境变量或 Bedrock 专用 API 密钥,开跑前确认 IAM 角色具备对应区域的 bedrock:InvokeModel 权限。
  3. 接入 Google Cloud Vertex AI 目前处于受邀预览阶段(Private preview):需使用 Codex CLI 0.167.0 及以上版本,并在本机通过 gcloud auth application-default login 配好默认凭证(ADC)或指定服务账号 JSON 文件。
  4. 合规团队必盯 Google Cloud 的 Location 参数:留空默认使用 global 时请求可能跨多个区域调度;若公司有严格的数据不出境或单区驻留要求,配置时务必填入管理员指定的具体区域代号。

接入 Bedrock 与 Vertex 对比

图:本站根据 OpenAI Codex 官方 Bedrock 与 Vertex AI 文档 整理的示意图

本文根据 OpenAI Codex 官方文档《Use ChatGPT Work and Codex with Amazon Bedrock》《Connect Codex to Google Cloud Vertex AI》整理,核对日期 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 OpenAI、AWS 或 Google 官方网站。

适用于谁

  • 搜「codex 接入 bedrock」「codex google vertex ai 配置」「codex 走企业 aws 账单」的云架构师与开发者;
  • 公司采购与合规政策要求所有大模型调用必须落在既有的 AWS 或 Google Cloud 企业协议与私有网络边界内的人;
  • 已经退出个人账号准备切换云厂商通道,分不清 AWS Profile、ADC 默认凭证与区域参数怎么填的同学。

如果你的团队用的是微软云 Azure OpenAI,请直接看专门教程 /guides/codex-azure-openai-model-providers-config;如果你同时也要给 Claude Code 配云厂商托管通道,可对照 /guides/claude-code-other-models-bedrock-vertex-foundry。

一、路线 A:配置 Codex 连接 Amazon Bedrock

1. 前置检查

先找公司云管人员确认三件事:目标 AWS 账号已在 Bedrock 控制台开通受支持的 OpenAI 模型访问权、明确该模型所在的 AWS Region(区域代号),并且你所用的 IAM 身份拥有调用该模型或推理配置文件的权限(例如部分模型要求在账户默认项目上具备 bedrock:InvokeModel)。

2. CLI 与桌面端交互式绑定步骤

如果你当前已经登录了个人账号,先按 /guides/codex-cli-switch-account-logout 退出回到登录选择页:

  1. 启动 codex(或在桌面端登录页点击 其他登录方式 Sign in another way),选择 Use Amazon Bedrock;
  2. 如果 Codex 自动检测到了你本机 ~/.aws/ 下的可用配置,直接选中对应 Profile;若未检测到,从菜单提供的四种方式里任选一种:AWS profile、AWS access keys、Environment variables 或 Bedrock API key;
  3. 按向导提示输入 AWS Region(若选环境变量方式,在当前 Shell 导出后重启一次 Codex),发送一条测试指令验证连通。

连接企业云托管模型四步流程

图:本站根据 OpenAI Codex 官方企业云配置文档 整理的示意图

二、路线 B:配置 Codex 连接 Google Cloud Vertex AI

1. 前置检查与本机 gcloud 认证

先确认项目已通过官方预览申请并启用了对应模型,将本地 Codex CLI 升至 0.167.0 或更高版本。在运行 Codex 的机器上安装 Google Cloud CLI,执行下面命令完成应用默认凭证(ADC)登录:

bash
gcloud auth application-default login

如果企业安全规范禁止个人交互登录、统一分发服务账号密钥文件,跳过上面这条命令,直接准备好管理员发给你的凭证 JSON 绝对路径即可(Codex 底层会调用 gcloud 获取访问令牌并做预检)。

2. 在 CLI 或桌面端完成向导配置

  1. 启动 codex,选择 Sign in another way → Use Google Cloud Vertex AI(桌面端显示为 Use Google Cloud);
  2. 输入管理员提供的 Google Cloud Project ID;
  3. 输入 Vertex AI Location:直接回车默认走跨区调度的 global;有区域驻留合规要求时务必手动输入指定区域;
  4. 凭证文件一栏:使用本机 ADC 登录的直接按回车留空,使用服务账号文件的填入 JSON 文件绝对路径。Codex 会当场尝试换取一次令牌,校验通过后才会把提供商配置写盘(底层 config.toml 字段细节可对照 /guides/codex-config-toml-complete-guide)。

独立开发者或尚未申请企业云预览资格的小型团队,日常使用官方直连 ChatGPT Plus 或 Pro 订阅依然是最省事的开箱方案,相关订阅说明可参考 /chongzhi/chatgpt-plus。

常见问题

Q:可以在 config.toml 里自定义一个名字叫 gcp 或 amazon-bedrock 的第三方网关吗?

不可以。官方文档明确指出,openai、ollama、lmstudio、amazon-bedrock、amazon-bedrock-runtime 与 gcp 均属于 Codex 内部保留的内置提供商 ID;配置公司自建模型网关时必须另外起一个不重名的自定义标识(如 corp-gateway)。

Q:配好 Vertex AI 后发消息报权限被拒(Permission denied)怎么查?

先在终端手动运行一次 gcloud auth application-default print-access-token 确认本机能正常吐出非空令牌,再核对当前身份在所填的 Project ID 下是否已被授予调用对应 Vertex AI 模型的 IAM 角色,以及所填区域是否已开通该模型配额。

Q:走 Bedrock 或 Vertex AI 时,消费的是 ChatGPT 个人订阅额度吗?

不是。切换为云厂商提供商后,所有的模型输入输出请求都直接记在你绑定的 AWS 账号或 Google Cloud 项目账单下,受你们企业云账户自身的配额与支出警报管控,与个人订阅通道互不混扣。

相关教程

参考资料

  • OpenAI Codex 官方文档:Amazon Bedrock & Google Cloud Vertex AI — https://developers.openai.com/codex

Nathaniel 的更多内容

  1. 01

    LangGraph 流式输出(Streaming)详解:逐字 Token 流、节点进度与自定义事件写法

    多步智能体如果等全部节点跑完才返回,网页前端就会白屏干等十几秒。本文按 LangGraph 官方文档讲清 updates、messages、custom 与 values 四种 stream_mode 的区别,以及组合订阅逐字打字机输出加工具内部实时进度的完整代码。

    其他 AI 工具0
  2. 02

    LangGraph 持久化与长期记忆怎么配:Checkpointer、Store 与 PostgreSQL 实战

    在生产环境跑 LangGraph,单靠 InMemorySaver 一重启就会丢失全部对话。本文按官方文档讲清线程内短期检查点(Checkpointer)与跨线程长期记忆(Store)的分工,以及用 langgraph-checkpoint-postgres 对接 PostgreSQL 的完整步骤。

    其他 AI 工具0
  3. 03

    LangGraph 多智能体怎么写:Supervisor 主管包与 Subgraph 隔离子图实战

    在 LangGraph 里把单个图扩展成多智能体协作有两条官方路线:快速原型用预置包 langgraph-supervisor,大型生产系统用原生子图(Subgraph)嵌套。本文讲清两种写法的完整代码、私有状态隔离防 Token 膨胀技巧以及检查点传播规则。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入审批怎么写:interrupt 暂停图运行与 Command 恢复实战

    企业之所以选 LangGraph,很大程度看中它能安全挂起等待人工审批(Human-in-the-Loop)。本文按官方最新规范讲清 interrupt() 动态暂停、Checkpointer 必备条件、Command(resume=...) 恢复执行,以及防止副作用重复运行的重入规则。

    其他 AI 工具0
  5. 05

    多 Agent 协作平台怎么选:Dify、扣子(Coze)、n8n 与 LangGraph 多智能体机制对比

    搜「多agent协作平台」时,Dify、扣子、n8n 和 LangGraph 都宣称支持多智能体,但底层的调度方式完全不同。本文跳过基础安装,专门从多 Agent 角色跳转、子代理工具调用、上下文隔离与私有化部署四个维度帮你一次选准。

    其他 AI 工具0
  6. 06

    企业微信有官方 MCP 和 CLI 吗:@wecom/cli 安装初始化、长连接机器人与接入教程

    搜「企业 微信 有 mcp 吗」不用再东拼西凑民间群机器人脚本了:企业微信官方已推出 @wecom/cli 命令行工具并内置 stdio 模式的 MCP Server。本文按官方开发者文档讲清安装、智能机器人长连接初始化、业务命令与接入 Claude Code 步骤。

    Claude其他 AI 工具0

同产品的其他教程

  1. 01

    多 Agent 协同开发怎么落地:「一个写、一个审」双代理工作流搭建指南

    多 Agent 协同开发里投入产出比最高的模式就是「一个写、一个审」。本文依据 Anthropic 与 OpenAI 官方编码最佳实践,讲清为什么同会话自审容易漏问题,以及用只读子代理、跨模型交叉审查(Claude Code + Codex)和自动化闭环落地的具体方法。

    ClaudeCodex0
  2. 02

    codebase-memory 类 MCP 是什么、怎么用:基于语法树图谱的本地代码索引原理与配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一类本地代码图谱 MCP 服务器:用 Tree-sitter 把仓库解析成函数与调用关系的 SQLite 图库,帮编码助手查调用链并省下读整份文件的额度。

    ClaudeCodex0
  3. 03

    Chrome DevTools MCP 怎么用、怎么保留登录态:安装配置、独立目录与远程调试端口连接

    Chrome DevTools MCP 本身免费且无需注册账号,大家搜「登录」通常是为了让 AI 调试需要登录的网页后台。本文按官方仓库文档讲清安装命令,以及用 --userDataDir 持久化独立配置目录、用 --browserUrl 挂载已登录浏览器的两种标准做法。

    ClaudeCodex0
  4. 04

    Codex 自动审查 GitLab Merge Request 怎么配:公有云与自托管实例接入指南

    代码托管在 GitLab 的团队同样可以用上 OpenAI 官方的云端代码审查。本文根据官方文档讲清 GitLab.com 与企业自托管实例的服务账号配置、Developer 权限、Webhook 开启与 AGENTS.md 规则约束。

    ChatGPTCodex0
  5. 05

    Codex 接入 Linear 怎么用:指派 Issue、评论 @Codex 自动改码与 Triage 分流教程

    用 Linear 管研发任务单的团队,可以直接把 Issue 指派给 Codex 或在评论区 @Codex 自动拉起云端环境改代码。本文按 OpenAI 官方文档讲清云端环境前置准备、连接器安装、多仓库指定技巧以及 Triage 规则自动派单配置。

    ChatGPTCodex0
  6. 06

    Codex Security 安全扫描怎么用:@openai/codex-security 安装、本地扫描与报告目录设置

    除了日常代码审查,OpenAI 还推出了专门的漏洞排查工具 @openai/codex-security(命令别名 cs)。本文按官方快速开始文档讲清 Node 与 Python 环境前提、账号登录、结果目录放仓库外的安全铁律,以及先 --dry-run 再正式扫描的完整流程。

    Codex0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~