Codex 接入 Amazon Bedrock 與 Google Cloud Vertex AI 教學:企業雲託管配置

企業合規要求模型流量統一走自家 AWS 或 GCP 雲帳單時,不需要硬拼第三方代理。本文根據 OpenAI Codex 官方文檔,講清原生接入 Amazon Bedrock(四種 AWS 憑證方式)與 Google Cloud Vertex AI(ADC 認證與區域駐留)的完整步驟。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. Codex 原生內置了兩大雲廠商提供商支持(保留內部標識 amazon-bedrock、amazon-bedrock-runtime 與 gcp),不需要自己架設協議轉換服務。
  2. 接入 Amazon Bedrock 支持四種標準憑證:本機已有的 AWS Profile、訪問密鑰對(Access keys)、Shell 環境變量或 Bedrock 專用 API 密鑰,開跑前確認 IAM 角色具備對應區域的 bedrock:InvokeModel 權限。
  3. 接入 Google Cloud Vertex AI 目前處於受邀預覽階段(Private preview):需使用 Codex CLI 0.167.0 及以上版本,並在本機通過 gcloud auth application-default login 配好預設憑證(ADC)或指定服務帳號 JSON 文件。
  4. 合規團隊必盯 Google Cloud 的 Location 參數:留空預設使用 global 時請求可能跨多個區域調度;若公司有嚴格的數據不出境或單區駐留要求,配置時務必填入管理員指定的具體區域代號。

接入 Bedrock 與 Vertex 對比

圖:本站根據 OpenAI Codex 官方 Bedrock 與 Vertex AI 文檔 整理的示意圖

本文根據 OpenAI Codex 官方文檔《Use ChatGPT Work and Codex with Amazon Bedrock》《Connect Codex to Google Cloud Vertex AI》整理,核對日期 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI、AWS 或 Google 官方網站。

適用於誰

  • 搜「codex 接入 bedrock」「codex google vertex ai 配置」「codex 走企業 aws 帳單」的雲架構師與開發者;
  • 公司採購與合規政策要求所有大模型調用必須落在既有的 AWS 或 Google Cloud 企業協議與私有網絡邊界內的人;
  • 已經退出個人帳號準備切換雲廠商通道,分不清 AWS Profile、ADC 預設憑證與區域參數怎麼填的同學。

如果你的團隊用的是微軟雲 Azure OpenAI,請直接看專門教學 /guides/codex-azure-openai-model-providers-config;如果你同時也要給 Claude Code 配雲廠商託管通道,可對照 /guides/claude-code-other-models-bedrock-vertex-foundry。

一、路線 A:配置 Codex 連接 Amazon Bedrock

1. 前置檢查

先找公司雲管人員確認三件事:目標 AWS 帳號已在 Bedrock 控制檯開通受支持的 OpenAI 模型訪問權、明確該模型所在的 AWS Region(區域代號),並且你所用的 IAM 身份擁有調用該模型或推理配置文件的權限(例如部分模型要求在帳戶預設項目上具備 bedrock:InvokeModel)。

2. CLI 與桌面端交互式綁定步驟

如果你當前已經登入了個人帳號,先按 /guides/codex-cli-switch-account-logout 退出回到登入選擇頁:

  1. 啟動 codex(或在桌面端登入頁點擊 其他登入方式 Sign in another way),選擇 Use Amazon Bedrock;
  2. 如果 Codex 自動檢測到了你本機 ~/.aws/ 下的可用配置,直接選中對應 Profile;若未檢測到,從選單提供的四種方式裏任選一種:AWS profile、AWS access keys、Environment variables 或 Bedrock API key;
  3. 按嚮導提示輸入 AWS Region(若選環境變量方式,在當前 Shell 導出後重啟一次 Codex),發送一條測試指令驗證連通。

連接企業雲託管模型四步流程

圖:本站根據 OpenAI Codex 官方企業雲配置文檔 整理的示意圖

二、路線 B:配置 Codex 連接 Google Cloud Vertex AI

1. 前置檢查與本機 gcloud 認證

先確認項目已通過官方預覽申請並啟用了對應模型,將本地 Codex CLI 升至 0.167.0 或更高版本。在運行 Codex 的機器上安裝 Google Cloud CLI,執行下面命令完成應用預設憑證(ADC)登入:

bash
gcloud auth application-default login

如果企業安全規範禁止個人交互登入、統一分發服務帳號密鑰文件,跳過上面這條命令,直接準備好管理員發給你的憑證 JSON 絕對路徑即可(Codex 底層會調用 gcloud 獲取訪問令牌並做預檢)。

2. 在 CLI 或桌面端完成嚮導配置

  1. 啟動 codex,選擇 Sign in another way → Use Google Cloud Vertex AI(桌面端顯示為 Use Google Cloud);
  2. 輸入管理員提供的 Google Cloud Project ID;
  3. 輸入 Vertex AI Location:直接回車預設走跨區調度的 global;有區域駐留合規要求時務必手動輸入指定區域;
  4. 憑證文件一欄:使用本機 ADC 登入的直接按回車留空,使用服務帳號文件的填入 JSON 文件絕對路徑。Codex 會當場嘗試換取一次令牌,校驗通過後才會把提供商配置寫盤(底層 config.toml 字段細節可對照 /guides/codex-config-toml-complete-guide)。

獨立開發者或尚未申請企業雲預覽資格的小型團隊,日常使用官方直連 ChatGPT Plus 或 Pro 訂閱依然是最省事的開箱方案,相關訂閱說明可參考 /chongzhi/chatgpt-plus。

常見問題

Q:可以在 config.toml 裏自定義一個名字叫 gcp 或 amazon-bedrock 的第三方網關嗎?

不可以。官方文檔明確指出,openai、ollama、lmstudio、amazon-bedrock、amazon-bedrock-runtime 與 gcp 均屬於 Codex 內部保留的內置提供商 ID;配置公司自建模型網關時必須另外起一個不重名的自定義標識(如 corp-gateway)。

Q:配好 Vertex AI 後發消息報權限被拒(Permission denied)怎麼查?

先在終端手動運行一次 gcloud auth application-default print-access-token 確認本機能正常吐出非空令牌,再核對當前身份在所填的 Project ID 下是否已被授予調用對應 Vertex AI 模型的 IAM 角色,以及所填區域是否已開通該模型配額。

Q:走 Bedrock 或 Vertex AI 時,消費的是 ChatGPT 個人訂閱額度嗎?

不是。切換為雲廠商提供商後,所有的模型輸入輸出請求都直接記在你綁定的 AWS 帳號或 Google Cloud 項目帳單下,受你們企業雲帳戶自身的配額與支出警報管控,與個人訂閱通道互不混扣。

相關教學

參考資料

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

Nathaniel 的更多內容

  1. 01

    LangGraph 流式輸出(Streaming)詳解:逐字 Token 流、節點進度與自定義事件寫法

    多步智能體如果等全部節點跑完才返回,網頁前端就會白屏乾等十幾秒。本文按 LangGraph 官方文檔講清 updates、messages、custom 與 values 四種 stream_mode 的區別,以及組合訂閱逐字打字機輸出加工具內部實時進度的完整代碼。

    其他 AI 工具0
  2. 02

    LangGraph 持久化與長期記憶怎麼配:Checkpointer、Store 與 PostgreSQL 實戰

    在生產環境跑 LangGraph,單靠 InMemorySaver 一重啟就會丟失全部對話。本文按官方文檔講清線程內短期檢查點(Checkpointer)與跨線程長期記憶(Store)的分工,以及用 langgraph-checkpoint-postgres 對接 PostgreSQL 的完整步驟。

    其他 AI 工具0
  3. 03

    LangGraph 多智能體怎麼寫:Supervisor 主管包與 Subgraph 隔離子圖實戰

    在 LangGraph 裏把單個圖擴展成多智能體協作有兩條官方路線:快速原型用預置包 langgraph-supervisor,大型生產系統用原生子圖(Subgraph)嵌套。本文講清兩種寫法的完整代碼、私有狀態隔離防 Token 膨脹技巧以及檢查點傳播規則。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入審批怎麼寫:interrupt 暫停圖運行與 Command 恢復實戰

    企業之所以選 LangGraph,很大程度看中它能安全掛起等待人工審批(Human-in-the-Loop)。本文按官方最新規範講清 interrupt() 動態暫停、Checkpointer 必備條件、Command(resume=...) 恢復執行,以及防止副作用重複運行的重入規則。

    其他 AI 工具0
  5. 05

    多 Agent 協作平台怎麼選:Dify、釦子(Coze)、n8n 與 LangGraph 多智能體機制對比

    搜「多agent協作平台」時,Dify、釦子、n8n 和 LangGraph 都宣稱支持多智能體,但底層的調度方式完全不同。本文跳過基礎安裝,專門從多 Agent 角色跳轉、子代理工具調用、上下文隔離與私有化部署四個維度幫你一次選準。

    其他 AI 工具0
  6. 06

    企業微信有官方 MCP 和 CLI 嗎:@wecom/cli 安裝初始化、長連接機器人與接入教學

    搜「企業 微信 有 mcp 嗎」不用再東拼西湊民間群機器人腳本了:企業微信官方已推出 @wecom/cli 命令行工具並內置 stdio 模式的 MCP Server。本文按官方開發者文檔講清安裝、智能機器人長連接初始化、業務命令與接入 Claude Code 步驟。

    Claude其他 AI 工具0

同產品的其他教學

  1. 01

    多 Agent 協同開發怎麼落地:「一個寫、一個審」雙代理工作流搭建指南

    多 Agent 協同開發裏投入產出比最高的模式就是「一個寫、一個審」。本文依據 Anthropic 與 OpenAI 官方編碼最佳實踐,講清為什麼同會話自審容易漏問題,以及用只讀子代理、跨模型交叉審查(Claude Code + Codex)和自動化閉環落地的具體方法。

    ClaudeCodex0
  2. 02

    codebase-memory 類 MCP 是什麼、怎麼用:基於語法樹圖譜的本地代碼索引原理與配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一類本地代碼圖譜 MCP 伺服器:用 Tree-sitter 把倉庫解析成函數與調用關係的 SQLite 圖庫,幫編碼助手查調用鏈並省下讀整份文件的額度。

    ClaudeCodex0
  3. 03

    Chrome DevTools MCP 怎麼用、怎麼保留登入態:安裝配置、獨立目錄與遠程調試端口連接

    Chrome DevTools MCP 本身免費且無需註冊帳號,大家搜「登入」通常是為了讓 AI 調試需要登入的網頁後台。本文按官方倉庫文檔講清安裝命令,以及用 --userDataDir 持久化獨立配置目錄、用 --browserUrl 掛載已登入瀏覽器的兩種標準做法。

    ClaudeCodex0
  4. 04

    Codex 自動審查 GitLab Merge Request 怎麼配:公有云與自託管實例接入指南

    代碼託管在 GitLab 的團隊同樣可以用上 OpenAI 官方的雲端代碼審查。本文根據官方文檔講清 GitLab.com 與企業自託管實例的服務帳號配置、Developer 權限、Webhook 開啟與 AGENTS.md 規則約束。

    ChatGPTCodex0
  5. 05

    Codex 接入 Linear 怎麼用:指派 Issue、評論 @Codex 自動改碼與 Triage 分流教學

    用 Linear 管研發任務單的團隊,可以直接把 Issue 指派給 Codex 或在評論區 @Codex 自動拉起雲端環境改代碼。本文按 OpenAI 官方文檔講清雲端環境前置準備、連接器安裝、多倉庫指定技巧以及 Triage 規則自動派單配置。

    ChatGPTCodex0
  6. 06

    Codex Security 安全掃描怎麼用:@openai/codex-security 安裝、本地掃描與報告目錄設定

    除了日常代碼審查,OpenAI 還推出了專門的漏洞排查工具 @openai/codex-security(命令別名 cs)。本文按官方快速開始文檔講清 Node 與 Python 環境前提、帳號登入、結果目錄放倉庫外的安全鐵律,以及先 --dry-run 再正式掃描的完整流程。

    Codex0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~