Codex を法人で使い始めるとき、情報システム部門から「モデルへの通信を自社の AWS や Google Cloud の中に収められないか」「社内のゲートウェイを通して、誰がどれだけ使ったかを記録したい」という相談をよく受けます。Codex にはモデルの接続先(プロバイダー)を切り替える仕組みがあり、OpenAI への標準の接続のほかに Amazon Bedrock・Google Cloud Vertex AI・社内のモデルゲートウェイを選べます。

ただし接続先を変えると、使える画面や機能、管理の仕組みも変わります。この記事では、3つの接続方法の違い・使えなくなる機能・設定の書き方・全員に配る前に確かめる項目を整理します。製品の動きに関わる内容は、2026年11月12日に OpenAI の公式ドキュメント(Advanced configuration・Amazon Bedrock・Connect to a gateway・Roll out a gateway)で確かめた範囲に絞りました。

i

本記事の結論: 接続先を変えると、ChatGPT のワークスペースで使えていた管理機能やクラウドの機能が外れることがあります。先に「何を手放してよいか」を決め、そのうえで Bedrock・Vertex AI・ゲートウェイのどれにするかを選びます。設定は管理者が requirements.toml で配り、1人のテスト利用者で接続・ストリーミング・ツールの実行・続きの指示・エラーを確かめてから広げます。

接続先を変える前に決めること

Codex の手元の画面(デスクトップアプリ・Codex CLI・IDE 拡張)は、~/.codex/config.toml の model_provider で、どこにモデルの処理を頼むかを決めています。公式ドキュメントで用意されている主な接続先は次のとおりです。(出典: Advanced configuration)

接続先 設定での指定 認証 向いている会社
OpenAI(標準) openai(既定) ChatGPT へのサインインまたは API キー ChatGPT のワークスペースで管理を一本化したい
Amazon Bedrock amazon-bedrock または amazon-bedrock-runtime AWS の認証(プロファイル・SSO・Bedrock の API キーなど) AWS の契約・リージョンの中で使いたい
Google Cloud Vertex AI gcp Google Cloud CLI の認証情報 Google Cloud の契約の中で使いたい
社内のモデルゲートウェイ 自分で名前を付ける(例: enterprise-gateway) ゲートウェイの OAuth・API キー・認証用のコマンド 利用者ごとの上限や記録をゲートウェイでまとめたい

決める順番は「どの接続先が便利か」ではなく、**「接続先を変えたときに何を手放すことになるか」**からです。とくに Bedrock については、公式ドキュメントに使える機能と使えない機能の一覧があり、ここを見ずに決めると導入後に「あの機能が使えない」という問い合わせが集まります。

Amazon Bedrock 経由で使えるもの・使えないもの

公式の Amazon Bedrock のページでは、Bedrock 経由のときはモデルへの依頼が手元の画面から Bedrock へ直接送られ、OpenAI が提供する Responses API は経路に入らないと説明されています。認証は AWS の仕組みで行い、ChatGPT へのサインインや OPENAI_API_KEY は使いません。

使える範囲と使えない範囲は、次のように整理されています。

区分 主なもの
使える デスクトップアプリ・Codex CLI・Codex Security CLI・IDE 拡張・Codex SDK と codex exec・AGENTS.md・スキル・MCP・サブエージェント・手元での /review・サンドボックス・予定したタスク
一部だけ プラグイン(ChatGPT の認証が要らないもの)・メモリーやコンピューター操作(リージョンによる)・ブラウザ関連の一部
使えない Codex のクラウド・Web 版の ChatGPT Work・GitHub や Slack・Linear とのクラウド連携・Fast モード・画像の生成と編集・音声入力・Runtime 側での Web 検索
管理の機能 requirements.toml による管理設定は一覧に載っている。ChatGPT のクラウドで管理する設定・SAML SSO と MFA・ワークスペースの権限管理・SCIM と EKM・保持期間と保存地域の管理・利用状況の分析と API・Compliance API は対象外

法人にとって大きいのは最後の行です。ChatGPT Business や Enterprise のワークスペースで整えたアカウント管理や監査の仕組みは、Bedrock 経由の利用には効きません。公式の一覧では「既定で API やビジネスのデータを学習に使わない」という OpenAI 側の約束の行も、Bedrock 経由では対象外の扱いになっています。データの扱い・請求・上限は AWS 側の契約と設定で確かめ、問い合わせは AWS の管理者や AWS のサポートへ、と案内されています。社内への説明の仕方は入力データの扱いを説明する FAQ の記事も参考にしてください。

Bedrock の設定の流れ

公式ドキュメントで示されている手順は次のとおりです。

  1. AWS 側で、対応する OpenAI のモデルを使える状態にする(モデルの利用権限・提供されているリージョン・モデルを呼び出す IAM の権限)
  2. CLI なら codex を起動し、サインイン画面で「Use Amazon Bedrock」を選んでプロファイルやリージョンを入力する。デスクトップアプリなら「Sign in another way」から同じ項目を選ぶ
  3. 手で書く場合は ~/.codex/config.toml に接続先を書く
  4. 新しいタスクで短い依頼を送り、CLI の /status で接続先とモデルを確かめる

Bedrock には2つの入口があります。公式ドキュメントでは、リージョンをまたいで処理する Runtime(amazon-bedrock-runtime)と、リージョンの中で処理する Mantle(amazon-bedrock)に分かれており、Runtime ではホスト型の Web 検索が使えないため設定例でも web_search = "disabled" にしています。

model_provider = "amazon-bedrock-runtime"
web_search = "disabled"

使えるモデルの名前はリージョンや入口によって異なり、公式ページにも一覧があります。社内の手順書にモデル名を書くときは、公式ページと AWS のリージョン別の提供状況を同じ日に確かめてから書いてください。

もう1点、デスクトップアプリと IDE 拡張は、ターミナルで設定した環境変数を引き継がないことがあります。公式ドキュメントでは、必要な値を ~/.codex/.env(Windows は %USERPROFILE%\.codex\.env)に置き、アプリや拡張を再起動するよう案内されています。鍵をこのファイルに置く場合の扱いは、鍵と環境変数を触らせない設定の記事とあわせて社内ルールを決めておきます。

Google Cloud Vertex AI 経由の設定

Vertex AI は、Codex に組み込まれた接続先 gcp として用意されています。公式の Advanced configuration に書かれている設定は次のとおりです。

model_provider = "gcp"

[model_providers.gcp]
project_id = "my-project"
location = "global"
  • project_id と location を書かなければ、環境変数 GOOGLE_CLOUD_PROJECT と GOOGLE_CLOUD_LOCATION から読む。location の既定は global
  • 既定の認証には Google Cloud CLI が要る。gcloud auth application-default login でサインインしておくと、Codex が gcloud auth application-default print-access-token を実行して認証情報を得る
  • 認証情報のファイルを使うときは credential_file に絶対パスで指定する

公式の changelog によると、2026年11月6日の Codex CLI 0.167.0 で、サインイン画面の「Sign in another way」の中に Vertex AI の設定ウィザードが加わりました(gcp_setup_wizard という機能フラグの後ろにあります)。11月11日の 0.167.2 では、Vertex AI に対するツールの更新の送り方の既定が変わっています。Vertex AI 経由で使う会社は、配る CLI のバージョンをそろえて動作を記録しておくと、問い合わせのときに切り分けやすくなります。CLI の配り方は情シス向け Codex CLI の配布と初期設定の記事にまとめています。

2026年11月12日時点で、Vertex AI 経由で使える機能を一覧にした公式ページは見当たりませんでした。Bedrock と同じ前提で案内せず、使う予定の機能を試験導入で1つずつ確かめてください。

社内のモデルゲートウェイ経由の設定

ゲートウェイは、Codex とモデルの間に入って依頼を振り分ける社内の中継サーバーです。公式の Connect to a gateway では、利用者がゲートウェイの担当者から受け取る情報として、接続先の URL・モデル名と接続先の名前・認証の方法・モデルの一覧(カタログ)の場所が挙げられています。

設定の例は次の形です。

model = "gpt-6-sol"
model_provider = "enterprise-gateway"
web_search = "disabled"

[model_providers.enterprise-gateway]
name = "Organization Gateway"
base_url = "<ゲートウェイの担当者から受け取った URL>"
wire_api = "responses"
requires_openai_auth = false

認証は4通りから選べます。

認証の方法 仕組み 向いている場面
ゲートウェイの OAuth Codex がブラウザでのサインイン・暗号化した保存・更新を行う 社内の ID 基盤で利用者を管理したい
API キー env_key で指定した環境変数からキーを読む 利用者ごとに範囲を絞ったキーを配れる
独自のヘッダー env_http_headers で X-API-Key などに環境変数の値を入れる ゲートウェイが決まったヘッダーで受ける
認証用のコマンド 社内で用意したコマンドがトークンを出力する 既存の仕組みでトークンを発行している

公式ドキュメントでは、ゲートウェイの認証に加えて ChatGPT へのサインインも残す形(requires_openai_auth = true)が推奨とされています。この場合、Authorization ヘッダーは OpenAI の認証情報に使い、ゲートウェイの認証情報は Cookie や別のヘッダーで送ります。

注意点もいくつか書かれています。

  • ゲートウェイを通るのはモデルへの依頼だけ。音声・ワークスペースへのサインイン・MCP サーバー・プラグインは別の経路を使うことがあり、ゲートウェイの認証情報はツールの利用を許可するものではない
  • OAuth はブラウザと手元の受け口(ループバック)が必要で、デバイスコードでの代替はない。SSH 越しの CLI ではポートの転送が要る
  • 応答が1回返ってきただけでは、ゲートウェイを通ったことの証明にならない。管理者がゲートウェイの記録で利用者・モデル名・経路を確かめる

ゲートウェイ側の条件は Roll out a gateway にあり、POST /v1/responses で Responses API の依頼を受けることや、SSE のイベントをためずに流して response.completed で終えることなどが挙げられています。ヘルスチェックや Chat Completions への対応は、条件を満たす証明にならないと明記されています。

設定は管理者が配って固定する

接続先は、開発者それぞれに手で書いてもらうと必ずずれます。公式ドキュメントでは、配り方として次の3つの層が示されています。(出典: Roll out a gateway)

置き場所 役割
/etc/codex/config.toml(Windows は %ProgramData%\OpenAI\Codex\) 端末全体の既定。利用者やプロファイルで上書きできる
requirements.toml(macOS は MDM でも配れる) 強制する設定。利用者が変えられない
リポジトリの中の .codex/config.toml 接続先や認証の経路に関わる項目は無視される

接続先を強制するなら、requirements.toml の [model_providers.<id>] にプロバイダーの定義を丸ごと書き、model_provider の要件で選択を固定します。強制した定義は通常の定義を丸ごと置き換えるため、base_url や認証の項目が欠けると動かなくなる点に注意してください。Windows では、model_catalog_json や認証用のコマンドのパスで %ProgramData% が展開されないため、展開済みの絶対パスを書きます。

管理設定の全体の考え方はセキュリティとガバナンスの記事、通信の許可範囲はネットワークアクセスの記事で説明しています。

全員に配る前の試験導入の手順

公式の Roll out a gateway には、1人のテスト利用者で確かめる項目が並んでいます。Bedrock や Vertex AI に切り替える場合にも使える内容なので、次の順で進めます。

  1. 配る設定が勝っているか: 設定の層を確かめ、利用者やプロファイルの設定で経路が変わらないことを見る。CLI では /status で接続先とモデルを、/debug-config で設定の層を確かめる
  2. 接続: 決めた接続先とモデル名が有効になり、テストの依頼が通り、記録にテスト利用者が残ることを確かめる
  3. ストリーミング: 数段落の回答を頼み、文字が少しずつ表示され最後まで届くことを確かめる
  4. 手元のツールの実行: 捨ててよい読み取り専用のフォルダで、ファイルの一覧と要約を頼む。ツールの呼び出し・結果・最終回答がそろい、ファイルが変わらないことを見る
  5. 続きの指示: 同じスレッドで追加の指示を出し、前の内容を踏まえて答えることを確かめる
  6. エラー: 存在しないモデル名や期限切れの認証情報で試し、分かりやすいエラーが出ることを確かめる
  7. 既存の会話: 既定の接続先を変える場合は、変更前に作った会話を開く・続ける・分岐できるかを記録する。公式ドキュメントでは、会話の履歴が移ると考えないよう注意されている
  8. 記録: CLI のバージョン・OS・接続先の名前・モデル名・認証の方法を残す

承認を自動で通す設定にしている場合は、承認が必要な操作も捨ててよいフォルダで試します。画面と認証の組み合わせごとにすべて通ってから、対象者を広げてください。試験導入の対象者の選び方は試験導入する部署と人の選び方の記事を参考にしてください。

まとめ

Codex は、モデルの接続先を OpenAI から Amazon Bedrock・Google Cloud Vertex AI・社内のゲートウェイに切り替えられます。ただし接続先を変えると、クラウドの機能や ChatGPT のワークスペースの管理機能が外れることがあるため、先に「何を手放してよいか」を決めてから選びます。設定は管理者が requirements.toml で配って固定し、1人のテスト利用者で接続からエラーの出方まで確かめてから広げます。

この記事の内容は、2026年11月12日時点の OpenAI 公式ドキュメントの記載に基づいています。設定項目の名前や対応する機能は変わることがあるため、使う前に最新の記載をご確認ください。デジライズでは、情報システム部門と一緒に接続先の選び方・配る設定・試験導入の確かめ方までを整える Codex の法人導入支援のご相談を承っています。「AWS の中で使えるか検討したい」という段階からでもお問い合わせください。