Codex CLI de OpenAI es un agente de codificación de terminal que admite servidores MCP. Sin una herramienta de búsqueda, felizmente inventa firmas de funciones y bibliotecas de referencias que no existen. Agregar el servidor MCP de Scavio soluciona este problema al brindarle a Codex acceso a documentos en vivo, Stack Overflow, problemas de GitHub y transcripciones de YouTube durante la generación.
Requisitos previos
- Node.js 20+ instalado
- Codex CLI instalado a través de npm install -g @openai/codex
- Una clave API de Scavio
- Una clave API de OpenAI configurada para Codex
Guia paso a paso
Paso 1: Instalar la CLI del Codex
Instale el agente de codificación de terminal de OpenAI.
npm install -g @openai/codexPaso 2: Establecer variables de entorno
Agregue sus claves OpenAI y Scavio a su perfil de shell.
export OPENAI_API_KEY="sk-..."
export SCAVIO_API_KEY="sk_live_..."Paso 3: Configurar servidores Codex MCP
Agregue Scavio a ~/.codex/config.toml en [mcp_servers].
[mcp_servers.scavio]
command = "npx"
args = ["-y", "@scavio/mcp"]
[mcp_servers.scavio.env]
SCAVIO_API_KEY = "${SCAVIO_API_KEY}"Paso 4: Lanzar el Códice
Inicie Codex y verifique que se carguen las herramientas Scavio.
codexPaso 5: Solicite a Codex una búsqueda de documentos en vivo
Solicite a Codex que escriba código que requiera documentación nueva.
> write a tool call to the latest LangGraph checkpointer APIEjemplo en Python
# Codex MCP config lives in TOML. To validate Scavio works independently:
import os, requests
r = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': os.environ['SCAVIO_API_KEY']},
json={'query': 'langgraph checkpointer api 2026'})
print(r.json()['organic_results'][:3])Ejemplo en JavaScript
const res = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST',
headers: { 'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json' },
body: JSON.stringify({ query: 'langgraph checkpointer api 2026' })
});
console.log((await res.json()).organic_results.slice(0, 3));Salida esperada
Codex calls scavio.search_google with the query, receives the top 10 organic results, and uses them to generate code against the current LangGraph API rather than an outdated version from training data.