Codex 大踏步进击，入驻浏览器，它新增的能力得有这么多…

5 月 7 日，OpenAI 给 Codex 做了个 Chrome 扩展。类似扩展 opencli 之前就搞过，控制浏览器呗，我感觉这不是啥重磅消息，直到我看了这个视频：

这个视频展示的是，用 Codex 控制 Chrome 浏览器，并派出 4 个子代理去测试一个多人在线画图游戏。流程如下：

1、用户给 Codex 下任务：让 4 个 subagents 用各自的 Chrome 标签页一起玩一个 drawing game。

2、Codex 启动本地网页应用，创建一个固定房间 CODEX4。

3、第一个代理先创建房间，另外 3 个代理再加入。

4、因为游戏需要多人同步开始，Codex 做了协调：等 4 个标签页都准备好后，再统一发出开始信号。

5、画图题目是 tiny lighthouse，也就是“小灯塔”。

6、四个代理分别在各自画布里画灯塔，有的画了红屋顶、黄光束、蓝色海浪，有的画了塔身、灯室、门和地面/水波。

7、最后 Codex 检查 Chrome 里的实际结果，确认 4 个 live PromptGrid 标签页都在同一个房间里，并且每个代理都完成了绘制。

看完这个我就知道了，大厂做的扩展和开源扩展，确实不是一个东西。Codex for Chrome 不只是测试代码成果，还能实际操作浏览器，协调多个代理并行测试复杂的网页交互场景，尤其是多人协作/多人在线应用这种人工测试比较麻烦的流程。

这就是价值所在。

1

今年 2 月 Codex 发布了 macOS 桌面端，3 月是 Windows，4 月增加了 Computer Use 功能，增强了桌面端的 Coding Agent 能力，这我之前写过一篇，从 4 月开始，Codex 配合了 GPT 5.5，确实不是以前的 Codex，脱胎换骨，成为 OpenAI 的另一个超级 App。

为啥要做浏览器扩展呢？这个我之前也写过，AI 让 Web 重生，现在用户的大部分工作场景，都在浏览器里。测试 Web 应用、看控制台、调试、登录各种内部系统——现代人一天 80% 的工作时间泡在浏览器里。

Computer Use 当然也能操作浏览器，但它的方式是“看屏幕截图 → 推理 → 点坐标”，这么绕哒，随便点点还行，但是对浏览器场景来说，完全不够，比如视频里的方式，之前 Computer Use 是不可能实现的。

既然工作都在浏览器里，那就让 Codex 原生地待在浏览器里吧。这个思路我估计其他综合助手 Agent 都会跟进。

2

我现在经常用 OpenCLI 做一些数据源的桥接，把它们转化成 rss 订阅源，怎么做到呢，就是 OpenCLI 做了 Chrome 的扩展。Codex 类似，只不过 Codex + Chrome 能力更强大了。

装好扩展之后，Codex 就能获取当前 Chrome 的完整能力：已登录的 session、多标签页的上下文、DevTools 的调试接口等等。

比如，Codex 以后就可以做这些事了：

直接操作已登录的网页服务。 你在 Chrome 里登着 ERP、Jira、企业内部后台，Codex 可以直接在这些页面上帮你干活——批量更新客户信息、导数据、在内部系统里走流程等等，咱小公司没这些家伙什，给你们演示下操作墨问的 Web 端：


@Chrome 打开 Chrome，访问 mowen.cn，写一篇墨问保存，内容是：测试一下 Codex 的弹性。

多标签页后台并行。 Codex 可以自己开标签页，在后台同时处理多个任务，用 Tab Group 把相关页面归到一组，也不会抢你正在用的浏览器焦点，你该咋用咋用，只要把任务说清楚就行。它默默干活，最后给你个结果。

集成了 DevTools。 这个对开发者很实用，尤其对我这种不懂前端的 Vibe Coder，可以它来查前端的 bug，比如检查 loading 页有没有 console error，把 4xx/5xx 的网络请求列出来等等，它会调 Chrome DevTools 的接口，自己完成检查，把结果结构化给到我。

跨标签页汇聚上下文。 打开了墨问笔记详情页、figma 设计文档、GitHub 上的代码文件，然后跟 Codex 说“综合这三个页面，帮我写个 XX 方案”——有点 AI 浏览器的骚操作了：

这里有个设计上的细节值得提一下。Codex 现在有三种方式访问网络资源：已有的 API 插件（比如 GitHub 集成）、Chrome 扩展、以及内置浏览器（用来访问 localhost 本地开发环境，这个我之前写过）。

这时候，当用户发出一个指令的时候，Codex 会自动判断用哪个通道最高效——有直连 API 就走 API，需要登录态的走 Chrome，访问本地服务器走内置浏览器。

有时候我让它看墨问笔记，它会告诉我，你有 mocli（即将发布），这个效率更高。所以，大多数时候咱们不需要操心这些事儿，只需要下指令就行。如果想指定使用 Chrome，就加 @Chrome。

3

谁会用到这些功能呢？还是开发者偏多，开发的场景最直观：前端测试、调试验证、检查日志、PR review 等等，都能用。

OpenAI 显然想做得更宽泛一些，比如“CRMs, dashboards, docs, and other apps”……

Codex 未来面向的是所有日常工作泡在浏览器里的人。运营同学用来操作后台、产品经理用来看数据看板、市场同学用来批量收集竞品信息，这个野心不可谓不大呀。

现在 Codex 周活跃用户已经超过 400 万，比年初增长了 8 倍，收入呼呼涨。这个可能已经在威胁 Anthropic 的地位了，对国内厂商也有启示作用。

国内大模型，咱得重注压 Coding Agent 啊，毕竟国外的用起来费劲。

对，安装路径最后说一下：打开 Codex 桌面应用 → Plugins 菜单 → 安装 Codex for Chrome → Chrome 里确认授权。前提是你已经有 Codex 桌面端（Mac 或 Windows）。

安全方面要注意一下，既然 Codex 能操作你已登录的网页，就意味着它能接触到你在那些服务里的数据。这是能力来源，也是风险边界，自己做好平衡。

Safari 和 Firefox？暂时没有，只支持 Chrome。

对了，Engadget 的报道里提到一个信息：OpenAI 未来计划把 Codex、ChatGPT、以及他们自研的浏览器 Atlas 合并成一个统一应用。

如果这件事成了，我们可以看到这样的画面：一个 AI 既能跟你对话、又能帮你写代码、还能直接操作浏览器完成各种网页任务，三种能力融合在同一个窗口里。

不知道是不是真的，启示目前这种方式我觉得也挺好，主要是我不怎么用 ChatGPT 了，Codex 全搞定，但普通用户还是用 ChatGPT、豆包、千问这样的助手更多，所以我感觉不大会合并。也许桌面端有可能？拭目以待吧。