メインコンテンツへスキップ
見出し画像

Codex SecurityをCIへ入れる前に知っておきたいこと

    AIでコードを書く速度が上がるほど、レビュー側の負担は重くなります。生成された差分を読む。脆弱性らしい箇所を見つける。本当に問題か確かめる。修正後に再確認する。ここが人力のままだと、開発速度だけを上げても本番へ出すまでの時間は縮まりません。

    僕はAIエージェントやMCPを作りながら、AI開発では「生成量」より、正解の型と人間が確認する境界が重要だと考えています。今回公開されたCodex SecurityのCLIとTypeScript SDKは、その境界をリポジトリとCIの近くへ置くための道具です。

    この記事では、OpenAIの公式GitHubと公式ドキュメントを一次情報として、できること、導入条件、最初の試し方、過信しないための運用線を整理します。

    4行まとめ

    • Codex Securityは、脆弱性の発見・確認・修正・追跡を扱うCLIとTypeScript SDK

    • CLI/SDKはベータでアクセスが必要。Node.js 22以上とPython 3.10以上が前提

    • 最初は本番CIを止めず、dry runと限定リポジトリで結果の精度を確認する

    • AI判定を最終承認にせず、根拠・差分・人間レビューを同じ運用に入れる

    何が公開されたのか

    ブックマークしたX投稿は、OpenAIの公開リポジトリ「openai/codex-security」を紹介していました。投稿では、コードの脆弱性を見つけ、検証し、修正するためのCLIとTypeScript SDKが公開されたと説明されています。

    More opensource goodness. We have just released a CLI and TypeScript SDK for finding, validating, and fixing security vulnerabilities in your code. Scan repositories, review changes, track findings over time, and run security checks in CI.https://t.co/nkfTbw8p7b

    — Tibo (@thsottiaux) July 28, 2026

    公式GitHubにも、Codex Securityはコード内の脆弱性を見つけ、検証し、修正するためのCLIとTypeScript SDKだと明記されています。

    ここで大事なのは「新しい静的解析ツールが増えた」とだけ捉えないことです。公式ドキュメントでは、リポジトリのスキャン、継続的なfindingの確認、変更が入る前のチェックまでを想定しています。

    Codex Securityが扱う4つの工程

    導入前に確認すべき前提

    公式ドキュメント上、CLIとSDKはベータで、利用にはアクセスが必要です。CLIはNode.js 22以上、スキャンやfindingのexportにはPython 3.10以上が必要です。

    つまり、パッケージ名が公開されているからといって、すべての環境で即座に同じ結果を得られるわけではありません。認証方法、利用資格、実行環境の3点を先に確認します。

    導入前の3つの前提

    ローカル利用ではChatGPTアカウントでログインできます。CIなどの自動処理ではOpenAI API keyを使います。キーはリポジトリへ書かず、CIのsecret管理へ置く必要があります。

    最初はdry runから始める

    いきなり全リポジトリのスキャンを必須チェックにするのはおすすめしません。公式ドキュメントには、認証情報を読み込まず、Codexを起動せずにローカル入力を確認するdry runがあります。

    最初の確認は、次の順番で十分です。

    1. 対象リポジトリと出力先を決める

    2. dry runで入力と保存先を確認する

    3. 権限のある小さなリポジトリで標準スキャンを試す

    4. findingの根拠と再現性を人が読む

    5. 誤検知と見逃しの傾向を記録する

    6. 問題なければCIへ段階的に入れる

    安全な導入ステップ

    公式の基本形は「npx @openai/codex-security scan 対象」です。記事執筆時点の正確なオプションは、公式CLI referenceと実際のhelp表示を優先してください。

    CIへ入れるときの設計

    CIで重要なのは、スキャンを実行することより、結果をどう扱うかです。初日からすべてのfindingでマージを止めると、誤検知が続いたときにチェック自体が無効化されやすくなります。

    僕なら、3段階に分けます。

    • 観測: 結果を保存するが、マージは止めない

    • レビュー必須: 重大度や対象ディレクトリを絞って人間確認を要求する

    • 品質ゲート: チームで合意した条件だけをブロッキングにする

    CI導入の3段階

    Codex Securityの出力先には、ソース抜粋や脆弱性の詳細が含まれる可能性があります。公式ドキュメントも、privateな保存先と適切な保持期間を選ぶよう案内しています。CI artifactを無期限公開する運用には向きません。

    AIの判定を最終承認にしない

    セキュリティでは、AIがfindingを返したことと、脆弱性が確定したことは同じではありません。

    最低でも、次を分けて記録します。

    • どのコードと入力条件を見たか

    • 何が攻撃可能だと判断されたか

    • 実際に再現できたか

    • 修正による別の影響はないか

    • 誰が最終承認したか

    AI判定と人間承認の境界

    AI開発で必要なのは、レビューを消すことではなく、レビュー対象を絞ることです。Codex Securityが効くとすれば、人間の代わりに責任を持つからではなく、調査候補と根拠を早く並べられるからです。

    TypeScript SDKが効く場面

    公式GitHubには、TypeScript SDKからCodexSecurityを初期化し、対象ディレクトリを実行して、report pathを受け取る基本例があります。

    SDKが向くのは、次のような場面です。

    • 複数リポジトリのスキャンを同じ運用へまとめたい

    • findingを社内のチケットやダッシュボードへ連携したい

    • 対象範囲や実行条件をプロダクト側で制御したい

    • スキャン後の保存・通知・レビュー依頼を一連のワークフローにしたい

    ただし、SDKへ組み込むほど、認証・保存・権限・失敗時処理の責任も増えます。まずCLIで運用が固まってからSDK化するほうが安全です。

    CLIからSDKへ進む判断

    実務で使うためのチェックリスト

    導入前に、次を確認してください。

    • 対象リポジトリを評価する権限がある

    • Node.js 22以上、Python 3.10以上を確認した

    • Codex Securityへのアクセス可否を確認した

    • API keyをリポジトリへ保存しない

    • スキャン結果をprivateな場所へ保存する

    • 保持期間と削除ルールを決めた

    • 最初はdry runを使う

    • 誤検知を記録する

    • 人間の最終承認を残す

    • CIを止める条件を段階的に決める

    まとめ

    Codex Securityの価値は、AIにセキュリティ判断を丸投げできることではありません。発見、確認、修正、追跡という流れを、開発の近くへ持ってこられることです。

    僕がAIエージェントや開発フローを設計するときも、先に置くのは万能な自動化ではなく、入力、根拠、承認、ログの境界です。Codex Securityも同じです。

    まずは権限のある小さなリポジトリでdry runを行い、findingを人が読む。そこで使えると判断してから、観測モードでCIへ入れる。この順番なら、速度と安全性を同時に育てられます。

    公式資料

    Codex Security GitHub:

    Codex Security CLI quickstart:

    https://learn.chatgpt.com/docs/security/cli

    記事を読んだあとのCTA
     
     

    Taiyo

     
     
    毎日AIエージェントを個人開発している大学生のドキュメンタリー記事。大阪万博に登壇しました。AI最新動向や技術の解説をします。

    あなたへのおすすめ