La llegada de un cliente nativo para macOS de Codex ha cambiado la manera en que los desarrolladores de todos los tamaños —ingenieros independientes, startups y equipos empresariales— organizan cómo se escribe, revisa y entrega el código. La nueva experiencia de escritorio replantea Codex de un asistente de un solo agente a un centro de mando para orquestar muchos agentes, flujos automatizados y “skills” repetibles. En este artículo explicaré qué es la app de Codex, dónde está disponible y cómo se tarifa, la configuración paso a paso y las opciones de inicio de sesión en macOS, cómo crear tu primer proyecto con ejemplos de código prácticos, y las mejores prácticas que estoy adoptando ahora que los flujos basados en agentes se están ejecutando en el Mac.
¿Qué es la app de Codex?
La app de Codex es una aplicación de escritorio nativa para macOS diseñada como un “centro de mando” para crear con flujos basados en agentes: múltiples agentes de Codex, cada uno capaz de razonar sobre código, ejecutar comandos, cambiar archivos y desplegar trabajo, se pueden iniciar, supervisar, revisar y coordinar desde una única interfaz enfocada. La app está explícitamente construida para trabajo en paralelo: los agentes se ejecutan en hilos separados (con alcance de proyecto), los cambios pueden revisarse en el propio hilo, y la app incluye soporte integrado para Git worktrees, de modo que los agentes puedan operar sin pisar los cambios de los demás. También introduce conceptos de primera clase como skills (instrucciones + scripts + recursos empaquetados) y Automations (ejecuciones en segundo plano programadas que colocan resultados en una cola de revisión).
Por qué importa: antes, la gente usaba interfaces de un solo agente (una CLI, una extensión de editor o un panel web) y unía procesos manualmente. La app de Codex para macOS traslada la orquestación, el paralelismo y la gobernanza a una interfaz diseñada para esas necesidades, facilitando la supervisión de trabajos de agentes de larga duración (p. ej., “construye la función X, luego ejecuta pruebas y después crea un PR”) mientras se preserva tu estado de desarrollo local. La app de Codex trata menos sobre autocompletado de código en un solo turno y más sobre ejecutar y coordinar muchas tareas autónomas.
Disponibilidad y precios de Codex APP
¿Está disponible ahora mismo y cuánto cuesta?
- La app de Codex se lanzó para macOS el 2 de febrero de 2026 y está disponible para descargar en macOS inmediatamente.
- Modelo de acceso: Codex está incluido en las suscripciones de ChatGPT (Plus, Pro, Business, Enterprise y Edu) y —por un período promocional limitado— también está disponible para usuarios de ChatGPT Free y Go, con límites de tasa duplicados para los niveles de pago durante el despliegue. Los planes de pago incluyen cuotas más altas; se pueden comprar créditos adicionales si los equipos necesitan más capacidad.
- Hoja de ruta de plataforma: la versión inicial se dirigió a macOS; el soporte para Windows fue anunciado como “próximamente”. El ecosistema más amplio también está integrando funciones basadas en agentes (por ejemplo, Apple añadió soporte de agentes en Xcode), reforzando que Codex está pensado como parte de un flujo de trabajo de desarrollador con múltiples herramientas y no un silo.
¿Quién usa Codex APP y para qué?
- Desarrolladores indie en solitario usan Codex para armar rápidamente apps full‑stack, generar boilerplate y crear suites de pruebas.
- Equipos pequeños usan la orquestación de agentes para paralelizar tareas: un agente clasifica incidencias y escribe pruebas mientras otro refactoriza módulos heredados.
- Promotores de desarrolladores y toolsmiths adoptan Codex para crear prototipos de automatizaciones de CI y para conectar activos de diseño desde Figma en plantillas de código.
- Equipos de ingeniería más grandes experimentan con agentes para la clasificación de revisiones de código y flujos reproducibles de minimización de bugs (los agentes crean repros mínimos, ejecutan pruebas y proponen parches).
Cómo configurar la app Codex en macOS (guía rápida y práctica)
Genial: aquí tienes una guía compacta, paso a paso, para poner en marcha la app de escritorio Codex en macOS (Apple Silicon). Incluiré las opciones de instalación por CLI/homebrew, métodos de inicio de sesión, notas de seguridad y arreglos comunes. La app está publicada por OpenAI.
1) Comprobación del sistema — haz esto primero
- Codex desktop es solo para macOS por ahora y está orientado a Apple Silicon (M1/M2/M3...). Si estás en Intel, aún puedes descargar un binario x86 desde los lanzamientos de GitHub, pero las compilaciones con soporte principal son para Apple Silicon.
- Comprobación local rápida: abre Apple menu → About This Mac y busca “Apple M1 / M2 / M3”. O en Terminal ejecuta:
uname -m # prints "arm64" on Apple Silicon
2) Descargar e instalar (dos formas rápidas)
Descarga por GUI (DMG / instalador directo)
- Visita la página oficial de la app de Codex y haz clic en Download for macOS. (Usa el enlace que aparece en la documentación de Codex).
- Abre el
.dmg(o.pkg) descargado y arrastra la app de Codex a tu carpeta Applications. - Inicia la app desde Applications. En el primer arranque, macOS puede pedirte confirmar la ejecución de la app descargada.
Instalación por Homebrew / CLI (útil si prefieres Terminal)
Puedes instalar las herramientas de línea de comandos de Codex (y el binario que envuelve la app) para poder usar el mismo agente localmente:
# Homebrew (macOS)brew install --cask codex# or via npm if you prefer the Node distributionnpm install -g @openai/codex
(Instalar una CLI es opcional: la app de escritorio incluye la experiencia de agente, pero muchos usuarios avanzados combinan flujos de escritorio, CLI y extensiones de IDE para cerrar el ciclo).
Fragmentos útiles de CLI (si te gusta Terminal)
- Si instalaste la CLI (
npm install -g @openai/codexo vía Homebrew), puedes abrir la app de escritorio y un workspace desde el terminal:
codex app /path/to/your/project
El subcomando codex app instala/abre la app de escritorio y abre el workspace especificado (solo macOS).
Para instalar la CLI:
# npmnpm install -g @openai/codex# or (Homebrew cask for the app)brew install --cask codex
(Instalar una CLI es opcional: la app de escritorio incluye la experiencia de agente, pero muchos usuarios avanzados combinan flujos de escritorio, CLI y extensiones de IDE para cerrar el ciclo. Usa lo que prefieras: la CLI ofrece una experiencia en terminal; la app es la interfaz de escritorio).
3) Iniciar y acceder
- Abre Codex desde Launchpad / Applications o ejecuta: open -a "Codex"
- Inicia sesión cuando se te solicite. Puedes autenticarte con:
Iniciar sesión con una cuenta de ChatGPT (recomendado si tienes ChatGPT Plus/Pro/Edu/Enterprise): experiencia completa de escritorio, hilos en la nube y sincronización basada en cuenta.
Iniciar sesión con una OpenAI API key: útil para equipos que ya despliegan flujos de trabajo basados en API; ten en cuenta que algunas funciones específicas de la nube pueden estar restringidas si usas solo una API key.
| Función | ChatGPT Account | OpenAI API Key |
|---|---|---|
| Cloud threads | ✅ Yes | ❌ Not available |
| Local task execution | ✅ Yes | ✅ Yes |
| Syncs with CLI & IDE | ✅ Yes | ✅ Yes |
| Usage from subscription | ✅ Yes | ❌ Pay per token |
| Best for | Most developers | Power users / custom builds |
- Inicio de sesión desde la app (flujo típico):
Si prefieres autenticación basada en API key, pega tu clave en la configuración de la app o configúrala en las variables de entorno de la CLI.
Lanza Codex → haz clic en Sign in → se abre una ventana del navegador donde autorizas a Codex a usar tus credenciales de ChatGPT/OpenAI.
¿Cómo crear tu primer proyecto en la app de Codex?
Crear un proyecto en Codex es intencionalmente similar a crear un workspace en un IDE, pero con controles de proyecto centrados en agentes.
Paso a paso: crea un proyecto simple de Node.js
- Dentro de la app de Codex, haz clic en New Project → elige una carpeta o crea un directorio vacío.
- Selecciona una plantilla o crea un proyecto en blanco. Para este ejemplo, elige "Blank Node.js".
- Configura el contexto a nivel de proyecto (nombre, ruta del repo, rama/worktree). La app aísla la ejecución del agente por worktree para evitar ediciones en conflicto o Choose Local (para que Codex opere sobre archivos en tu Mac).
- Inicia tu primer agente: dale una instrucción breve (p. ej., "Create a minimal Express app with a single
/healthroute and a test suite") y asigna el conjunto de skills (creación de archivos, ejecutar pruebas, commit). - Deja que el agente se ejecute: observa los logs, la salida de consola y los diffs de archivos en la interfaz de la app. Acepta o itera sobre los cambios generados.
Ejemplo: automatizar el andamiaje del proyecto con un agente de Codex (Node.js)
A continuación hay un pequeño fragmento realista de Node.js que demuestra cómo podrías invocar el modelo Codex (o agente) a través del OpenAI SDK para crear archivos. Este fragmento es ilustrativo y supone que tienes un entorno Node y una API key almacenada en OPENAI_API_KEY.
/* scaffold.js — example script to ask a Codex agent to scaffold a minimal Node app */import OpenAI from "openai";import fs from "fs";import path from "path";const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });async function scaffold(projectDir) { const prompt = `Create a minimal Node.js Express app in a folder structure. - index.js should listen on port 3000 and have GET /health returning {"status":"ok"} - package.json with start script - a basic test using jest Return files in JSON with filenames and contents.`; const resp = await client.responses.create({ model: "gpt-5.2-codex", input: prompt, // The real Codex agent API may differ; treat this as a conceptual example. max_output_tokens: 800 }); const files = JSON.parse(resp.output_text); // expecting JSON filename->content for (const [fname, content] of Object.entries(files)) { const full = path.join(projectDir, fname); fs.mkdirSync(path.dirname(full), { recursive: true }); fs.writeFileSync(full, content); console.log(`Wrote ${full}`); }}scaffold("./my-codex-sample").catch(console.error);
Importante: este código es una ilustración compacta de cómo solicitar programáticamente un andamiaje a un modelo compatible con Codex. La app real ofrece creación de agentes desde la UI y aislamiento de proyectos más avanzado, diffs visuales y entornos de ejecución locales sandbox.
Objetivo de ejemplo
A continuación hay un ejemplo conciso y reproducible de cómo creé un proyecto utilizable de Codex desde cero, capaz de construir una aplicación web simple. Incluiré pasos tanto para la interfaz de línea de comandos (CLI) como para la aplicación; la flexibilidad para alternar entre ambas mejora mucho mi flujo de trabajo, así que lo recomiendo encarecidamente. Ten en cuenta que es un ejemplo y no incluye el flujo de trabajo real ni el código completo.
En el uso real de Vibe coding, CometAPI fue de gran ayuda para mí.
“Create a minimal todo-list web app with a REST API and a simple frontend.”
1) Preparar un repositorio local
mkdir codex-todocd codex-todogit init# create a minimal READMEecho "# Codex Todo" > README.mdgit add .git commit -m "initial"
2) Iniciar Codex (CLI) o crear un proyecto (App)
Opción A — CLI:
# From inside the repocodex "Create a minimal Flask-based REST API (GET/POST/PUT/DELETE) and a static index.html frontend. Use SQLite for data storage. Add tests that verify creating and listing todos."
Opción B — App:
- Abre la app de Codex, añade la carpeta
codex-todocomo proyecto. - Haz clic en “New thread” y pega la misma instrucción en el prompt del hilo.
- Inicia el hilo y observa cómo Codex crea archivos en un worktree aislado; revisa los diffs en el propio hilo.
Cualquiera de los flujos producirá una nueva estructura de app Flask. Cuando Codex termine, puedes inspeccionar los archivos generados, ejecutar pruebas y solicitar mejoras iterativas (p. ej., “add pagination” o “improve input validation”).
3) Archivos típicos que Codex puede crear (ejemplo)
Un esqueleto generado podría incluir:
codex-todo/├─ app.py # Flask app: defines /todos endpoints├─ models.py # SQLite model + helpers├─ static/index.html # minimal JS UI for listing/adding todos├─ tests/test_api.py # pytest tests for API├─ requirements.txt
4) Revisar, ejecutar y hacer commit
- Revisa el diff en el hilo de la app (Codex muestra el patch).
- Ejecuta las pruebas localmente (
pytest) y pide a Codex que arregle cualquier prueba fallida. - Cuando estés satisfecho, haz commit de los cambios desde el worktree o fusiona la rama del worktree en tu rama principal a través de la interfaz de revisión de la app.
Este bucle interactivo —instruir, revisar diff, ejecutar pruebas, iterar— es el patrón de feedback central para el que la app está optimizada. El panel integrado de revisión de diffs y el soporte de Git worktree de la app hacen esto más seguro y menos ruidoso que ejecutar múltiples sesiones de Codex que escriben directamente en la misma rama.
Ejemplos de equipos reales (patrones anonimizados)
- Startups construyendo prototipos rápidamente: usan Codex para armar endpoints de MVP y conectar cobertura de pruebas básica, luego iteran manualmente.
- Equipos de ingeniería medianos: enrutan la clasificación inicial y parches de bugs de baja severidad a través de Codex y luego asignan un revisor humano.
- Mantenedores de open source: algunos mantenedores usan Codex para clasificar incidencias entrantes y proponer PRs de parches que los mantenedores pueden adoptar o rechazar.
Todos los ejemplos apuntan al mismo tema: Codex acelera tareas rutinarias mientras aumenta la importancia de la revisión y la gobernanza con humanos en el circuito.
¿Puedo programar con el Codex SDK?
JavaScript (Codex SDK) — iniciar un hilo y ejecutar un prompt
El Codex SDK oficial demuestra un modelo compacto para uso programático. Este es el tipo de código que los desarrolladores de macOS usan cuando quieren integrar flujos de trabajo de Codex en herramientas, scripts o servidores de automatización:
/* Example (Node.js) — requires @openai/codex-sdk */import { Codex } from "@openai/codex-sdk";async function main() { const codex = new Codex(); // start an interactive thread const thread = codex.startThread(); // ask the thread to make a plan and then implement first step const plan = await thread.run("Make a plan to fix CI failures in this repo."); console.log("Plan:", plan); const result = await thread.run("Implement the first step of the plan."); console.log("Result:", result);}main().catch(console.error);
Ese mismo SDK es lo que impulsa integraciones de mayor nivel —p. ej., lanzar tareas desde un IDE o componer flujos multi‑agente en macOS.
Patrón pequeño en Python (usando la Responses API para tareas de soporte)
El cliente responses/API de OpenAI para Python sigue siendo útil para scripts de apoyo (por ejemplo, generar documentación a partir de resúmenes de código). A continuación hay un fragmento mínimo usando la OpenAI Responses API (el patrón para funciones estilo Codex SDK es similar cuando los SDKs de Python estén disponibles):
# Python example using OpenAI Responses API (general pattern)from openai import OpenAIclient = OpenAI()resp = client.responses.create( model="gpt-5.2", input="Summarize the project's README in three bullets.")print(resp.output_text)
(Cuando se usa un Codex SDK dedicado para Python o existen envoltorios de la comunidad, normalmente llaman al mismo binario subyacente de codex o a la interfaz codex exec).
Mejores prácticas para usuarios de macOS que adoptan la app de Codex
Adoptar un nuevo flujo basado en agentes plantea preguntas sobre eficiencia, gobernanza y calidad. A continuación hay mejores prácticas concretas en las que equipos experimentados y primeros revisores han convergido.
1) Usa Git worktrees para sesiones de agentes en paralelo
El soporte integrado de worktree de Codex es una mejora práctica sobre el branching ad hoc: permite que múltiples hilos de agentes aislados editen el mismo repositorio sin conflictos de merge inmediatos. Crea worktrees separados para funciones o experimentos distintos y deja que los agentes operen en esos entornos aislados. Cuando estén listos, revisa y fusiona.
2) Trata la salida del agente como un primer borrador — aplica puertas de prueba
Siempre ejecuta pruebas y linters sobre los cambios producidos por agentes antes de fusionar. Usa CI para ejecutar una canalización de verificación estricta — los agentes pueden ser instruidos iterativamente para corregir problemas, pero las puertas de prueba con humanos en el circuito reducen regresiones. Las automatizaciones de Codex pueden ejecutar las pruebas y mostrar los fallos en la cola de revisión.
3) Crea y comparte skills reutilizables
Las skills encapsulan flujos repetibles (p. ej., “create CRUD scaffold for nextjs”, “triage new issues using label rules”). Regístralas en un repo de equipo para que múltiples agentes y miembros del equipo puedan reutilizarlas y aplicar un comportamiento consistente. Esto reduce el prompting repetido y mejora la predictibilidad.
4) Minimizar la exposición accidental
- Usa checkpoints de Git antes de ediciones pesadas de agentes para poder revertir si un agente introduce un comportamiento no deseado. La CLI y la app recomiendan hacer checkpoints.
- Usa reglas a nivel de proyecto para limitar el acceso a red o shell para automatizaciones no validadas. Permite solo lo necesario (acceso de solo lectura para inspección de código, permiso explícito para llamadas de red o
npm install).
5) Usa la app para orquestación de mayor nivel, no para microgestión
Codex destaca cuando se le pide hacerse cargo de tareas de múltiples pasos de extremo a extremo (diseño → código → pruebas → PR). Reserva la atención humana para arquitectura, revisiones de seguridad críticas y decisiones de producto; deja que los agentes manejen la implementación rutinaria, el andamiaje y la clasificación.
Reflexiones finales
La app de Codex convierte la programación basada en agentes de una novedad en un flujo de trabajo de escritorio utilizable para usuarios de Apple Silicon. Para desarrolladores de macOS que quieren experimentar y ganar productividad en tareas repetitivas, ya es una incorporación valiosa. La app de Codex es menos una interfaz novedosa y más un paso estructural: formaliza flujos de desarrollo de software multi‑agente, paralelos y automatizados en el Mac. Si tu equipo la trata como otra herramienta potente (con pruebas, checkpoints y revisiones), puedes capturar ganancias de productividad reales sin sacrificar seguridad o calidad de código.
CometAPI es una plataforma de agregación integral para APIs de grandes modelos, que ofrece integración y gestión fluida de servicios de API. Admite la invocación de varios modelos de IA de uso general, como Claude Sonnet/ Opus 4.6 y GPT-5.3 Codex. Antes de acceder, asegúrate de haber iniciado sesión en CometAPI y obtenido la API key. CometAPI ofrece un precio muy inferior al oficial para ayudarte a integrar.
¿Listo para comenzar? → Regístrate en vibe coding hoy
Si quieres conocer más consejos, guías y noticias sobre IA, síguenos en VK, X y Discord.