adamallcock/codex-chatgpt-control

何を解決するか

codex-chatgpt-control は、AIエージェントが可視なChatGPTウェブインターフェース（chatgpt.com）と構造的にやり取りできるようにする構造化ブリッジを提供します。このSDKは、ユーザーがローカル実行環境（例：Codex）とChatGPTウェブ製品の間で作業を手動で移動する必要があるという問題を解決します。たとえば、会話形式のレビュー、リサーチ、成果物の作成などのタスクにおいて、この移動が煩雑になることがよくあります。

動作方法

このSDKは、互換性のあるCodex/ブラウザブリッジを介してブラウザを制御するランタイム権限として機能します。非公開APIや隠しエンドポイントを使用せず、ログイン済みのChatGPTセッションのユーザー可視UIコントロールとやり取りします。ユーザーが「チャット」または「ワーク」体験のどちらにいるかを検出でき、設定（モデルや努力レベルなど）を検査・適用し、スレッドやタスクを管理できます。本プロジェクトでは、Node.jsランタイムと、Nodeバックエンドと通信するPythonパリティクライアントの両方を提供しています。

対象ユーザー

実際のChatGPTウェブ製品に特定のワークフローを委任したいが、プロセスを可視化し、ユーザーが主導する必要がある開発者向けです。

主な特徴

• 可視セッション専用： ブラウザUIを介してのみ動作し、透明性とユーザー制御を確保します。
• 体験検出： ChatGPTのチャット体験とワーク体験を自動的に識別し、対応するコントロールを管理します。
• ワークタスク管理： 長時間実行されるワークタスクの開始、ポーリング、進行方向の調整、結果の取得をサポートし、重複送信を防ぎます。
• アーティファクト処理： ローカルファイルのアップロードと生成されたアーティファクト（画像のみの結果も含む）のダウンロードが可能。
• エージェント向けスキル： SDKを一貫して使用できるようにするためのCodexプラグインとスキルを提供。
• プライバシー保護レポート： デフォルトでプロンプトと応答の内容を含まない、ローカルでの実行レポートを生成。