• Codex 能接 DeepSeek，三行配置的事
• Cloud Code（Google）基本不能接，绑定自家生态
• 效果差别：外壳（工具本身）一样，上限由模型决定；GPT-5-Codex 为 coding agent 特调，DeepSeek 是通用模型，复杂任务差距明显、简单任务够用且便宜

2 我的想法 / 卡点

之前一直以为这些工具只能用自己的模型，聊完才知道：

• Codex 2026 年 6 月官方宣布支持第三方模型，从"OpenAI 专用客户端"变成"模型中立的编码代理平台"
• 我的困惑点是"DeepSync 是什么"——其实是语音识别把 DeepSeek 听错了
• “Cloud Code 源码泄露导致 React/Reason 流行"这个说法也记错了：泄露的是 Claude Code（Anthropic），不是 Google 的 Cloud Code

3 详细回答

3.1 Codex 接入 DeepSeek（可行）

~/.codex/config.toml 加 provider 定义：

1
2
3
4

[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com/v1"
env_key = "DEEPSEEK_API_KEY"

命令行走 codex --provider deepseek --model deepseek-coder 切换。Kimi、GLM、Qwen、Ollama 同理。

坑：

• Codex 2026 年 2 月起默认走 Responses API，第三方接口大多只有 Chat Completions，需设 wire_api = "chat"，否则报流式/格式错误
• 桌面端接 DeepSeek 需要两层本地代理（模型名映射 + Responses→Chat 转换），社区有现成方案
• provider ID 区分大小写，模型名前缀写错会被静默忽略走 fallback

3.2 Cloud Code 接入 DeepSeek（基本不可行）

• Cloud Code（IDE 插件）绑定 Google 生态，不开放自定义模型
• Gemini CLI（已开源）原生只认 Gemini；需"魔改版"或 LiteLLM 代理才能接 DeepSeek
• 且 Gemini CLI 免费版 2026-06-18 已停用，个人用户迁移到 Antigravity CLI

3.3 效果差别：外壳一样，上限由模型决定

结论：日常小活用 DeepSeek 省钱，大活切回专用模型。Codex 支持多 provider 随时切，opencode 本身 75+ 模型随便换。

3.4 彩蛋：源码泄露事件的真相

• 2026-03-31，Anthropic 的 Claude Code 因 npm 包遗留 59MB source map（cli.js.map），51.2 万行 TypeScript 全曝光（第二次同原因泄露）
• 大家因此看到：终端 UI 用 React+Ink、Bun 运行时、40+ 工具模块、权限分层
• React（2013 年）/ ReAct（2022 年论文）不是泄露"导致"的，泄露只是让大家看到了顶级 Agent 的工程实现，引发讨论和借鉴

4 知识扩展

• DeepSeek API 完全兼容 OpenAI 协议，官方文档有 coding agents 接入指南
• Codex config.toml 三级配置：用户级（~/.codex/config.toml）→ 项目级（.codex/config.toml）→ 命令行参数，优先级递增
• 环境变量方式（OPENAI_BASE_URL）只能配一个 provider，config.toml 支持多 provider 并存切换

读完这篇文章，你就能明白：AI 是怎么从"只会聊天"变成"能帮你做事"的！

1 🧠 一、先认识 LLM（大语言模型）

LLM 就像一个读了超级多书的学霸。

你问它什么，它都能回答。比如你问：“恐龙是怎么灭绝的？“它能给你讲得头头是道。

但它有一个大问题：只会说，不会做。

• 你让它"帮我订个外卖”，它只能告诉你"你可以打开外卖 App 来订…"——它没法真的帮你下单。
• 你让它"帮我把作业发到老师邮箱”，它也只能告诉你怎么做——它没法真的帮你发。

就像一个有嘴没手的人，讲得头头是道，但你让它动手做事，它就没办法了。

2 🦸 二、Agent 是什么？——给 LLM 装上"手和脚"

Agent（智能体）就是解决了这个问题！

Agent = LLM（大脑）+ 工具（手和脚）+ 记忆 + 规划能力

2.1 用一个小故事来理解

• LLM：像一个只会给你提建议的顾问。你问"怎么收拾房间？“他说"先把书放好，再把玩具收起来…"——但他绝不会动手帮你。
• Agent：像一个能帮你干活的小管家。你说"帮我收拾房间”，他会自己去拿扫把、整理书架、把玩具放进箱子，直到房间干干净净！

2.2 Agent 能做什么？

3 🏭 三、Workflow 和 Agent 的区别

• Workflow：就像工厂流水线——每一步做什么都是提前规定好的，按顺序来。
• Agent：就像一个聪明的小帮手——你只告诉它目标，它自己决定怎么做。

举个例子：处理退换货

• Workflow 的做法：每一步都写死在程序里（先查订单→再判断能不能退→然后退款→最后发邮件）
• Agent 的做法：收到退货申请后，自己去查订单、看退货政策、判断要不要退款、发邮件——每一步都是它自己决定的！

💡 简单记：Workflow 是"我告诉你每一步怎么做"，Agent 是"我告诉你目标，你自己想办法"

4 🎮 四、Agent 的四种工作模式

就像小朋友写作业有不同的方式，Agent 也有不同的"干活方式"：

4.1 1. 🏃 ReAct（边想边做）

学到哪做到哪。先想一步→做一步→看看结果→再想下一步。像玩迷宫游戏，走一步看一步。

4.2 2. 📝 Plan-and-Execute（先列计划再做）

先把整个计划写下来，然后一步一步执行。像写作文前先列提纲，再按提纲来写。

4.3 3. 🔍 Reflection（做完再检查）

做完之后自己再检查一遍，发现问题就改。像考试做完卷子再检查一遍。

4.4 4. 👥 Multi-Agent（团队合作）

让好几个 Agent 分工合作，各做各擅长的。就像一个小组作业，有人查资料、有人写报告、有人做 PPT。

5 🔧 五、Function Call——Agent 的"超能力"

Function Call 就是让 AI 能"打电话"的能力。

• 以前：你问 AI “今天天气怎么样？“它只能猜。
• 现在：AI 会"打电话"给天气 App，查到真实数据后再告诉你！

就像你问妈妈一个问题，妈妈不知道，但她会打电话问别人，然后再告诉你答案。

6 🔌 六、MCP——AI 世界的"USB-C 接口”

MCP 是一个统一标准，让 AI 能用同一种方式连接各种工具。

想象一下：

• 以前：每个设备充电都要用自己的充电线（iPhone 用 Lightning、安卓用 Micro-USB…）——太乱了！
• 现在：大家都用 USB-C，一根线搞定所有设备。

MCP 就是 AI 世界的 USB-C——一种通用的连接方式，让 AI 能轻松接入任何工具（搜索、邮件、数据库…）。

7 📖 七、Skills——AI 的"菜谱”

Skills 是教 AI “怎么做事"的说明书。

打个比方：

• MCP = 厨房里有锅、有刀、有烤箱（工具）
• Skills = 菜谱，告诉你怎么做红烧肉（方法）

光有工具不够，还得知道怎么用！Skills 就是在教 Agent：“遇到这种情况，你应该这样做…”

8 🗣️ 八、A2A——Agent 之间的"电话”

A2A 是让不同的 Agent 之间能互相聊天、协作的协议。

比如：一个公司里，有 HR Agent（管人事）、IT Agent（管电脑）、财务 Agent（管工资）。新员工入职时，这三个 Agent 需要一起配合。

A2A 就是让它们能互相"打电话"、分配任务的标准方式！

9 🎯 总结：一张图搞定所有概念

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

┌──────────────────────────────────────────────┐
│                  Agent（智能体）               │
│  ┌─────────┐  ┌──────────┐  ┌────────────┐  │
│  │ 🧠 大脑  │  │ 📝 规划  │  │ 💾 记忆    │  │
│  │  (LLM)  │  │          │  │            │  │
│  └─────────┘  └──────────┘  └────────────┘  │
│                   ┌──────────────┐           │
│                   │ 🔧 工具模块   │           │
│                   │ Function Call │           │
│                   │ MCP 协议      │           │
│                   │ Skills 技能   │           │
│                   └──────────────┘           │
└──────────────────────────────────────────────┘

Function Call → 让 AI 能"打电话"（最基础的能力）
MCP          → 统一的连接标准（AI 的 USB-C）
Skills       → 教 AI 怎么做事（AI 的菜谱）
A2A          → Agent 之间的沟通协议（Agent 的电话）

10 🌟 记住这三句话就够了

1. LLM 是大脑：会想会说，但不会做
2. Agent 是完整的人：有大脑（LLM）+ 手和脚（工具）+ 记忆 + 计划
3. Function Call / MCP / Skills / A2A：都是让 Agent 变得更强的方法