devspace: как превратить ChatGPT в Codex через MCP-коннектор

devspace — это MCP-коннектор, который «превращает ChatGPT в Codex». Инструмент был собран на Codex-хакатоне за один день и решает конкретную практическую проблему: GPT-5.5 Pro — лучшая модель для планирования и исследования кода, но она недоступна напрямую в Codex.

Репозиторий: github.com/Waishnav/devspace

Описание в шапке: «Turn ChatGPT into Codex» — 27 звёзд, 3 форка на момент написания статьи.

## Какую проблему решает devspace

Чтобы понять ценность инструмента, нужно понять архитектурную особенность, на которой он построен.

OpenAI предлагает два отдельных продукта с разными моделями и разными rate limits:

ChatGPT — интерфейс с доступом к GPT-5.5 Pro. Это мощная универсальная модель, отлично подходящая для планирования, исследования кодовой базы, разбора архитектуры и постановки задач. Но ChatGPT сам по себе не имеет доступа к вашей локальной файловой системе.

Codex — агент для написания кода. Работает с вашим локальным окружением, читает файлы, запускает команды, делает коммиты. Но основная рекомендуемая модель в Codex — GPT-5.5, а не GPT-5.5 Pro. Для «сверхбыстрых задач» подписчикам ChatGPT Pro доступна модель GPT-5.3-Codex-Spark в research preview.

Ключевое открытие, которое лежит в основе devspace: ChatGPT и Codex имеют раздельные rate limits. Это означает, что можно использовать оба продукта параллельно — GPT-5.5 Pro для планирования и исследования в ChatGPT, и Codex для непосредственного написания кода — и при этом фактически удвоить доступный объём работы, не упираясь в общий лимит.

devspace реализует этот паттерн технически: через MCP-сервер он открывает локальное dev-окружение для ChatGPT, после чего ChatGPT с GPT-5.5 Pro получает возможность видеть файлы проекта и передавать задачи в Codex.

## Как это работает технически

Архитектура devspace состоит из нескольких частей:

MCP-сервер — принимает запросы от ChatGPT и предоставляет инструменты для работы с локальным окружением разработчика. Сервер запускается локально и выступает мостом между ChatGPT (облако) и файловой системой (локально).

Экспозиция dev-окружения — после запуска сервера ChatGPT получает доступ к контексту вашего проекта: файлам, структуре директорий, истории git. Это то, что обычно доступно только Codex CLI при прямой работе в терминале.

Передача задач в Codex — после того как GPT-5.5 Pro в ChatGPT провёл планирование и исследование, задача передаётся в Codex для исполнения. Codex получает уже сформулированное задание и контекст, а не работает с нуля.

Структура репозитория:

devspace/
├── .github/workflows/   — CI/CD
├── docs/                — документация
├── scripts/             — вспомогательные скрипты
├── src/                 — исходный код сервера
├── .env.example         — шаблон переменных окружения
└── README.md

## Workflow: как это выглядит на практике

Рабочий процесс с devspace разделён на два явных этапа по принципу «лучшая модель для каждой задачи».

Этап 1 — Планирование в ChatGPT (GPT-5.5 Pro)

ChatGPT с подключённым devspace MCP-сервером видит ваш проект. Здесь вы задаёте вопросы высокого уровня:

• «Как устроена авторизация в этом проекте?»
• «Где лучше добавить новый модуль кэширования?»
• «Какие файлы нужно поменять, чтобы добавить поддержку WebSocket?»

GPT-5.5 Pro исследует кодовую базу, формирует план изменений, определяет список файлов для редактирования.

Этап 2 — Исполнение в Codex

Готовый план и список задач передаются в Codex. Codex уже не тратит токены на исследование — он получает чёткое задание и приступает к написанию кода, запуску тестов и коммитам.

Практический результат: вы получаете GPT-5.5 Pro для планирования и handover в Codex для исполнения, используя раздельные rate limits как способ удвоить эффективную пропускную способность.

## Почему GPT-5.5 Pro важен для планирования

Автор devspace сформулировал это прямо: «GPT 5.5 Pro — лучшая модель для планирования и исследования. Почему она недоступна в Codex?» devspace — это ответ на этот вопрос в виде работающего инструмента.

Разница между GPT-5.5 и GPT-5.5 Pro проявляется именно на задачах, где нужна глубина рассуждения: понимание архитектуры незнакомого проекта, разбор сложных зависимостей, формулировка точного технического задания. Это именно те задачи, которые предшествуют написанию кода — и именно здесь выигрыш от более мощной модели максимален.

## Контекст: раздельные rate limits как архитектурная особенность

По официальной документации OpenAI, ChatGPT и Codex работают на одном аккаунте, но некоторые настройки и подключённые сервисы могут переноситься между ними — например, если вы подключили Google Drive в ChatGPT, он будет доступен и в Codex. При этом сами лимиты использования у этих двух продуктов раздельные.

Это не баг и не лазейка — это архитектурная особенность того, как OpenAI разделил два продукта. devspace использует её сознательно: вместо того чтобы тратить весь лимит Codex на исследование и планирование, исследование делается в ChatGPT (свой лимит), а Codex тратит свой лимит исключительно на написание кода.

Важный момент про лимиты: использование Codex, ChatGPT for Excel и Workspace Agents считается в одном агентском лимите. Количество сообщений, которые можно отправить в рамках этих лимитов, варьируется в зависимости от размера и сложности задач — маленькие скрипты могут потреблять лишь долю лимита, тогда как большие кодовые базы и длинные сессии используют значительно больше. Именно поэтому возможность разделить исследование и исполнение между двумя продуктами с отдельными лимитами — реальное практическое преимущество.

## Для кого это полезно

Разработчики на ChatGPT Pro — те, у кого уже есть подписка с доступом к GPT-5.5 Pro, но кто хочет использовать Codex для написания кода. devspace позволяет получить максимум от обоих продуктов без дополнительной оплаты.

Команды, активно использующие Codex — для которых rate limits Codex становятся реальным ограничением. Перенос части задач (исследование, планирование, code review) в ChatGPT освобождает лимит Codex для непосредственного написания кода.

Вайбкодеры, работающие с незнакомыми кодовыми базами — когда нужно быстро разобраться в чужом проекте. GPT-5.5 Pro через devspace может исследовать структуру и объяснить архитектуру, а Codex затем реализует нужные изменения.

## Установка и запуск

Репозиторий содержит .env.example — стандартный шаблон переменных окружения. Основная зависимость — наличие аккаунта ChatGPT с доступом к GPT-5.5 Pro (подписка ChatGPT Pro).

Общая схема запуска (детали в README репозитория):

# Клонировать репозиторий
git clone https://github.com/Waishnav/devspace.git
cd devspace

# Настроить переменные окружения
cp .env.example .env
# Отредактировать .env, указав необходимые ключи

# Установить зависимости и запустить
npm install
npm run dev

После запуска MCP-сервер доступен локально — его нужно подключить в настройках ChatGPT как MCP-инструмент. После подключения ChatGPT получает доступ к инструментам, описанным в сервере.

## Связь с экосистемой MCP

devspace — часть более широкого тренда: ChatGPT поддерживает MCP-инструменты, и разработчики могут строить собственные MCP-серверы для интеграции внешних сервисов и локального окружения с ChatGPT.

Именно по этому пути и пошёл devspace: вместо того чтобы ждать, пока OpenAI самостоятельно откроет GPT-5.5 Pro в Codex, автор реализовал нужную связку через открытый протокол MCP.

Сам Codex продолжает активно развивать поддержку MCP: в последних обновлениях добавлены выборы одобрения MCP-действий для текущего чата или всех чатов, улучшен маркетплейс плагинов с отдельными вкладками и фильтрами по категориям.

## Ограничения и честная оценка

devspace — проект, собранный за один день на хакатоне. Это означает:

Что работает хорошо: концептуально и технически решение правильное, задача понятная, MCP — стандартный протокол, поддерживаемый ChatGPT.

Что стоит учитывать: код хакатона обычно требует доработки перед использованием в серьёзных проектах. 27 звёзд на момент написания — это небольшое, но реальное сообщество.

Зависимость от OpenAI: если OpenAI изменит политику раздельных rate limits или добавит GPT-5.5 Pro напрямую в Codex — основное преимущество devspace частично исчезнет. Хотя MCP-коннектор для экспозиции локального окружения в ChatGPT останется полезным и в этом случае.

## Итог

devspace — это элегантное решение реальной проблемы: GPT-5.5 Pro недоступна в Codex, но именно она лучше всего справляется с планированием и исследованием. MCP-коннектор открывает локальное окружение для ChatGPT и создаёт двухэтапный workflow: планирование через GPT-5.5 Pro в ChatGPT, исполнение через Codex — с раздельными rate limits для каждого.

Для разработчиков, которые упираются в лимиты Codex или хотят использовать более мощную модель для исследовательской части работы — это готовый инструмент, который можно попробовать прямо сейчас.

Репозиторий: github.com/Waishnav/devspace