# 影片筆記：Connect Codex With Claude Code | Run fable 5 and GPT-5.6 Sol together

## 一句話總結
本影片演示如何透過 MCP (Model Context Protocol) 伺服器將 **Codex** 串接至 **Cloud Code**，並建立由 Cloud Code 生成的子代理 (Sub-agents)，利用 **GPT 5.6** 進行程式碼生成，並由 **Fable 5** 擔任 QA 進行程式碼審查的循環流程。

## 核心重點
1.  **串接架構**：透過 `cloud mcp add` 指令將 Codex 加入 Cloud Code 的本地設定，建立 MCP 伺服器連線。
2.  **子代理機制**：在 Cloud Code 介面中，可建立子代理 (Sub-agents) 來執行特定任務。
3.  **生成與審查循環**：
    *   使用 **GPT 5.6** (或稱 `gpt 5.6 solve`) 負責生成程式碼（例如：生成質數函數）。
    *   使用 **Fable 5** 負責擔任 QA/程式碼審查者。
    *   審查過程包含讀取檔案、執行測試（如 `primes or py test pass review`）並提供優缺點評估。
4.  **連線持續性**：系統顯示 `session thread alive` 標籤，表示連線持續開啟，避免每次對話都需重新建立連線。
5.  **驗證方式**：透過 `cloud mcp list` 檢查伺服器健康狀態，並執行 `codex say hello` 測試工具存取權。

## 詳細大綱

### 1. 前置準備
*   安裝 **Cloud Code CLI**。
*   安裝 **Codex**。

### 2. 建立 MCP 伺服器連線
*   執行指令將 Codex 加入 Cloud Code 的本地設定：
    *   `cloud mcp add codex --codex-mcp-server`
*   檢查連線狀態與伺服器清單：
    *   執行 `cloud mcp list` 查看已連線的伺服器及健康狀態。
    *   確認工具列表中是否包含 `mcp-codex` 等項目。

### 3. 驗證連線與工具使用
*   在 Cloud Code 介面確認具備 Codex 存取權。
*   執行測試指令 `codex say hello`。
*   授予工具使用權限以獲取回應。

### 4. 實作子代理與程式碼審查循環
*   **任務設定**：要求建立子代理撰寫生成質數 (primes) 的函數。
*   **模型分工**：
    *   **GPT 5.6**：負責生成程式碼。
    *   **Fable 5**：負責擔任 QA/程式碼審查。
*   **審查流程**：
    *   系統顯示 `session thread alive`，確保連線持續。
    *   審查者讀取檔案。
    *   執行測試指令（如 `primes or py test pass review`）。
    *   提供優缺點評估。
*   **應用**：透過此循環機制持續生成與審查程式碼，直到符合需求。

### 5. 結語
*   邀請觀眾留言詢問具體使用案例。

## 工具 / 模型 / 名詞整理
*   **Cloud Code**：開發環境/工具。
*   **Codex**：AI 程式碼生成工具。
*   **Cloud Code CLI**：Cloud Code 的命令列介面。
*   **MCP (Model Context Protocol) Server**：模型情境協議伺服器，用於串接不同工具。
*   **GPT 5.6** (或 `gpt 5.6 solve`)：影片中指定的用於程式碼生成的模型。
*   **Fable 5** (或 `fable 5`)：影片中指定的用於 QA/程式碼審查的模型。
*   **OpenAI**：GPT 模型相關公司。
*   **Edit Studio MCP Server**：指令輸出中提及的伺服器名稱。
*   **Magnific Hicksfield**：`cloud mcp list` 輸出中出現的伺服器名稱。
*   **Gmail, Google, Notion, YouTube**：`cloud mcp list` 輸出中出現的其他伺服器名稱。

## 操作流程整理
1.  **安裝階段**：
    *   安裝 Cloud Code CLI。
    *   安裝 Codex。
2.  **連線設定階段**：
    *   執行 `cloud mcp add codex --codex-mcp-server`。
    *   執行 `cloud mcp list` 確認連線成功。
3.  **功能測試階段**：
    *   在介面確認 `mcp-codex` 等工具已連線。
    *   執行 `codex say hello` 並授予權限測試回應。
4.  **實作應用階段**：
    *   建立子代理。
    *   輸入指令要求生成質數函數。
    *   系統自動分配 GPT 5.6 生成程式碼。
    *   系統自動分配 Fable 5 進行審查（讀檔、測試、評估）。
    *   確認 `session thread alive` 狀態，維持連線進行後續迭代。

## 值得注意的限制或風險
*   **模型名稱非標準**：影片中使用的 `GPT 5.6`、`gpt 5.6 solve`、`Fable 5` 並非目前公開標準的模型版本名稱，可能為內部版本、聽寫錯誤或特定實驗性模型。
*   **指令辨識錯誤風險**：部分指令片段（如 `codex dash triple i`、`codex dash triple i`）疑似聽寫錯誤，實際操作時需查證正確參數。
*   **路徑/指令語意不明**：審查結果中出現 `subagent road scratchpad slash primes or py test pass review`，語意不清，可能影響實際操作復現。

## 逐字稿辨識疑點
*   **gpt 5.6 solve**：逐字稿中多次出現此名稱，疑似為模型版本或特定功能的稱呼，但非標準公開模型名稱，需查證。
*   **fable 5**：逐字稿中作為與 GPT 5.6 搭配使用的模型名稱，需查證是否為特定內部模型或聽寫錯誤。
*   **codex mcp dash server**：指令 `cloud mcp add codex dash --codex mcp dash server` 中的 `dash` 疑似為破折號 `-` 的聽寫錯誤，但依規則保留原樣。
*   **codex dash triple i**：指令片段 `codex dash triple i` 疑似為參數或標記的聽寫錯誤，需查證。
*   **subagent road scratchpad slash primes or py test pass review**：審查結果中的路徑或指令 `road scratchpad slash primes or py test pass review` 語意不明，疑似聽寫錯誤，需查證。
*   **magnific hicksfield gmail google notion**：在 `cloud mcp list` 輸出的伺服器清單中，`magnific hicksfield` 與 `gmail`、`google`、`notion` 並列，`magnific hicksfield` 疑似為特定 MCP 伺服器名稱或聽寫錯誤，需查證。
*   **edit studio mcp server**：指令執行後的輸出訊息 `edit studio mcp server`，需查證是否為正確的產品或服務名稱。

## 可延伸追問
*   `Fable 5` 與 `GPT 5.6` 的具體技術規格或來源為何？
*   如何正確拼寫 `codex dash triple i` 與 `codex dash triple i` 等指令參數？
*   `Magnific Hicksfield` 是什麼樣的 MCP 伺服器？
*   如何自訂 `Edit Studio MCP Server` 或其他列出的伺服器？
*   在實際開發中，如何確保 `session thread alive` 的穩定性以避免連線中斷？