Codex mulai mendukung subagents

• OpenAI Codex kini mendukung workflow subagent, memungkinkan tugas kompleks didistribusikan secara paralel ke beberapa agen spesialis dan hasilnya digabungkan menjadi satu
• Subagent hanya dibuat saat pengguna memintanya secara eksplisit, dan karena tiap agen menggunakan model serta alatnya sendiri secara independen, konsumsi token meningkat dibanding agen tunggal
• Agen kustom dapat didefinisikan dalam file TOML sehingga model, mode sandbox, server MCP, dan lainnya bisa dikonfigurasi secara independen per agen
• Juga mencakup fitur eksperimental spawn_agents_on_csv yang membuat worker agent secara massal dengan menjadikan setiap baris dalam file CSV sebagai satu unit pekerjaan
• Dokumentasi resmi juga langsung menjelaskan pola kombinasi agen kustom untuk skenario nyata seperti code review dan debugging frontend

---

Gambaran umum subagent dan ketersediaannya

• Codex mendukung workflow subagent yang memunculkan (spawn) agen spesialis secara paralel dan mengumpulkan hasilnya ke dalam satu respons
• Sangat berguna terutama untuk tugas kompleks yang memerlukan paralelisme tinggi, seperti eksplorasi codebase atau perencanaan implementasi fitur multilangkah
• Dalam workflow subagent, agen kustom dengan konfigurasi model dan instruksi yang berbeda juga dapat didefinisikan sesuai tugas
• Pada rilis Codex saat ini, workflow subagent aktif secara default
• Aktivitas subagent saat ini dapat dilihat di aplikasi Codex dan CLI, dan visibilitas di IDE Extension akan segera ditambahkan
• Subagent hanya dibuat saat pengguna memintanya secara eksplisit, dan karena setiap subagent menjalankan pekerjaan model dan alatnya sendiri, konsumsi token lebih besar daripada eksekusi agen tunggal

Workflow umum

• Codex menangani orkestrasi antaragen: termasuk membuat subagent baru, merutekan instruksi lanjutan, menunggu hasil, dan menutup thread agen
• Saat beberapa agen berjalan, Codex menunggu hingga semua hasil permintaan siap lalu mengembalikan respons yang digabungkan
• Contoh prompt: minta dibuatkan satu agen untuk masing-masing isu keamanan, kualitas kode, bug, race condition, ketidakstabilan pengujian, dan maintainability pada PR saat ini, lalu rangkum keseluruhan hasilnya

Manajemen subagent

• Di CLI, perintah /agent memungkinkan berpindah antar thread agen aktif dan memeriksa thread yang sedang berjalan
• Anda juga dapat meminta langsung ke Codex untuk mengendalikan, menghentikan, atau menutup thread yang sudah selesai dari subagent yang sedang berjalan

Kontrol persetujuan dan sandbox

• Subagent mewarisi kebijakan sandbox pengguna saat ini
• Dalam sesi CLI interaktif, permintaan persetujuan dari thread agen yang tidak aktif dapat tetap ditampilkan meski thread utama sedang digunakan, dan overlay persetujuan akan menampilkan label thread sumber
  • Tekan o untuk membuka thread tersebut, lalu beri persetujuan, tolak, atau tanggapi
• Dalam alur noninteraktif, persetujuan baru tidak dapat ditampilkan, sehingga pekerjaan yang memerlukan persetujuan akan gagal dan error diteruskan ke workflow tingkat atas
• Saat membuat agen turunan, override runtime langsung dari giliran induk diterapkan ulang, termasuk perubahan /approvals atau pengaturan interaktif seperti --yolo
  • Bahkan jika file agen kustom yang dipilih menetapkan default yang berbeda, pengaturan induk tetap diprioritaskan
• Anda juga dapat meng-override pengaturan sandbox secara terpisah untuk agen kustom tertentu, misalnya menetapkan agen tertentu ke mode read-only

Agen kustom

• Codex menyediakan 3 agen bawaan
  • default: agen fallback serbaguna
  • worker: agen berfokus eksekusi untuk implementasi dan perbaikan
  • explorer: agen berfokus pembacaan untuk eksplorasi codebase
• Saat mendefinisikan agen kustom, tambahkan file TOML terpisah di ~/.codex/agents/ (pribadi) atau .codex/agents/ (cakupan proyek)
• Setiap file mendefinisikan satu agen kustom, dan Codex memuatnya sebagai lapisan konfigurasi pada sesi pembuatan
• Field wajib yang harus ada di semua file agen kustom:
  • name, description, developer_instructions
• Field opsional seperti nickname_candidates, model, model_reasoning_effort, sandbox_mode, mcp_servers, skills.config, dan lainnya akan mewarisi dari sesi induk jika dihilangkan

Konfigurasi global

• Konfigurasi global subagent didefinisikan di bagian [agents] pada file konfigurasi
• agents.max_threads: batas maksimum thread agen yang terbuka secara bersamaan (default 6)
• agents.max_depth: kedalaman nesting agen yang dibuat (default 1, hanya mengizinkan agen anak langsung dan mencegah nesting lebih dalam)
• agents.job_max_runtime_seconds: timeout default per worker untuk pekerjaan spawn_agents_on_csv (jika tidak disetel, default per pemanggilan adalah 1800 detik)
• Jika nama agen kustom sama dengan agen bawaan seperti explorer, agen kustom akan diprioritaskan

Skema file agen kustom

• name (string, wajib): nama agen yang digunakan Codex saat membuat atau mereferensikan agen
• description (string, wajib): panduan untuk manusia tentang kapan Codex harus menggunakan agen ini
• developer_instructions (string, wajib): instruksi inti yang mendefinisikan perilaku agen
• nickname_candidates (string[], opsional): pool nama panggilan tampilan untuk agen yang dibuat
• Kunci config.toml lain yang didukung juga dapat disertakan: model, model_reasoning_effort, sandbox_mode, mcp_servers, skills.config, dan lainnya
• Codex mengidentifikasi agen menggunakan field name; meskipun menyamakan nama file dengan nama agen adalah konvensi paling sederhana, field name adalah sumber kebenaran

Nama panggilan tampilan

• nickname_candidates digunakan untuk menampilkan label yang dapat dibedakan di UI saat beberapa instance dari agen kustom yang sama dijalankan
• Nama panggilan hanya untuk tampilan, dan Codex tetap mengidentifikasi serta membuat agen menggunakan name
• Kandidat nama panggilan harus berupa daftar nama unik yang tidak kosong, dan dapat menggunakan karakter ASCII, angka, spasi, tanda hubung, serta underscore
• Contoh: jika agen reviewer diberi nama panggilan ["Atlas", "Delta", "Echo"], maka nama panggilan akan ditampilkan di aplikasi dan CLI, tetapi tipe agen dasarnya tetap reviewer

Contoh 1: pola review PR

• Pola untuk membagi review ke tiga agen kustom terspesialisasi
  • pr_explorer: agen read-only untuk memetakan codebase dan mengumpulkan bukti (model: gpt-5.3-codex-spark, reasoning effort: medium)
  • reviewer: reviewer PR yang mencari correctness, keamanan, dan risiko pengujian (model: gpt-5.4, reasoning effort: high)
  • docs_researcher: spesialis dokumentasi yang memeriksa dokumentasi framework atau API melalui server MCP khusus (model: gpt-5.3-codex-spark, read-only)
• Konfigurasi proyek: max_threads = 6, max_depth = 1
• Instruksi untuk pr_explorer: tetap dalam mode eksplorasi, telusuri jalur eksekusi aktual, kutip file dan simbol, dan hindari menyarankan perubahan kecuali diminta oleh agen induk
• Instruksi untuk reviewer: review dari sudut pandang pemilik, prioritaskan correctness, keamanan, regresi perilaku, dan cakupan pengujian yang hilang; sertakan langkah reproduksi jika memungkinkan; hindari komentar yang hanya soal gaya kecuali itu menyembunyikan bug nyata
• Instruksi untuk docs_researcher: gunakan docs MCP server untuk memverifikasi API, opsi, dan perilaku per versi, lalu jawab singkat dengan tautan atau referensi yang akurat, tanpa mengubah kode
• Contoh prompt penggunaan: "Review branch ini dibandingkan main. pr_explorer memetakan jalur kode yang terdampak, reviewer mencari risiko substantif, dan docs_researcher memverifikasi API framework yang diandalkan patch ini"

Pemrosesan batch CSV: spawn_agents_on_csv (eksperimental)

• Fitur eksperimental yang dapat berubah di masa mendatang
• Saat ada banyak tugas serupa, worker subagent dapat dibuat secara massal dengan menjadikan setiap baris CSV sebagai satu unit pekerjaan
• Codex membaca CSV, membuat worker agent untuk tiap baris, menunggu seluruh batch selesai, lalu mengekspor hasil ke CSV
• Use case yang cocok:
  • Mereview satu file, paket, atau layanan per baris
  • Memeriksa daftar insiden, PR, atau target migrasi
  • Membuat ringkasan terstruktur untuk banyak input serupa
• Parameter input alat: csv_path (CSV sumber), instruction (template prompt worker, menggunakan placeholder {column_name}), id_column (ID item stabil), output_schema (bentuk JSON tetap), output_csv_path, max_concurrency, max_runtime_seconds
• Setiap worker harus memanggil report_agent_job_result tepat satu kali, dan jika berakhir tanpa melaporkan hasil, baris terkait akan ditandai sebagai error
• Saat dijalankan dengan codex exec, pembaruan progres satu baris akan ditampilkan di stderr selama batch berlangsung
• CSV hasil ekspor mencakup data baris asli serta metadata seperti job_id, item_id, status, last_error, result_json, dan lainnya
• Pengaturan runtime terkait: agents.max_threads (batas thread serentak), agents.job_max_runtime_seconds (timeout per worker, max_runtime_seconds per pemanggilan akan diprioritaskan), sqlite_home (lokasi penyimpanan status SQLite yang digunakan untuk pekerjaan agen dan hasil ekspor)

Contoh 2: pola debugging integrasi frontend

• Pola yang berguna untuk bug integrasi yang melintasi regresi UI, alur browser yang tidak stabil, kode aplikasi, dan produk yang sedang berjalan
• Kombinasi tiga agen kustom:
  • code_mapper: agen eksplorasi read-only yang menemukan jalur kode frontend dan backend yang relevan (model: gpt-5.3-codex-spark, reasoning effort: medium)
  • browser_debugger: debugger UI yang mereproduksi isu dengan alat browser dan menangkap bukti (model: gpt-5.4, reasoning effort: high, sandbox: workspace-write)
    • Gunakan alat browser untuk screenshot, output konsol, dan bukti jaringan; jangan edit kode aplikasi
    • Menghubungkan server MCP Chrome DevTools (http://localhost:3000/mcp, startup_timeout_sec: 20)
  • ui_fixer: agen berfokus implementasi yang menangani perbaikan kecil dan terarah setelah isu dipahami (model: gpt-5.3-codex-spark, reasoning effort: medium)
    • Lakukan perubahan sekecil mungkin yang dapat dipertahankan, jangan sentuh file yang tidak terkait, dan verifikasi hanya perilaku yang diubah
• Contoh prompt penggunaan: "Selidiki mengapa modal pengaturan gagal menyimpan. browser_debugger mereproduksi, code_mapper melacak jalur kode terkait, dan ui_fixer mengimplementasikan perbaikan minimal setelah mode kegagalannya dipahami"

[kgcrom]

Agent hanya memakai model GPT-5.1-Codex-Mini,
lalu setelah menambahkan prompt di bawah ini ke Custom instructions Codex App,
ternyata agent berjalan dengan GPT-5.3-Codex-Spark.

"- when it spawns agents, use models "GPT-5.3-Codex-Spark" or higher."

Atau serunya juga bisa menentukan model saat membuat agent,
dan saya suka karena di Codex App ditampilkan dalam struktur subfolder.

[hmmhmmhm]

Saya ikut saat ada promo diskon besar di KakaoTalk dan ternyata sangat terpakai wkwkwk

[xguru]

Codex juga tolong segera buat remote control!