Claude Code 与 Codex CLI 配置实战

前两篇分别聊了 Prompt、Skills、MCP 的概念和场景搭配策略。这篇不讲理论了，直接上手——看看在 Claude Code 和 Codex CLI 这两个主流编码 Agent 工具里，具体怎么配置这三样东西。

Claude Code 配置指南

Claude Code 的设计哲学是清晰的目录结构加简单的命令行操作，配置起来很直观。

配置 Prompt

在 Claude Code 中，System Prompt 就是 CLAUDE.md 文件。它有一套分层加载机制：

快速开始很简单：进入项目目录，运行 /init，Claude Code 会自动分析代码库，生成一份包含技术栈和编码规范的 CLAUDE.md 作为起点。

有两个实用技巧：用 @path/to/file.md 语法可以在 CLAUDE.md 中导入其他文件内容；每个文件建议不超过 200 行，太长了 Agent 的遵循效果会打折扣。

配置 Skills

Skills 是 Claude Code 的能力扩展模块。一个 Skill 就是一个目录，核心是 SKILL.md 文件：

~/.claude/skills/my-awesome-skill/
├── SKILL.md         # 核心指令
└── scripts/
    └── helper.sh    # 可选的辅助脚本

SKILL.md 由两部分组成——YAML frontmatter 配置元数据，Markdown 正文编写指令：

---
name: my-awesome-skill
description: "当用户需要做某件事时使用此技能。"
disable-model-invocation: true
---

执行步骤：
1. 运行命令: `bash ${CLAUDE_SKILL_DIR}/scripts/helper.sh`
2. 分析输出
3. 总结结果

个人通用技能放 ~/.claude/skills/，项目专用技能放 .claude/skills/。调用方式有两种：用 /skill-name 手动触发，或者让 Claude 根据 description 自动匹配。

配置 MCP

MCP 让 Claude Code 能连接外部服务。主要通过命令行管理：

# 添加远程 HTTP 服务器
claude mcp add --transport http notion https://mcp.notion.com/mcp

# 添加本地 STDIO 服务器
claude mcp add --transport stdio my-tool --env API_KEY=... -- npx -y my-tool-server

# 查看和删除
claude mcp list
claude mcp remove notion

添加时可以用 --scope 指定生效范围：user 对所有项目生效，project 写入 .mcp.json 供团队共享，local（默认）仅对你在此项目中生效。会话中随时用 /mcp 查看当前连接状态。

Codex CLI 配置指南

OpenAI 的 Codex CLI 给了用户更高的自由度，配置主要靠 config.toml 和特定目录结构。

配置 Prompt

Codex CLI 的系统提示词默认文件名是 AGENTS.md。它的加载逻辑是从全局到局部，把所有发现的文件内容拼接起来——越靠近当前工作目录的指令，优先级越高。

加载顺序：

1. 全局：~/.codex/AGENTS.md
2. 项目根目录：$GIT_ROOT/AGENTS.md
3. 当前目录及父目录：./AGENTS.md、../AGENTS.md 等

如果你想自定义文件名或调整大小限制，可以在 ~/.codex/config.toml 里配：

# 自定义文件名
project_doc_fallback_filenames = ["TEAM_GUIDE.md", ".agents.md"]

# 调整最大体积（默认 32KB）
project_doc_max_bytes = 65536

配置 Skills

Codex 的 Skills 概念和 Claude Code 类似，但目录结构略有不同：

除了 SKILL.md，Codex 还支持可选的 agents/openai.yaml 做更精细的控制：

policy:
  # false 表示只能通过 $skill-name 显式调用
  allow_implicit_invocation: false

dependencies:
  tools:
    - type: "mcp"
      value: "openaiDeveloperDocs"

使用时在提示中提及技能名，或用 $skill-name 显式调用。Codex 还内置了 $skill-installer，可以从社区安装新技能。

配置 MCP

Codex 的 MCP 配置集中在 config.toml 里，控制选项很丰富：

# 本地 STDIO 服务器
[mcp_servers.my_local_db]
command = "python"
args = ["-m", "my_db_mcp_server"]

[mcp_servers.my_local_db.env]
DB_CONNECTION_STRING = "..."

# 远程 HTTP 服务器
[mcp_servers.figma]
url = "https://mcp.figma.com/mcp"
bearer_token_env_var = "FIGMA_OAUTH_TOKEN"

# 精细控制工具权限
[mcp_servers.chrome_devtools]
url = "http://localhost:3000/mcp"
enabled_tools = ["open", "screenshot"]
disabled_tools = ["eval_js"]

也可以用命令行快速添加：

codex mcp add my-tool -- npx -y my-tool-mcp

总结对比

两款工具的设计思路各有侧重：Claude Code 偏向约定优于配置，上手快；Codex CLI 给了更多自定义空间，灵活度高。选哪个取决于你的使用习惯，核心的 Prompt + Skills + MCP 三层架构是相通的。