# Codex CLI (Mac/Linux)
> Installieren und konfigurieren Sie die Codex CLI unter Mac / Linux, um sich mit der LMU AI API zu verbinden, einschließlich der Aktivierung des 1M-Token-Langkontexts in der config.toml.
URL: https://docs.lmuai.com/de/docs/tools/codex-cli-mac
Nachdem Sie die Codex CLI installiert haben, erstellen Sie zwei Konfigurationsdateien von Hand (`config.toml` + `auth.json`), um sich mit der LMU AI API zu verbinden — kein Konfigurationstool von Drittanbietern nötig.
***
## Schritt 1 — Node.js installieren [#schritt-1--nodejs-installieren]
Sie benötigen **Node.js 20+** — Download: [https://nodejs.org/en/download](https://nodejs.org/en/download)
Klicken Sie sich durch den Installer und überprüfen Sie es dann im Terminal:
```bash
node --version
# A version number (e.g. v23.7.0) means it installed correctly
```
## Schritt 2 — Codex CLI installieren [#schritt-2--codex-cli-installieren]
```bash
npm i -g @openai/codex
```
Wenn Sie auf Netzwerkprobleme stoßen, wechseln Sie zunächst zu einem China-Mirror:
```bash
npm config set registry https://registry.npmmirror.com
npm i -g @openai/codex
```
Überprüfen Sie die Installation:
```bash
codex --version
# A version number means it installed correctly
```
## Schritt 3 — Die Konfigurationsdateien erstellen [#schritt-3--die-konfigurationsdateien-erstellen]
Das Konfigurationsverzeichnis ist **`~/.codex/`** (erstellen Sie es, falls es fehlt; überschreiben Sie alte Dateien). Erstellen/überschreiben Sie darin diese beiden Dateien:
### config.toml [#configtoml]
```toml
model = "gpt-5.4"
model_reasoning_effort = "xhigh"
disable_response_storage = true
sandbox_mode = "danger-full-access"
windows_wsl_setup_acknowledged = true
approval_policy = "never"
file_opener = "vscode"
model_provider = "codex"
web_search = "cached"
suppress_unstable_features_warning = true
[history]
persistence = "save-all"
[tui]
notifications = true
[shell_environment_policy]
inherit = "all"
ignore_default_excludes = false
[sandbox_workspace_write]
network_access = true
[features]
plan_tool = true
apply_patch_freeform = true
view_image_tool = true
unified_exec = false
streamable_shell = false
rmcp_client = true
elevated_windows_sandbox = true
[profiles.auto-max]
approval_policy = "never"
sandbox_mode = "workspace-write"
[profiles.review]
approval_policy = "on-request"
sandbox_mode = "workspace-write"
[notice]
hide_gpt5_1_migration_prompt = true
[model_providers.codex]
name = "codex"
base_url = "https://api.lmuai.com"
wire_api = "responses"
requires_openai_auth = true
```
### auth.json [#authjson]
```json
{
"OPENAI_API_KEY": "your sk- key generated in the console"
}
```
## Schritt 4 — Die Codex CLI starten [#schritt-4--die-codex-cli-starten]
Nachdem Sie die Konfigurationsdateien gespeichert haben, öffnen Sie das Terminal erneut und führen Sie Folgendes aus, um sie zu starten und sich automatisch anzumelden:
```bash
codex --dangerously-bypass-approvals-and-sandbox
```
Oder die Kurzform:
```bash
codex --yolo
```
> Dieser Startbefehl überspringt Sicherheitsfreigaben, sodass Sie nicht jeden automatisch ausgeführten Schritt bestätigen.
Bei einem erfolgreichen Start zeigt die Oberfläche das aktuelle Modell als `gpt-5.4 xhigh` an (das im Feld `model` der `config.toml` gesetzte Modell).
Falls Sie während einer Sitzung versehentlich zu einem anderen Modell wechseln, ändern Sie das Feld `model` in `~/.codex/config.toml` zurück auf `gpt-5.4` und starten Sie das Terminal neu, um es wiederherzustellen.
***
## Den 1M-Kontext in Codex aktivieren (optional) [#den-1m-kontext-in-codex-aktivieren-optional]
`gpt-5.4` unterstützt ein **1M-Token-Langkontextfenster** (standardmäßig 272K), nützlich für die Überprüfung großer Repos, die Analyse langer Logs und dateiübergreifende Refactorings. Codex aktiviert das 1M-Fenster **nicht** standardmäßig; Sie müssen es explizit in der `config.toml` deklarieren.
### So konfigurieren Sie es: zwei Zeilen zur config.toml hinzufügen [#so-konfigurieren-sie-es-zwei-zeilen-zur-configtoml-hinzufügen]
Bearbeiten Sie `~/.codex/config.toml` und fügen Sie Folgendes auf der **obersten Ebene** hinzu (vor jedem `[section]`, z. B. direkt nach `model = "gpt-5.4"`):
```toml
model_context_window = 1000000
model_auto_compact_token_limit = 900000
```
Speichern Sie, öffnen Sie das Terminal erneut und betreten Sie Codex erneut, um es anzuwenden.
**Feldreferenz**
| Feld | Zweck |
| -------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `model_context_window` | Deklariert das nutzbare Kontextfenster des Modells in Tokens; `1000000` sind 1M. Ohne Setzung wird der Modellstandard (272K) verwendet |
| `model_auto_compact_token_limit` | Der Token-Schwellenwert, der die automatische Komprimierung des Verlaufs auslöst; setzen Sie ihn auf etwa 90 % des Fensters (`900000` für 1M). Werte über 90 % des Fensters werden von Codex begrenzt, eine größere Zahl ist daher zwecklos |
### Überprüfen, ob es wirksam wurde [#überprüfen-ob-es-wirksam-wurde]
Nachdem Sie Codex erneut betreten haben, geben Sie `/status` ein und prüfen Sie, ob `context window` etwa 1M anzeigt (einige Versionen zeigen etwa 950K — eine von Codex reservierte Sicherheitsmarge von 5 %). Sie können auch `/statusline` verwenden, um die Kontextnutzung zur Statusleiste für eine Live-Überwachung hinzuzufügen.
### Wenn Sie CC Switch verwenden [#wenn-sie-cc-switch-verwenden]
Wenn Sie die Codex-Konfiguration mit [CC Switch](/de/docs/tools/cc-switch) verwalten, fügen Sie dieselben zwei Zeilen im Codex-Konfigurationseditor hinzu und wenden Sie sie an — der Effekt ist identisch:
* **Muss auf der obersten Ebene stehen**: Diese beiden Felder wirken nicht innerhalb eines `[profiles.xxx]`-Abschnitts (eine bekannte Codex-Einschränkung); tragen Sie sie außerdem in die Benutzer-ebene `~/.codex/config.toml` ein, da eine projektbezogene `.codex/config.toml` möglicherweise ignoriert wird
* **Modellunterstützung**: `gpt-5.4` und `gpt-5.5` unterstützen 1M über den API-Kanal; Modelle wie `gpt-5.3-codex` sind auf 272K begrenzt, und kein Konfigurationswert kann das eigene Limit des Modells überschreiten
* **Höhere Kosten**: Ein längerer Kontext verbraucht pro Anfrage mehr Tokens; der Anteil über 272K wird zum höheren Langkontext-Tarif abgerechnet, lassen Sie ihn also nur für sehr lange Aufgaben aktiviert
* **Versionsunterschiede**: Einige neuere Codex-Versionen lesen die Fenstergröße zuerst aus dem Modellkatalog; wenn `/status` weiterhin den alten Wert anzeigt, aktualisieren Sie auf die neueste Version (`npm i -g @openai/codex@latest`) und versuchen Sie es erneut