Codex Cloud chính thức ra mắt: Khi nào bạn vẫn nên chạy Agent trên máy tính của mình?

Tại sự kiện DevDay diễn ra vào ngày 29 tháng 9, OpenAI cho biết các lập trình viên “có thể chạy Codex ở bất cứ đâu họ cần: trên máy tính cá nhân, điều khiển từ xa qua điện thoại, hoặc trên đám mây từ bất kỳ thiết bị nào.” Nhưng câu nói tiếp theo trong bài tổng kết DevDay mới là điều các đội ngũ phát triển quan tâm nhất: các môi trường phát triển tái sử dụng được “giúp tác vụ khởi động nhanh chóng, đồng thời mang đến cho đội ngũ của bạn một môi trường chung với các cấu hình và quyền hạn đã được phê duyệt.” Codex cloud hiện khả dụng trên các gói Plus, Pro, Business, Healthcare, Education và Enterprise.

Với một lập trình viên làm việc độc lập, điều đó đã giải quyết xong vấn đề. Nhưng với một đội ngũ vốn đã chạy Claude Code trên máy trạm, Codex trên máy chủ build và Gemini trên laptop cá nhân của ai đó, nó lại bổ sung thêm một môi trường mới. Giờ đây công việc có thể bắt đầu trên đám mây của OpenAI, trên phần cứng của chính bạn, hay từ chiếc điện thoại khi đang ngồi trên tàu xe, và mỗi nơi lại lưu giữ một danh sách tác vụ đã chạy riêng. Việc theo dõi agent nào đang chạy ở đâu, tác vụ nào đã hoàn thành và tác vụ nào đang chờ người kiểm duyệt lại có thêm một nơi nữa cần kiểm tra. Vì vậy, câu hỏi hữu ích lúc này không phải là “đám mây hay cục bộ?” Mà là công việc nào thuộc về đâu, và nhật ký ghi lại công việc đó sẽ được lưu trữ ở nơi nào.

Tóm tắt nhanh

Codex cloud là lựa chọn lý tưởng cho các tác vụ Codex cần khởi động nhanh, tiếp tục chạy khi laptop ở chế độ ngủ, hoặc được kích hoạt từ điện thoại, cũng như cho các đội ngũ muốn có một môi trường chuẩn hóa duy nhất thay vì mỗi người tự chuẩn bị máy chủ riêng. Trong khi đó, Computer của chính bạn sẽ chiếm ưu thế khi tác vụ cần đến Claude Code hoặc một Runtime khác ngoài Codex, cần cấu hình phần cứng vượt quá thông số máy ảo mặc định theo gói của bạn, hoặc các tác vụ thuộc danh sách hiện chưa được môi trường đám mây của OpenAI hỗ trợ: kho lưu trữ GitLab, thao tác trên trình duyệt (browser use), hay các dịch vụ nội bộ kết nối qua SSH hoặc giao thức cơ sở dữ liệu. Dù chọn phương án nào, bản thân môi trường cũng không quyết định ai là người giao việc hay ai phê duyệt kết quả. Quyền kiểm soát đó vẫn thuộc về đội ngũ, thông qua một Task.

Những gì môi trường Codex cloud mang lại

Theo tài liệu của OpenAI, môi trường đám mây “là thiết lập có thể tái sử dụng cho các tác vụ: kho lưu trữ, các phần phụ thuộc, công cụ và cài đặt quyền truy cập.” Bạn chọn kho lưu trữ GitHub, Codex sẽ tiến hành kiểm tra, cài đặt các phần phụ thuộc cùng công cụ, chạy thử quy trình làm việc và yêu cầu bổ sung bất kỳ thông tin nào mà nó không thể tự suy luận. Bạn xem lại báo cáo thiết lập rồi xuất bản (publish). Từ đó, mỗi tác vụ mới sẽ khởi chạy từ hệ thống tệp đã xuất bản đó trong một không gian làm việc cô lập riêng, và các tác vụ “có thể tiếp tục hoạt động ngay cả khi máy tính của bạn đang ở chế độ ngủ.”

Mô hình kiểm soát truy cập ở đây được xây dựng cẩn trọng hơn nhiều so với việc chỉ dùng một tập lệnh cài đặt rồi dán sẵn token vào đó. Các biến môi trường được truyền thẳng vào chương trình. Trong khi đó, các thông tin bảo mật mạng (network secret) hoàn toàn không bao giờ chạm tới tiến trình: chương trình chỉ nhận được một giá trị giữ chỗ (placeholder), và một proxy sẽ thay thế bằng thông tin xác thực thực tế chỉ dành riêng cho các đích đến HTTPS được phép. Quyền truy cập Internet là một thiết lập bạn có thể bật rồi giới hạn lại, bằng các cấu hình mẫu dành cho trình quản lý gói hoặc danh sách tên miền tùy chỉnh. Các dịch vụ nội bộ có thể truy cập được thông qua VPN (hiện hỗ trợ Tailscale), và các workspace Enterprise có thể yêu cầu kết nối OIDC để cấp thông tin xác thực đám mây tạm thời.

Cách thức bắt đầu công việc cũng linh hoạt không kém. Tài liệu tổng quan về Codex Cloud liệt kê các giao diện gồm nền tảng web, ứng dụng máy tính, thiết bị di động và Codex CLI; ngoài ra, các workspace Enterprise có bật tính năng Cloud delegation có thể khởi chạy tác vụ bằng @ChatGPT ngay trong Slack hoặc Microsoft Teams. Môi trường Enterprise có thể được chia sẻ cho toàn bộ workspace, giúp thành viên mới bắt đầu ngay từ cấu hình đã được phê duyệt mà không cần phải tự dựng lại từ đầu. Đối với quy trình làm việc với Codex, điều này loại bỏ triệt để tình trạng lệch cấu hình môi trường (setup drift).

Bản thân danh mục sản phẩm của OpenAI cũng xem việc lựa chọn môi trường triển khai là quyết định riêng cho từng khối lượng công việc, chứ không áp dụng một công thức cứng nhắc. Dots đều có máy tính đám mây riêng, và Agents API hỗ trợ cả môi trường do OpenAI lưu trữ lẫn môi trường tự lưu trữ (self-hosted), như chúng tôi đã phân tích trong bài viết ai là người vận hành các agent. Giờ đây, Codex cũng có thể chạy linh hoạt ở cả hai nơi.

Những gì một Sharkly Computer mang lại

Computer là một thiết bị, máy chủ hoặc container được kết nối để Agent có thể thực thi công việc. Theo tài liệu về Sharkly Computers, nó “cung cấp hệ điều hành, tệp tin, thông tin xác thực, quyền truy cập mạng và các công cụ mà Agent yêu cầu.” Một dịch vụ cục bộ dung lượng nhỏ sẽ đăng ký thiết bị, phát hiện các Runtime đã được cài đặt, nhận các lượt chạy trong hàng đợi và truyền trực tiếp tiến độ về hệ thống. Dịch vụ này chủ động mở kết nối ra ngoài, do đó một thiết lập thông thường hoàn toàn không cần mở bất kỳ cổng kết nối chiều vào (inbound port) nào.

Có ba đặc điểm quan trọng cần lưu ý trong phép so sánh này. Thứ nhất, một Computer có thể cung cấp nhiều Runtime cùng lúc. Sharkly hỗ trợ Claude Code, Codex, Gemini, OpenCode, OpenClaw và Hermes; ngoài ra, tùy chọn custom ACP Runtime cho phép bao quát cả các công cụ mà dịch vụ cục bộ chưa tự động nhận diện, và một Computer duy nhất có thể phục vụ nhiều Agent khác nhau. Thứ hai, khả năng cô lập được áp dụng cho từng Task. Ở chế độ Temporary (Tạm thời), mỗi Task nhận một thư mục cô lập riêng, và các lượt chạy dựa trên kho lưu trữ có thể sử dụng một worktree mới tinh — đây chính là cách các agent chạy song song tránh được xung đột merge. Ở chế độ Specified (Chỉ định), lượt chạy sẽ tái sử dụng thư mục cục bộ đã được cấu hình sẵn với đầy đủ các phần phụ thuộc, bộ nhớ đệm (cache) và dịch vụ nội bộ tại chỗ, xử lý tuần tự từng lượt một. Thứ ba, thông tin xác thực hoàn toàn thuộc quyền sở hữu của bạn: Agent mang các biến môi trường thông thường lẫn bảo mật, mỗi lượt chạy chỉ nhận đúng môi trường và thông tin xác thực được cấp phép, và một Computer ở chế độ hiển thị Personal (Cá nhân) sẽ chỉ dành riêng cho chủ sở hữu của nó.

Đổi lại, điểm bạn cần cân nhắc là việc vận hành máy chủ hoàn toàn do bạn chịu trách nhiệm. Nếu một Computer ngoại tuyến, các lượt chạy mới sẽ phải chờ thiết bị kết nối lại. Ứng dụng máy tính có thể ngăn máy chuyển sang chế độ ngủ, và trên macOS có thể duy trì hoạt động ngay cả khi gập nắp máy nếu hệ thống cho phép; tuy nhiên, các tác vụ chạy tự động kéo dài vẫn nên đặt trên máy chủ do bạn kiểm soát, đúng như luận điểm chúng tôi đã nêu trong bài vận hành coding agent từ xa. Chi phí thì vẫn giữ nguyên: Computer và Runtime không tính vào số lượng người dùng trên các gói của Sharkly, Sharkly không bán token, và một Codex Agent sẽ sử dụng bất kỳ gói ChatGPT hoặc API key nào mà Codex CLI của nó đăng nhập.

Codex cloud hay Computer của bạn: bảng so sánh để lựa chọn

Mỗi mục liên quan đến Codex cloud dưới đây đều dựa trên tài liệu về môi trường đám mây của OpenAI tính đến ngày 30 tháng 9. Các mục về Computer được trích xuất từ tài liệu của Sharkly.

Hãy xem đây như một nguyên tắc đối chiếu: Hãy chọn Codex cloud khi tác vụ là công việc của Codex, các phần phụ thuộc là công khai hoặc có thể truy cập qua danh sách HTTPS cho phép, và người kích hoạt tác vụ có thể không ngồi tại bàn làm việc. Hãy dùng Computer của chính bạn khi tác vụ đòi hỏi một Runtime, phần cứng hoặc hạ tầng mạng cụ thể mà bạn đã có lý do rõ ràng để lựa chọn.

Có một hàng được chủ ý lược bỏ: “dữ liệu tuyệt đối không được rời khỏi mạng nội bộ của chúng tôi.” Việc chạy trên Computer của chính bạn giúp giữ kho lưu trữ, bộ nhớ đệm và các thông tin bảo mật trên phần cứng do bạn kiểm soát. Tuy nhiên, nó không ngăn được việc prompt gửi đến nhà cung cấp mô hình, bởi bất kỳ dữ liệu nào mà Runtime gửi tới mô hình của nó vẫn sẽ đi ra ngoài. OpenAI cũng vạch rõ ranh giới tương tự đối với sản phẩm của mình: tài liệu Agents API nêu rõ rằng “việc chọn một sandbox tự lưu trữ không đồng nghĩa với việc Agents API đủ điều kiện áp dụng ZDR (Không lưu giữ dữ liệu).” Việc bố trí hạ tầng quyết định nơi lưu trữ mã nguồn và thông tin xác thực. Còn chính sách lưu giữ dữ liệu lại là một thỏa thuận riêng biệt với nhà cung cấp mô hình của bạn.

Mô hình triển khai kết hợp: nơi bảng điều khiển phát huy tối đa giá trị

Hầu hết các đội ngũ sẽ kết hợp cả hai. Những bản sửa lỗi nhanh bằng Codex được kích hoạt từ điện thoại đưa thẳng lên môi trường đám mây, trong khi đợt migration cần kết nối tới cơ sở dữ liệu staging sẽ chạy dưới dạng một Agent trên một Computer nằm trong mạng nội bộ. Đó là sự phân chia hoàn toàn hợp lý, và nó tạo ra hai luồng danh sách công việc riêng biệt.

Theo thiết kế, Codex cloud giữ các tác vụ tách biệt nhau: tài liệu nêu rõ rằng quyền truy cập vào một cấu hình dùng chung “không đồng nghĩa với việc được xem tác vụ của người khác.” Đây là một thiết lập mặc định đúng đắn cho quyền riêng tư. Nhưng điều đó cũng đồng nghĩa với việc môi trường thì được chia sẻ còn tiến độ công việc thì không; vì thế, câu hỏi “các agent của cả nhóm hiện đang làm những gì?”, trải rộng từ các tác vụ trên đám mây đến các Computer nội bộ, cần phải được trả lời ở một nơi khác. Trước hết, hãy xác định rõ quy tắc định tuyến:

Where does this Task run?
1. Needs a non-Codex Runtime                          -> Agent on a Computer
2. Needs SSH, a database protocol, or private DNS     -> Computer inside that network
3. Needs GitLab, GitHub Enterprise Server, or browser use -> Computer
4. Codex work, allowlisted HTTPS, started away from a desk -> Codex cloud
5. Someone must accept the result                     -> a Task with an Assignee and a reviewer, wherever it ran

Quy tắc thứ năm chính là chìa khóa giúp việc phân chia này luôn nằm trong tầm kiểm soát. Trong Sharkly, Task đóng vai trò là nơi ghi nhận trung tâm: tiến độ, nhật ký thực thi, các điểm nghẽn và kết quả cuối cùng đều được cập nhật về đây, và một lượt chạy đang chờ con người kiểm duyệt sẽ chuyển thẳng vào Inbox của người chịu trách nhiệm. Một Codex Agent và một Claude Code Agent trên cùng một Computer đều báo cáo về chung một bảng làm việc, mỗi bên hoạt động theo đúng mô hình mà Runtime của nó được thiết lập. Đối với công việc chạy trên Codex cloud, liên kết kết nối chính là pull request: chỉ cần điền Task ID vào tên nhánh hoặc tiêu đề PR, tính năng tích hợp GitHub của Sharkly sẽ cố gắng liên kết PR ngược lại với Task tương ứng, nhờ đó khâu nghiệm thu vẫn diễn ra tập trung tại một nơi duy nhất. Bài viết của chúng tôi về các lượt chạy agent kéo dài hơn ngày làm việc sẽ giúp bạn hiểu rõ hơn về khía cạnh kiểm duyệt cho những lượt chạy tự động dài hạn.

Agent đảm nhận việc nghiên cứu, thực thi, kiểm thử và báo cáo. Con người là bên định hướng, phân quyền và nghiệm thu kết quả. Nguyên tắc phân công đó không hề thay đổi dù tác vụ được thực thi ở bất kỳ đâu.

Định hình lại thiết lập của bạn

Codex cloud là câu trả lời xuất sắc cho câu hỏi “Codex nên chạy ở đâu?” Nhưng nó không được thiết kế để giải quyết vấn đề: “trong toàn bộ các Runtime, agent nào của chúng ta đang làm việc gì và ai là người phê duyệt?” Hãy duy trì Computer cho những công việc đòi hỏi Runtime, phần cứng hoặc mạng nội bộ riêng của bạn; để Codex cloud xử lý các tác vụ kích hoạt từ điện thoại hoặc khi gập máy tính; và quản lý một nhật ký tập trung duy nhất cho cả hai.

Nếu bạn muốn tiếp tục linh hoạt sử dụng nhiều coding agent thay vì bị bó buộc vào một hệ sinh thái duy nhất, đó chính là bài toán cốt lõi mà Sharkly được sinh ra để giải quyết.