Codex 接入 DeepSeek V4 Flash，并通过 MCP 增加图片理解能力

Tue, 04 Aug 2026 19:53:00 +0800

DeepSeek V4 Flash 本身主要面向文本、编程和 Agent 任务。如果希望在 Codex 中使用 DeepSeek，同时让它能够分析截图、界面、报错图片或设计稿，可以采用下面这套组合方案：

Codex
  ├─ DeepSeek V4 Flash：负责推理、编程和工具调度
  ├─ Vision MCP：负责读取和分析图片
  └─ Skill：判断何时自动调用视觉工具

这并不是给 DeepSeek 模型本身增加视觉参数，而是让它在需要查看图片时，调用一个独立的视觉模型完成识图，再根据识图结果继续处理任务。

DeepSeek V4 Flash 是什么

DeepSeek 在 2026 年 4 月发布了 DeepSeek V4 Preview，其中包括：

DeepSeek V4 Pro：面向复杂推理和高难度 Agent 任务
DeepSeek V4 Flash：速度更快、调用成本更低
最高支持约 100 万 Token 上下文

2026 年 7 月 31 日，官方进一步更新了 DeepSeek-V4-Flash-0731。通过 DeepSeek API 使用 deepseek-v4-flash 模型名时，会自动指向当前更新版本。

V4 Flash 的主要优势不是在所有测试中超过旗舰模型，而是兼顾了价格、速度、长上下文和工具调用能力，更适合日常编程、代码修改以及 Agent 工作流。

模型评分会受到测试集、推理参数和评测平台影响，不建议只根据单一排行榜判断模型强弱。

第一步：备份 Codex 配置

在修改配置之前，先备份 Codex 的全局配置目录。

Windows PowerShell

`1`	`Copy-Item "$HOME\.codex" "$HOME\.codex-backup" -Recurse`

macOS 或 Linux

`1`	`cp -R ~/.codex ~/.codex-backup`

重点需要保留的内容通常包括：

1
2

~/.codex/config.toml
~/.codex/skills/

不同版本的 Codex 可能还会使用项目目录中的：

1
2

项目目录/.codex/config.toml
项目目录/.codex/skills/

不要把包含 API Key 的配置文件提交到公开 GitHub 仓库。

第二步：让 Codex 使用 DeepSeek

Codex CLI 支持通过 config.toml 配置模型和模型提供商，但第三方服务需要提供 Codex 所需的兼容接口。

DeepSeek API 支持 OpenAI 风格的接口，不过 Codex 对第三方模型的兼容性还取决于：

Codex 当前版本
DeepSeek API 接口类型
Responses API 与流式输出兼容情况
Tool Call 参数是否能够正确转换

因此，实际接入时可能需要直接配置 DeepSeek，也可能需要借助兼容代理层。

配置结构可参考：

model = "deepseek-v4-flash"
model_provider = "deepseek"

[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com"
env_key = "DEEPSEEK_API_KEY"

API Key 建议通过环境变量保存。

Windows PowerShell

[Environment]::SetEnvironmentVariable(
  "DEEPSEEK_API_KEY",
  "你的 DeepSeek API Key",
  "User"
)

设置完成后重新打开终端。

macOS 或 Linux

`1`	`export DEEPSEEK_API_KEY="你的 DeepSeek API Key"`

然后启动 Codex：

codex

如果出现接口格式、Responses API 或 Tool Call 不兼容的问题，说明当前 DeepSeek 接口不能直接满足 Codex 的全部请求，需要增加一个兼容转换层，而不是反复修改 API Key。

第三步：配置视觉理解 MCP

DeepSeek V4 Flash 主要负责文本推理。图片分析可以交给 GLM-4.6V 或 GLM-4.6V-Flash。

Z.AI 官方提供了 Vision MCP Server，可为支持 MCP 的 AI 客户端增加：

图片内容分析
截图报错识别
网页界面理解
表格和图表分析
视频内容理解
视觉定位与界面操作辅助

其中，GLM-4.6V-Flash 当前提供免费调用选项，但免费额度、速率限制和开放政策可能调整，正式使用前应查看最新价格页面。

MCP 配置通常写入：

`1`	`~/.codex/config.toml`

结构示例：

[mcp_servers.vision]
command = "你的 Vision MCP 启动命令"
args = ["对应的启动参数"]
enabled = true

[mcp_servers.vision.env]
ZAI_API_KEY = "建议改用环境变量，不要直接填写在公开文件中"

实际的 command、args 和环境变量名称，应以所使用的 Vision MCP 项目说明为准。

配置完成后，重启 Codex，并检查 MCP 是否已经加载：

/mcp

也可以直接测试：

`1`	`请分析这张图片，告诉我图片中的报错原因，并给出修改步骤。`

如果 DeepSeek 能够返回视觉 MCP 的识别结果，说明工具链已经接通。

第四步：封装自动识图 Skill

只配置 MCP 后，模型不一定会在每次遇到图片时主动调用它。

可以再创建一个 Skill，明确告诉 Codex：

哪些任务需要调用视觉 MCP
应该先读取图片还是先询问用户
得到识图结果后如何继续处理
哪些情况下不应该调用视觉工具

Skill 可以放在：

`1`	`~/.codex/skills/image-understanding/`

例如创建：

`1`	`~/.codex/skills/image-understanding/SKILL.md`

参考内容：

# Image Understanding

当用户要求分析图片、截图、界面、设计稿、图表或图片中的错误信息时：

1. 优先调用 Vision MCP 获取图片内容。
2. 不要根据文件名猜测图片内容。
3. 提取图片中的文字、界面状态、关键元素和异常信息。
4. 将视觉结果与当前代码或任务上下文结合。
5. 给出可以执行的修改方案。
6. 图片无法读取时，明确说明失败原因，不要虚构识别结果。

这样，当用户输入类似下面的任务时，DeepSeek 就更容易自动调用视觉工具：

`1`	`查看这张报错截图，找到项目无法启动的原因。`

`1`	`分析这个网页截图，并根据现有项目修改页面布局。`

`1`	`读取图片中的配置内容，判断 MCP 是否启用成功。`

第五步：验证是否真正生效

建议分别测试三个层级。

1. 测试 DeepSeek

`1`	`请告诉我当前使用的模型提供商和模型名称。`

确认请求是否确实发送到了 DeepSeek，而不是仍在使用 Codex 默认模型。

2. 测试 Vision MCP

`1`	`调用视觉工具分析这张图片，并列出图片中的主要文字。`

确认 MCP 能被单独调用。

3. 测试自动识图 Skill

`1`	`这张图片为什么运行失败？`

不要主动写“请调用 MCP”，观察 Skill 是否会自动判断并使用视觉工具。

只有以上三个测试都成功，才能说明“DeepSeek + Codex + Vision MCP + Skill”的完整链路已经生效。

配置容易丢失的原因

需要注意，Codex 的全局配置、项目配置和不同客户端可能使用不同的配置层级。

以下操作可能导致自定义配置失效：

替换整个 config.toml
恢复旧版 Codex 配置
在桌面端和 CLI 之间切换配置
删除或重建 ~/.codex 目录
使用脚本覆盖原有配置文件
把 MCP 配置写在了错误的用户目录
在项目配置和全局配置中重复定义同名 MCP

曾有用户报告 Codex Desktop 在特定环境中重写全局配置，并移除手动添加的 MCP 项目。因此，修改前备份是必要的，但这不代表所有版本都会自动清除配置。

更加稳妥的做法是：

1. 先备份 ~/.codex
2. 先配置并验证 MCP
3. 再创建自动识图 Skill
4. 最后添加 DeepSeek 模型配置
5. 每完成一步都单独测试

不要一次覆盖整个配置文件。应把 DeepSeek 配置合并到现有配置中，保留原来的 MCP、Skill 和其他设置。

这套方案适合哪些任务

配置完成后，可以用于：

让 DeepSeek 根据报错截图修复代码
分析网页界面并修改前端样式
读取软件配置截图
从图表中提取数据
检查页面排版和视觉问题
分析图片中的终端输出
根据设计稿生成或调整代码

它的核心价值不是让 DeepSeek 直接变成多模态模型，而是利用 MCP 将文本模型、视觉模型和 Codex 的文件操作能力组合起来。

GLM-4.6V on 拾光集

Codex 接入 DeepSeek V4 Flash，并通过 MCP 增加图片理解能力

DeepSeek V4 Flash 是什么

第一步：备份 Codex 配置

Windows PowerShell

macOS 或 Linux

第二步：让 Codex 使用 DeepSeek

Windows PowerShell

macOS 或 Linux

第三步：配置视觉理解 MCP

第四步：封装自动识图 Skill

第五步：验证是否真正生效

1. 测试 DeepSeek

2. 测试 Vision MCP

3. 测试自动识图 Skill

配置容易丢失的原因

这套方案适合哪些任务

相关项目与官方资料