Il 28 luglio 2026 OpenAI ha pubblicato su GitHub @openai/codex-security: CLI e SDK TypeScript con licenza Apache-2.0 che trova, valida e corregge vulnerabilità di sicurezza nel codice applicativo. OpenAI ha confermato il rilascio su X il giorno seguente, dopo che un thread su Hacker News aveva raggiunto 457 punti, spiegando che il team aveva rilasciato lo strumento in silenzio e che la community lo aveva scoperto per prima.
Codex Security estende la famiglia di agenti Codex dalla generazione di codice alla revisione di sicurezza. Il repository ha raccolto 2.700 stelle e 142 fork nelle prime ore di attenzione pubblica e contiene quattro artefatti distinti: uno scanner a riga di comando, un SDK TypeScript in sdk/typescript, un Dockerfile con compose.yaml e workflow GitHub Actions per la CI. Il perimetro dichiarato copre la scansione dei repository, la revisione delle modifiche, il tracciamento dei finding nel tempo e i controlli di sicurezza in pipeline. Per la leadership tecnica si tratta del primo strumento open-source di security agent targato OpenAI, e arriva in un mercato dove Semgrep, Snyk e CodeQL definiscono la linea di base deterministica.
Cosa è arrivato: pacchetto, requisiti, workflow
Il pacchetto si installa con npm install @openai/codex-security e si esegue come npx codex-security; la scansione di una copia locale parte con npx codex-security scan ., come documentato nel README del repository. I requisiti sono espliciti: Node.js 22 o successivo, Python 3.10 o successivo e accesso a Codex Security sul lato account OpenAI. L'autenticazione funziona tramite login ChatGPT o chiave API. La cronologia delle scansioni persiste in una directory di stato del workbench, il meccanismo alla base del tracciamento dei finding tra esecuzioni: una vulnerabilità individuata lunedì mantiene la propria identità quando la scansione di venerdì rivisita lo stesso percorso di codice, trasformando l'output di una singola scansione in un dataset di sicurezza longitudinale.
Il ciclo funzionale distingue questo strumento dall'analisi statica classica. I motori SAST tradizionali confrontano pattern ed emettono finding; Codex Security orchestra un modello di frontiera ospitato (i partecipanti al thread identificano GPT-5.6 Sol come motore) attraverso un ciclo trova-valida-correggi. La validazione significa che l'agente lavora per confermare la realtà di un finding prima di segnalarlo, e la fase di fix produce patch candidate. L'SDK TypeScript espone lo stesso ciclo in modo programmatico, così i platform team possono integrare le scansioni in portali interni per sviluppatori, merge gate o audit pianificati dell'intera flotta, in alternativa alla guida manuale via CLI.
L'implicazione architetturale: il codice viaggia verso il modello
Il fatto architetturale determinante è emerso nel thread da 457 punti su Hacker News. Come ha sintetizzato lì il co-founder di Promptfoo Michael D'Angelo, il processo CLI viene eseguito in locale mentre il codice e il contesto necessari all'analisi viaggiano verso il modello ospitato da OpenAI. Ogni scansione esporta quindi codice sorgente verso infrastrutture di terze parti, per scelta progettuale. I team che gestiscono algoritmi proprietari, flussi di dati regolamentati o contratti con clausole di residenza dei dati affrontano ora una domanda concreta sull'uscita del codice, e la risposta appartiene al threat model.
Il comportamento dei costi è il secondo tema aperto. I resoconti del thread includono uno sviluppatore che ha consumato metà del budget Pro settimanale in una scansione di 52 minuti interrotta a metà quando l'HEAD del repository è cambiato, e un altro che descrive anni di utilizzo Pro bruciati in pochi minuti. Esiste un flag --max-cost, e il consenso del thread chiede controlli di costo più robusti: la CLI oggi nasconde il consumo di token durante le scansioni lunghe, lasciando gli operatori all'oscuro della spesa fino all'arrivo del conto.
I guardrail si comportano in modo coerente su tutte le superfici. Le restrizioni di cybersecurity del modello restano attive dentro la CLI, quindi un rifiuto di spiegare una vulnerabilità scoperta persiste anche passando dall'app Codex al terminale. È realistico attendersi finding occasionali con dettagli limitati. Sul fronte roadmap, gli sviluppatori OpenAI hanno dichiarato nel thread che il supporto ufficiale agli endpoint compatibili OpenAI, la strada verso i modelli ospitati in locale, è in sviluppo attivo. Quella singola funzionalità risolverebbe insieme la questione dell'uscita del codice e quella dei costi, e la sua data di arrivo è la variabile da osservare.
Il panorama competitivo chiarisce il posizionamento. Il consenso del thread colloca Codex Security in una nicchia diversa da Semgrep, Snyk e CodeQL: orchestra ragionamento basato su LLM attraverso il codebase, in alternativa al confronto di pattern contro set di regole. Gli scanner deterministici restano veloci, economici e riproducibili; il livello agentico raggiunge difetti logici e vulnerabilità cross-file che le regole mancano, a costo misurato e con varianza dipendente dal modello. I due livelli si completano a vicenda, e trattare il nuovo strumento come sostituto dello stack deterministico sarebbe un errore di categoria.
La decisione per la leadership tecnica
Eseguite un pilota contenuto e vincolate l'espansione al supporto per endpoint self-hosted. Il percorso concreto: scegliete un repository a bassa sensibilità, impostate tetti rigidi con --max-cost, collegate la GitHub Action alla CI per due settimane e misurate tre numeri: i finding validati che lo stack deterministico ha mancato, il tasso di falsi positivi dopo la fase di validazione e i dollari per finding confermato. Questi tre numeri trasformano un rilascio virale in una decisione di procurement. L'espansione verso codebase proprietari o regolamentati attende il momento in cui le scansioni potranno girare contro endpoint sotto il vostro controllo, perché l'architettura attuale invia il sorgente a un cloud di terze parti a ogni esecuzione.
La lettura precisa di questo rilascio: OpenAI ha aperto il livello di orchestrazione e ha mantenuto l'intelligenza in hosting. Apache-2.0 copre CLI e SDK; il modello dietro l'analisi resta un servizio a consumo, e l'annuncio su X lo inquadra come rilascio iniziale plasmato dal feedback della community. Prezzatelo come una dipendenza API con un workflow di sicurezza incorporato, inseritelo a budget come spesa cloud e riaprite la valutazione build-versus-adopt il giorno in cui arriveranno gli endpoint self-hosted.
Articolo di LEON — AI Agents & Systems
LEON copre il livello tecnico dove gli agenti AI vengono costruiti e distribuiti. Fonte: codice, documentazione, CVE.