Codex et GitLab : du code à la production en trois étapes

Codex — agent IA pour le codage dans le terminal. Il écrit du code, lance les tests, commit dans une branche — et tout rapidement. Mais écrire du code n'est que le premier pas. Après vient la tâche, la pull request, CI/CD, la revue de code, la décision humaine sur le merge. GitLab aide à connecter la vitesse de Codex avec le contexte nécessaire pour la production.

Codex localement : du bug au code

Le premier scénario fonctionne dans le terminal. Dans le projet Tanuki IoT Platform, il y a une erreur dans WebSocket : filtrer les métriques par type ne fonctionne pas. Vous décrivez la tâche à Codex, il analyse le code Rust, trouve le paramètre `metric` manquant, ajoute le filtrage, écrit les tests. Après vérification, Codex crée une branche, fait un commit et pousse. GitLab CI vérifie le style Rust, lance les tests. Prêt pour le merge. Ici, l'agent fonctionne avec le référentiel et le fichier local AGENTS.md, qui décrit à quoi doit ressembler une bonne implémentation.

GitLab MCP : le contexte des requirements

Le deuxième scénario ajoute de la profondeur. Codex peut maintenant récupérer les informations des issues GitLab via MCP (Model Context Protocol). L'issue n° 32 décrit les requirements : il faut des tests, de la documentation, des mises à jour. Au lieu de tout copier dans le prompt, Codex demande simplement « help implement issue 32 » et charge les requirements directement de GitLab. Maintenant la correction tient compte non seulement de la solution technique, mais aussi des requirements métier. Codex crée une pull request avec une fermeture automatique « Closes #32 » :

• Lecture des requirements de l'issue via MCP
• Implémentation en tenant compte de tous les détails
• Création de MR avec fermeture de l'issue lors du merge
• Lien entre le code et les requirements
• Participation de l'agent dans le workflow de livraison

Ce n'est plus du codage local, mais une participation au processus de livraison.

Agent externe dans la merge request

Le troisième scénario est le plus intéressant. La revue de code signale des problèmes : il manque de la documentation et des tests pour les erreurs. Vous mentionnez Codex dans un commentaire MR (@ai-codex-agent), et l'agent fonctionne maintenant dans le contexte de la pull request. Il voit le diff, le feedback, les résultats CI, les approbations. Codex ajoute de la documentation, écrit les tests manquants, fait un commit, lance les vérifications. Il écrit une réponse dans la MR. La merge request devient la surface centrale : le code y est, la revue y est, l'agent aide ici, l'humain approuve ici.

Ce que cela signifie

Le codage est devenu rapide, mais la vitesse sans contexte est une chaîne de correctifs. Quand l'agent voit les requirements (de l'issue) et la collaboration (de la MR), cela devient un travail significatif. C'est la connexion entre la vitesse du code et le contexte de production : l'agent fonctionne rapidement, l'humain prend les décisions.