모든 작업을 프로젝트 컨텍스트와 함께 시작하는 Codex Cloud 환경 준비 방법 (2026년 가이드)

먼저 환경이 무엇인지부터 시작하겠습니다. "클라우드 환경은 작업이 사용하는 재사용 가능한 설정으로, 리포지토리, 종속성, 도구 및 액세스 설정을 포함합니다." Codex는 리포지토리를 검사하고, 필요한 항목을 설치하고, 사용자와 함께 설정을 테스트한 후 게시합니다. "각각의 새 작업은 게시된 환경에서 자체적으로 격리된 작업 공간을 갖게 됩니다."

OpenAI의 환경 개요에서는 이 경계를 두 문장으로 명확히 설명합니다. "클라우드 작업은 클라우드 환경에서 사용할 수 있는 파일과 서비스를 사용합니다. 컴퓨터의 로컬 파일, 실행 중인 프로세스, 브라우저 로그인 및 VPN 액세스는 자동으로 전송되지 않습니다."

이제 로컬 Codex가 컨텍스트를 어디에 보관하는지 살펴보겠습니다.

지침(Instructions). "Codex는 작업을 수행하기 전에 AGENTS.md 파일을 읽습니다." Codex는 체인을 구축합니다. 기본적으로 ~/.codex인 Codex 홈 디렉터리의 글로벌 파일부터 시작하여 프로젝트 루트에서 작업 디렉터리까지의 파일을 읽습니다. 리포지토리의 파일은 체크아웃의 일부입니다. 글로벌 파일은 사용자의 머신에 존재합니다.

스킬(Skills). Codex는 리포지토리, 사용자, 관리자 및 시스템 위치에서 스킬을 읽습니다. 리포지토리 스킬은 리포지토리의 .agents/skills에 위치합니다. 사용자 스킬은 $HOME/.agents/skills에 위치합니다. 클라우드 환경 페이지에서는 작업이 어떤 스킬을 볼 수 있는지 구체적으로 명시하고 있습니다. "리포지토리에 저장된 스킬은 클라우드 작업에서 사용할 수 있습니다. 로컬 컴퓨터의 개인 스킬은 클라우드 환경에 동기화되지 않습니다."

메모리(Memories). "ChatGPT 웹은 ChatGPT 메모리를 사용하는 반면, 로컬 Codex 클라이언트는 별도의 로컬 메모리 저장소와 제어 기능을 사용합니다." 이 저장소는 디스크에 있습니다. "Codex는 Codex 홈 디렉터리 아래에 메모리를 저장합니다." 로컬에서 작동하는 방식은 turning on Codex's local memories에서 다룹니다.

이 모든 것을 종합해 보면, 클라우드 작업은 리포지토리에 커밋된 내용과 환경에 구성한 내용을 안정적으로 가져옵니다. 홈 폴더의 안내 지침, 개인 스킬, 로컬 메모리가 수집한 모든 정보는 사용자의 컴퓨터에 종속됩니다.

작업이 기억하는 내용을 결정하는 두 가지 세부 정보가 더 있습니다. "각 클라우드 작업에는 고유한 작업 파일이 있습니다. 작업의 파일 변경 사항은 재사용 가능한 환경을 업데이트하지 않습니다." 그리고 저장된 상태에는 수명이 있습니다. "기본적으로 작업의 저장된 VM 상태는 마지막으로 턴을 시작하거나 작업을 재개한 후 최대 7일 동안 복구할 수 있습니다."

이는 전혀 이상한 일이 아닙니다. Claude Code의 클라우드 세션도 비슷한 경계를 가집니다. 이에 대해서는 what your local setup leaves behind in Claude Code's cloud environment에서 설명하고 있습니다. 클라우드 에이전트는 설계상 공유된 내용부터 시작합니다.

첫 번째 클라우드 작업을 실행하고 잘못된 부분을 수정하기. 결국에는 해결되겠지만, 각 수정 사항은 단일 작업의 작업 파일에만 남습니다. 작업의 파일 변경 사항은 환경을 업데이트하지 않으므로 다음 작업은 동일한 상태에서 다시 시작됩니다.

Codex 메모리에 의존하기. 메모리는 로컬에서 유용하며, OpenAI의 자체 가이드에서도 그 역할이 명확히 나와 있습니다. "필수적인 팀 지침은 AGENTS.md 또는 체크인된 문서에 보관하세요. 메모리는 항상 적용되어야 하는 규칙의 유일한 소스가 아니라, 유용한 보조 기억 레이어로 취급해야 합니다."

글로벌 AGENTS.md에 핵심 규칙 보관하기. 홈 폴더 파일은 개인적인 작업 방식(working agreements)을 담기에 좋은 곳입니다. 팀 전체가 의존하는 규칙은 리포지토리에 속해야 하며, 그래야 로컬이든 클라우드이든 모든 작업에서 이를 읽을 수 있습니다.

설정 대화에 모든 것을 집어넣기. 환경은 프로젝트를 준비하고 실행하는 방법을 담은 설치 스크립트와 시작 스킬을 기록합니다. 아키텍처 결정이나 코딩 컨벤션을 담기에는 적절하지 않은 곳입니다.

기존 클라우드 설정이 그대로 이어질 것이라 가정하기. OpenAI는 "Codex Cloud (Legacy)는 코드 리뷰와 Linear 및 GitHub 연동을 계속 지원한다"고 명시하고 있으며, 향후 이를 폐지할 계획입니다. 새로운 Codex Cloud를 위한 환경은 별도로 생성됩니다.

1단계: 로컬 Codex 설정이 각 작업에 제공하는 항목 인벤토리 작성하기

환경을 만들기 전에 로컬 작업이 의존하는 항목의 목록을 작성하세요. 다음 네 가지 위치가 대부분을 차지합니다.

~/.codex에 있는 글로벌 AGENTS.md. 이 파일을 읽고 각 줄을 개인용(선호하는 작업 방식) 또는 프로젝트용(이 코드베이스가 작동하는 방식)으로 표시하세요.

$HOME/.agents/skills에 있는 개인 스킬. 이 프로젝트에서 사용하는 스킬이 무엇인지 기록해 두세요.

로컬 메모리. Codex는 이를 ~/.codex/memories/ 아래에 파일로 보관하며, OpenAI는 이를 생성된 상태(generated state)로 취급할 것을 권장합니다. 이 파일을 읽어 Codex가 무엇에 의존해 왔는지 확인하고, 파일에 기록되지 않은 프로젝트 관련 사실을 찾아낼 수 있습니다.

본인의 습관. 작업을 시작할 때 보통 처음 보내는 메시지를 생각해 보세요. 어떤 명령을 실행해야 하는지, 어떤 폴더를 피해야 하는지, 어떤 서비스를 먼저 시작해야 하는지 등이 모두 컨텍스트에 해당합니다.

결과물은 현재 사용자의 머신에만 존재하는 프로젝트 컨텍스트의 짧은 목록입니다. 만약 Codex가 당연히 읽을 것이라 생각했던 리포지토리 파일을 무시해 왔다면, why Codex skips AGENTS.md rules에서 일반적인 원인을 다룹니다.

2단계: 프로젝트 컨텍스트는 리포지토리로, 설정은 환경으로 이동하기

이제 각 항목에 공유할 수 있는 공간을 마련해 줍니다.

프로젝트 컨벤션은 리포지토리의 AGENTS.md로 이동합니다. Codex는 루트부터 아래로 파일을 병합하므로, 리포지토리 전체 규칙은 루트에 두고 특정 영역에만 적용되는 규칙은 하위 폴더에 두세요. 개인적인 선호 사항은 글로벌 파일에 유지하세요. 이는 프로젝트가 아니라 본인에 관한 것입니다.

프로젝트 스킬은 리포지토리의 .agents/skills로 이동합니다. 이 프로젝트에서 사용하는 스킬이 홈 폴더에 있다면 리포지토리에 복사하여 클라우드 작업과 팀원들이 모두 사용할 수 있도록 하세요. 이전에 커스텀 프롬프트를 사용했다면, converting Codex custom prompts into skills에서 전환 방법을 다룹니다.

로컬 메모리에서 얻은 지속적인 프로젝트 사실은 체크인된 문서로 이동합니다. 이유와 함께 명확한 문장으로 작성하고, 모든 작업에 필요한 경우 AGENTS.md에서 링크를 연결하세요.

그런 다음 환경을 생성합니다. 웹 또는 데스크톱 앱에서 'Work in'을 선택한 다음 'Cloud', 'Create environment'를 차례로 선택하고 리포지토리를 지정합니다. Codex가 리포지토리를 검사하고 설정을 준비하도록 하세요. 대화를 통해 1단계에서 파악한 습관(시작할 서비스, 고정할 버전 등)을 알려주세요. Codex는 이를 설치 스크립트와 시작 스킬에 기록하며, 시작 스킬은 "서비스를 시작하고 준비되었는지 확인하는 지침"입니다.

액세스 권한을 올바르게 처리하세요. 프로그램이 직접 읽는 값에는 환경 변수를 사용하고, 특정 HTTPS 서비스로 전송되는 자격 증명에는 네트워크 비밀번호(network secrets)를 사용하며, 각 개인이 제공하는 값에는 개인 보관함(Personal vault)을 사용하세요. 공유 환경의 경우, OpenAI는 공유가 요구 사항을 전달한다고 명시합니다. "환경을 공유하면 이러한 요구 사항이 공유되는 것이지, 개인 자격 증명이 공유되는 것이 아닙니다."

작업이 접근할 수 있는 대상을 결정하세요. 워크플로에 패키지 레지스트리나 내부 API가 필요한 경우, 환경의 인터넷 액세스 설정에 추가하고 설정 중에 테스트하세요. OpenAI는 기억해 둘 만한 제한 사항을 언급합니다. "대상을 허용한다고 해서 해당 서비스의 자격 증명이 제공되거나 권한이 부여되는 것은 아닙니다." 리포지토리 및 연결된 앱도 마찬가지입니다. "리포지토리 액세스 및 개인 연결은 작업을 실행하는 계정에 따라 다릅니다." 공유 환경을 사용하는 동료는 본인의 액세스 권한으로 작업하는 것이지, 여러분의 권한을 사용하는 것이 아닙니다.

설정 보고서를 검토한 후 게시(Publish)하세요. 저장과 게시의 차이점을 기억하세요. "저장(Saving)은 구성을 저장하며, 일부 설정은 활성 설정에 즉시 적용됩니다. 게시(Publishing)는 새 작업을 위해 준비된 파일 시스템을 캡처합니다."

3단계: 작업을 시작하고 무엇이 로드되었는지 질문하기

게시된 환경에서 새 작업을 시작하고, 실제 작업을 주기 전에 몇 가지 직접적인 질문을 던져보세요. 로드된 지침 소스(instruction sources) 목록을 나열해 달라고 하거나, 어떤 스킬을 사용할 수 있는지 물어보세요. 프로젝트의 테스트 명령을 실행해 보라고 요청할 수도 있습니다. OpenAI의 자체 AGENTS.md 문서에서도 로컬에서 동일한 확인 방법을 사용하여 Codex에 로드된 지침 소스를 나열하도록 요청합니다.

답변을 1단계의 목록과 비교해 보세요. 누락된 항목은 여전히 사용자의 머신에 남아 있는 것입니다.

그런 다음 실제 작업에 환경을 사용해 보고 반복되는 수정 사항이 있는지 관찰하세요. 클라우드 작업에 동일한 내용을 두 번 이상 말하고 있다면, 그 사실은 후속 메시지가 아니라 리포지토리나 환경에 포함되어야 합니다.

마지막으로 결과를 보존하세요. "중요한 작업은 커밋하거나 필요한 출력을 저장하세요. 저장된 상태가 소스 제어를 대체할 수는 없습니다." 작업 상태는 제한된 시간 동안만 복구할 수 있지만, 커밋은 영구적입니다.

이 해결책은 컨벤션을 리포지토리에 두고 설정을 환경에 배치합니다. 하지만 아키텍처가 왜 그렇게 설계되었는지, 여러 리포지토리에 걸쳐 내려진 결정, 그리고 작업이 Codex Cloud, 로컬 세션 또는 완전히 다른 에이전트 중 어디에서 실행되든 적용되는 교훈 등은 두 곳 모두에 맞지 않을 수 있습니다. MemoryLake는 특정 머신이나 환경 외부에서 이러한 레이어를 보관할 수 있는 공간입니다.

항목은 본인의 언어로 직접 작성합니다. 사용자의 Codex 메모리, 클라우드 환경, 리포지토리 또는 타사 저장소에서 데이터를 읽거나, 쓰거나, 삭제하지 않습니다.

1단계: API 키 생성하기

로그인한 후 대시보드에서 키를 생성합니다. 리포지토리에 노출되지 않도록 환경에서 자격 증명을 처리하는 방식으로 저장하세요.

2단계: 첫 번째 메모리 업로드하기

1단계에서 파악한 프로젝트 사실 중 규칙보다는 '이유'에 관한 것부터 시작하세요. 서비스가 분리된 이유, 포기한 접근 방식, 종속성 제약 조건이 보호하는 대상 등이 이에 해당합니다. 항목당 하나의 결정을 날짜와 함께 기록하세요.

3단계: AI 및 에이전트 연결하기

Codex 및 팀에서 사용하는 다른 에이전트를 연결합니다. 이렇게 하면 작업이 로컬에서 실행되든 클라우드에서 실행되든 동일한 배경 지식을 사용할 수 있습니다.

첫 번째 차이점은 클라우드 작업이 로컬 작업처럼 동작한다는 것입니다. 필요한 지침이 커밋되어 있으므로 모든 작업의 첫 번째 메시지는 설정이 아닌 실제 작업에 관한 내용이 될 수 있습니다.

두 번째는 팀원들이 동일한 출발선에서 시작한다는 점입니다. 공유 환경과 리포지토리 수준의 지침 및 스킬 덕분에 동료의 작업도 여러분의 작업과 정확히 동일한 지점에서 시작됩니다.

세 번째는 로컬 메모리가 다시 단순한 편의 기능으로 돌아간다는 점입니다. 항상 적용되어야 하는 규칙은 파일에 존재하므로, 로컬 메모리는 개별 세션을 더 원활하게 만드는 역할만 합니다. 더 광범위한 문제에 대해서는 why Codex forgets project context를 참조하세요.

네 번째는 작업 환경(surfaces) 간 이동 시 컨텍스트 손실이 발생하지 않는다는 점입니다. ChatGPT Work, 로컬 Codex, Codex Cloud는 각각 서로 다른 위치에서 실행되며, 이 패턴은 keeping context between ChatGPT Work cloud and local에서 다룹니다. 컨텍스트가 공유 파일과 공유 메모리 레이어에 존재하면 실행 환경의 중요성은 줄어듭니다.

팀 규칙은 리포지토리의 AGENTS.md에 커밋하세요. 글로벌 파일은 개인적인 선호 사항을 위해 남겨두세요.

프로젝트 스킬은 .agents/skills로 이동하세요. 개인 스킬은 컴퓨터에 그대로 둡니다.

로컬 메모리를 문서로 변환하세요. 지속적인 사실은 파일에 보관해야 합니다.

환경에 시작 프로세스를 설명하세요. Codex가 이를 설치 스크립트와 시작 스킬로 기록하도록 하세요.

각 비밀 정보에 맞는 적절한 위치를 사용하세요. 환경 변수, 네트워크 비밀번호 또는 개인 보관함(Personal vault)을 활용하세요.

설정 변경 후에는 다시 게시(Republish)하세요. 그런 다음 새 작업을 시작하여 적용하세요.

새로운 환경은 항상 짧은 작업으로 테스트해 보세요. 실제 작업을 주기 전에 무엇이 로드되었는지 물어보세요. 에이전트가 도구 전반에서 실제로 로드하는 항목에 대해서는 what coding agents actually read를 참조하세요.

Codex 클라우드 환경을 사용하면 공유되고 재사용 가능한 설정에서 원격으로 작업을 쉽게 실행할 수 있습니다. 작업이 시작될 때 가지는 정보는 환경과 리포지토리가 제공하는 것뿐입니다. 글로벌 AGENTS.md, 개인 스킬, 로컬 메모리는 사용자의 머신에 종속되며, OpenAI는 개인 스킬은 동기화되지 않고 로컬 파일은 전송되지 않는다고 명확히 밝히고 있습니다.

따라서 프로젝트 컨텍스트를 작업이 읽을 수 있는 위치로 이동하세요. 컨벤션은 리포지토리의 AGENTS.md에, 스킬은 .agents/skills에, 지속적인 사실은 체크인된 문서에 넣고, 설정은 환경에 구성하세요. 그런 다음 작업에 무엇이 로드되었는지 물어보며 새 환경을 확인하세요.

프로젝트의 이면에 있는 이유들을 모든 에이전트가 접근할 수 있는 레이어에 보관하세요. 그러면 클라우드는 더 이상 여러분보다 부족한 정보로 작업을 시작하는 곳이 되지 않을 것입니다.