$ loading_
安全地向 ChatGPT 提供本地代码仓库上下文，辅助只读分析与开发
该 MCP 工具材料显示其主要在本地提供只读仓库上下文，无需密钥、未声明远程端点，整体风险偏低。需留意其作为第三方开源工具仍会在本机运行并读取本地仓库数据，且项目社区采用度和维护状态证据较弱。
材料注明无需密钥或环境变量，未见要求提供 API token、账号凭证或其他敏感秘密，凭证泄露与滥用面较小。
未声明任何远程端点 host，描述也仅提到向 ChatGPT/Codex 暴露本地仓库上下文，未见明确把数据发送到第三方服务的证据。
系统检查项显示其具备 executes-code 能力，作为 MCP 服务通常需要在本机运行进程。描述称“no generic shell”可降低滥用面，但仍应视为具备本地执行能力并保持最小权限运行。
描述称会暴露本地 repository context，并强调只读访问与路径校验；这表明其会读取本地代码/文件内容。按声明看权限相对收敛，但仍涉及本地数据访问，应限定可访问仓库范围。
有公开开源仓库，源码原则上可审计，这是明显的降风险因素；但来源为 third_party_registry，README 缺失、许可证未声明、0 star、维护状态未知，供应链信号偏弱，建议先审查源码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"chatgpt-codex-local-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
读取这个本地仓库的目录与关键文件，概括项目架构、主要模块职责，以及我应该先看哪些入口文件。不要修改任何内容。
输出仓库结构总览、模块说明与建议阅读顺序，帮助快速上手代码库。
基于本地仓库上下文，帮我查找用户登录失败可能相关的代码路径、配置文件和异常处理逻辑，并列出排查思路。
给出可能相关的文件与函数清单，并附上结构化排查建议。
查看这个仓库中现有的缓存实现方式，评估如果新增 Redis 缓存层，需要修改哪些模块、接口与配置，指出潜在风险。
输出基于现有代码的改造分析、受影响范围与风险提示，便于制定实施计划。
将 ChatGPT 安全连接到本地 Codex MCP 服务以委派代码执行任务。