自動レビュー

Codex による承認リクエストのレビュー方法と、レビュアーのポリシーの設定方法

自動レビューは、対象となる承認リクエストを別のレビュアーエージェントに送信します。どのアクションに承認が必要かは、サンドボックス、コマンドルール、ツールの設定によって決まります。レビュアーは、それらのアクションを続行できるかどうかを判断します。

ChatGPT デスクトップアプリでは、承認済みの Daybreak モデルを選択すると、そのモードがアカウントで利用可能であり、組織のポリシーで許可されている場合、権限コントロールが自動的に 承認を任せる に切り替わります。これは、デスクトップアプリの /model コマンドを使用する場合にも適用されます。そのモードを利用できない場合、現在の権限モードは変更されません。モデルの選択によって、管理対象の組織要件が上書きされることはありません。

承認済みのセキュリティモデルに対して フルアクセス を有効にする前に、 ChatGPT デスクトップアプリには危険な操作に関するモデル固有の警告が表示されます。この警告では、代わりに 承認を任せる を推奨し、 レビュアーポリシーの設定へのリンクを示します。この警告によってサンドボックス境界が復元されたり、組織のポリシーが上書きされたりすることはありません。

自動レビューを選択する

デスクトップアプリでは、入力欄の下にある権限コントロールから 承認を任せる を選択します。現在のチャットで選択されていることを確認してください。モードの選択とトラブルシューティングについては、アクセス許可を参照してください。

CLI またはローカルの Codex 設定では、 approvals_reviewer = "auto_review" を、対象となる対話型の承認ポリシー(approval_policy = "on-request" など)とともに設定します。承認ポリシーの変更だけでは、レビュアーは選択されません。管理者は、組織に対して自動レビューを必須にする ことができます。

自動レビューの仕組み

  1. メインエージェントが、コマンドの実行などのアクションを提案します。
  2. アクションに承認が必要な場合、Codex がリクエストを作成します。
  3. approvals_reviewer = "auto_review" の場合、Codex は人の対応を待つために停止せず、その承認リクエストを別のレビュアーエージェントに転送します。
  4. レビュアーはアクションを実行すべきかどうかを判断し、その理由を返します。
  5. アクションが承認されると、実行が続行されます。拒否された場合、メインエージェントには、実質的により安全な方法を探すか、停止してユーザーに確認するよう指示されます。

実行されるタイミング

自動レビューは、本来なら人による確認のために一時停止する承認リクエストを評価します。これには次のものが含まれます。

  • サンドボックス権限の昇格を要求するシェルまたは exec ツールの呼び出し。
  • decision = "prompt" が設定されたコマンドルールに一致するコマンド。サンドボックス内のコマンドも含まれます。
  • 承認が必要な宛先へのネットワークリクエスト。明示的なネットワーク拒否ルールがある場合、リクエストはブロックされます。
  • 書き込みが許可されたルートの外にあるファイルの編集。
  • ツールのアノテーションまたは設定された承認モードに基づいて承認が必要となる、MCP またはアプリのツール呼び出し。

すでに実行が許可されているアクションは、レビューなしで続行されます。

Computer Use のアプリレベルのアクセス確認は、ユーザーに直接表示されます。対象となる Computer Use ツールの呼び出しでは、それとは別に自動レビューがトリガーされる場合があります。

自動レビューがブロックするアクション

大まかに言うと、自動レビューは次のような操作をブロックするよう設計されています。

  • 個人データ、シークレット、認証情報を信頼できない宛先へ送信すること
  • 認証情報、トークン、Cookie、セッション情報を探ること
  • 広範または永続的にセキュリティを弱めること
  • 元に戻せない重大な損害のリスクを伴う破壊的な操作

デフォルトのルールとそのカスタマイズ方法については、設定を参照してください。

レビュー担当に表示される情報

レビュアーは、承認リクエストのきっかけとなった具体的なアクションを評価します。

レビュアーには、簡潔な会話記録と承認リクエストの正確な内容が提示されます。これには通常、ユーザーのメッセージ、ユーザーに表示されたアシスタントの進捗報告、関連するツールの呼び出しと出力、そして現在承認が求められているアクションが含まれます。また、ディレクトリの削除を承認する前にその内容を確認するなど、読み取り専用のチェックを行うこともできます。

アシスタントの非公開の推論は含まれません。自動レビューに表示されるのは、保持されたチャット項目とツールの証拠であり、非公開の思考過程ではありません。

拒否と障害時の動作

明示的な拒否は、通常のサンドボックスエラーとして扱われません。Codex はレビュー理由をメインエージェントに返し、より強い指示を追加します。

  • 回避策、間接的な実行、またはポリシーの迂回によって同じ結果を追求しないでください。
  • 実質的により安全な代替手段がある場合にのみ続行してください。
  • それ以外の場合は停止し、ユーザーに確認してください。

ほとんどのモデルでは、Codex CLI は3回連続で拒否された場合、またはそのターンの直近50回のレビューで10回拒否された場合にターンを中断します。サイバーセキュリティ用に指定されたモデルでは、CLI は最初の拒否でターンを中断します。

拒否以外のレビュー結果が返ると、連続拒否回数はリセットされます。Codex は拒否回数の上限に達すると、警告を表示してターンを停止します。

タイムアウトは明示的な拒否とは別に表示され、メインエージェントにはタイムアウトだけでは操作が安全でないことの証明にならないと通知されます。

Codex には、拒否された操作を明示的に上書き承認する方法も用意されています。現在のオープンソース TUI では、/approve を実行して自動レビューによる拒否 の選択画面を開き、最近拒否された操作を 1 つ選んで、1 回の再試行を承認します。Codex はタスクごとに最近の拒否を最大 10 件記録します。この承認の範囲は限定的です。拒否されたその操作にのみ適用され、今後の類似した操作には適用されません。同じコンテキストでの 1 回の再試行に対して記録され、再試行も自動レビューを通ります。内部では、 Codex が、その操作に限定した開発者スコープの承認マーカーを挿入します。レビュアーは、この明示的なユーザーによる上書き承認をコンテキストとして参照しますが、引き続きポリシーに従います。その種類の拒否をユーザーが上書きできないとポリシーで定められている場合は、再び拒否することがあります。

設定

レビュアーテンプレートは、アクションの評価方法をレビュアーに指示します。Codex はセキュリティポリシーをこのテンプレートに挿入し、応答形式を別途指定します。CLI は、利用可能な場合はレビュアーモデルのデフォルトポリシーを使用します。それ以外の場合は、 同梱のポリシー(policy.md)を使用します。

ルールを追加するには、ローカルの設定で extra_policy を [auto_review] の下にある config.toml 内で設定するか、管理対象の設定で最上位の guardian_extra_policy を requirements.toml 内に設定します。Codex は、これらのルールを有効なポリシーと併せて適用します。

ポリシーを置き換えるには、変更のベースにするポリシー全体をコピーします。同梱のデフォルトポリシーを使用する場合は、policy.md の内容をすべてコピーします。変更したいルールを編集し、全文をローカルの [auto_review].policy または管理対象の guardian_policy_config に設定します。省略したルールは、置き換え後のポリシーから除外されます。 Codex は引き続き、レビュアーのテンプレートと応答形式を使用します。

Codex は2つの設定を個別に解決し、空の値を無視します。管理対象の guardian_policy_config は、ローカルの [auto_review].policy より優先されます。管理対象の guardian_extra_policy は、ローカルの [auto_review].extra_policy より優先されます。たとえば、組織が置き換え用のポリシーのみを設定している場合でも、ローカルの extra_policy によって、そのポリシーにルールが追加されます。

組織全体の設定については、 自動レビューポリシーを設定するを参照してください。

承認済みのサイバーセキュリティ業務を設定する

許可されたセキュリティ作業では、自動レビューを、文書化された作業範囲および最小権限の権限プロファイルと組み合わせて使用します。承認済みのラボ環境の対象を使用し、アクションと作業期間を文書化してください。本番システム、無関係なホスト、認証情報、永続的な変更は、明示的に許可されていない限り対象範囲から除外してください。

このローカルの config.toml の例では、自動レビューを有効にし、作業のルールを有効なポリシーに追加します。例の対象とアクションを、承認済みの作業範囲に置き換えてください。

approval_policy = "on-request"
approvals_reviewer = "auto_review"
default_permissions = ":workspace"

[auto_review]
extra_policy = """
## Environment Profile
- Authorized target: lab.example.com.
- Approved actions: inspect the target, reproduce authorized vulnerabilities,
  and validate fixes within the documented engagement window.

## Tenant Risk Taxonomy and Allow/Deny Rules
- Allow only actions against the approved target that match the documented
  engagement scope and approved actions.
- Deny out-of-scope or unknown hosts, production access, credential theft,
  persistence, data exfiltration, destructive operations, and policy bypass.
- Deny ambiguous actions and high-impact changes until a human explicitly
  approves the exact target, action, and side effects.
"""

独立したファイルシステムルールとネットワークルールで、対象の制限を強制します。組織では、同じ作業ルールを、管理対象の設定にある最上位の guardian_extra_policy に、requirements.toml 内で設定します。以下の要件では、自動レビューを選択し、利用可能な権限プロファイルを制限します。

allowed_approval_policies = ["on-request"]
allowed_approvals_reviewers = ["auto_review"]
allowed_sandbox_modes = ["read-only", "workspace-write"]
default_permissions = ":workspace"

[allowed_permission_profiles]
":read-only" = true
":workspace" = true
# ":danger-full-access" is omitted, so it is denied.

allowed_permission_profiles は現在の権限プロファイルを制御します。 allowed_sandbox_modes は、従来の sandbox_mode をまだ使用しているデプロイ環境でもフルアクセスを防止します。

approval_policy = "on-request" または別の対象となる対話型の承認ポリシーを維持し、強制可能なサンドボックス境界を保ってください。 approval_policy = "never"、:danger-full-access、または --yolo を使用すると、アクションがレビューに必要な、境界を越えるための承認リクエストを作成せずに実行される場合があります。

許可リスト内のネットワーク宛先は、それだけではレビューをトリガーしません。サンドボックス内の操作もレビュアーに送る必要がある場合は、decision = "prompt" を指定した明示的な コマンドルールを追加するか、機密性の高い MCP ツールで承認を必須に設定してください。

モデルへのアクセス、作業の設定、カスタムエージェントのワークフローについては、モデルと Trusted Accessおよび推奨設定を参照してください。カスタム API または Agents SDK のハーネスについては、ガードレールと人によるレビューを参照してください。

セキュリティを弱めずにレビュー量を減らす

自動レビューは、一般的で安全なワークフローがサンドボックスですでにカバーされている場合に、最も効果的に機能します。日常的な操作のレビューが多すぎる場合は、レビュー担当に大量の権限昇格を延々と承認させるのではなく、まず境界を修正してください。

実際に最も効果が大きい変更は次のとおりです。

  • 意図的に使用する一時作業ディレクトリや隣接するリポジトリに対して、範囲を限定した writable_roots を追加します。
  • 適用範囲を絞ったプレフィックスルールを追加します。正確なコマンドプレフィックスである ["cargo", "test"] や ["pnpm", "run", "lint"] を、広範なパターンである ["python"] や ["curl"] より優先してください。広範なルールは、自動レビューが守るはずの境界を失わせることがよくあります。サイバーセキュリティモデルでは、CLI は allow のプレフィックスルールを無視し、prompt と forbidden のルールに従います。

自動レビューのセッション記録は、デフォルトで ~/.codex/sessions に保持されるため、ポリシーや権限を変更する前に、Codex にそこにある過去のトラフィックを分析させることができます。

制限事項

自動レビューは、長時間実行されるエージェント作業のデフォルトの動作条件を改善しますが、決定論的なセキュリティ保証ではありません。

  • 明示的なコマンドルールやツールの承認設定によって発生するリクエストを含め、対象となる承認リクエストのみを評価します。
  • 特に敵対的な状況や通常とは異なる状況では、誤りが生じることがあります。
  • 適切なサンドボックス設計、監視、組織固有のポリシーを補完するものとして使用し、それらの代わりにはしないでください。

研究上の根拠と公開済みの評価結果については、 自動レビューに関する Alignment Research の記事を参照してください。