Den vollständigen Index der Dokumentation findest du in llms.txt. Die Markdown-Version einer Dokumentationsseite erhältst du, indem du .md an die URL der Seite anhängst.
Hauptnavigation
Design
Jan 11, 2026 Codex

Wie Skyscanner Codex mit dem MCP-Server von JetBrains erweitert

Wie Skyscanner die Codex CLI mit den IDEs von JetBrains verbunden hat, um die Fehlersuche, das Testen und die Entwicklung zu beschleunigen.

Verfasst von: Jack Waller (Software Engineer, Skyscanner)

Wie Skyscanner Codex mit dem MCP-Server von JetBrains erweitert

Erfahre, wie Skyscanner die Codex CLI von OpenAI mit den IDEs von JetBrains verbunden hat. So kann der KI-Assistent dieselben Werkzeuge zur Fehlersuche und zum Testen nutzen wie das Entwicklungsteam.

Bei Skyscanner suchen wir immer nach Möglichkeiten, schneller zu entwickeln, ohne Abstriche bei der Qualität zu machen. In den vergangenen Monaten habe ich ausprobiert, wie sich Codex von OpenAI beim Pair Programming in meinem Arbeitsalltag bewährt.

Das Besondere daran? Ich habe die Codex CLI über den JetBrains-Server für das Model Context Protocol (MCP) mit den IDEs von JetBrains verbunden. Damit kann die KI erkennen, welche Funktionen die IDE bietet, und sie selbst nutzen. Das hat unsere Arbeit spürbar verändert. In diesem Beitrag zeige ich, wie Codex mit den Werkzeugen von JetBrains Probleme besser löst und wie wir dadurch schneller entwickeln.

Wie Codex den Kontext der IDE nutzt

Wenn ich Codex mit dem MCP-Server von JetBrains nutze, kann die KI auf Informationen aus meiner Entwicklungsumgebung zugreifen, die sie sonst nicht „sehen“ würde.

Über den MCP-Server kann Codex zusätzlichen Kontext aus der IDE abrufen. Zwei Beispiele:

  • Probleme in einer Datei finden: Mit den Inspektionen von IntelliJ kann Codex eine Datei auf Fehler und Warnungen prüfen und sich die konkreten Meldungen samt Fundstellen ausgeben lassen.
  • Ausführungskonfigurationen starten: Codex kann vordefinierte Konfigurationen starten, etwa für Unit-Tests, Linter oder Formatierer, und die Exitcodes und Ausgaben abrufen.

In der Praxis macht das einen großen Unterschied. Codex erhält beim Schreiben, Kompilieren und Testen von Code dieselben Rückmeldungen aus der IDE wie wir im Entwicklungsteam. Damit kann Codex seinen Code gründlicher prüfen und braucht weniger Zeit für die nächste Überarbeitung.

Fehler schneller erkennen: ein Beispiel aus der Praxis

Ich schrieb gerade Unit-Tests für die Fehlerbehandlung in unserem Code, der das Java SDK von Databricks nutzt. Ich bat Codex, mir dabei zu helfen, für einen Test eine Ausnahme zu simulieren. Codex schlug ohne Zögern eine Java-Zeile vor, die ungefähr so aussah:

var stubError = new NotFound("dummy error");

Auf den ersten Blick wirkt das plausibel, denn wir wollen einen NotFound-Fehler simulieren. Doch kurz darauf unterstrich IntelliJ die Zeile deutlich sichtbar in Rot.

Der Grund: Die Ausnahmeklasse NotFound im Databricks SDK hat keinen Konstruktor, der ein einzelnes String-Argument akzeptiert. Das kannst du im Quellcode des Databricks SDK in NotFound.java nachlesen. Der von Codex vorgeschlagene Code ließ sich also gar nicht kompilieren.

Normalerweise würde Codex von diesem Fehler zunächst nichts erfahren. Vielleicht würde Codex ihn erst beim Versuch bemerken, die Tests auszuführen. Dank der MCP-Integration mit JetBrains bemerkte Codex den Fehler jedoch sofort. Im Hintergrund rief Codex das IDE-Werkzeug get_file_problems auf, um die Datei zu prüfen. Das Werkzeug meldete sofort den Kompilierungsfehler: Es gab keinen passenden Konstruktor.

Ohne den MCP-Server hätte Codex wahrscheinlich diese Schritte durchlaufen:

  1. Code generieren
  2. Herausfinden, wie sich die Unit-Tests ausführen lassen
  3. Die Unit-Tests ausführen und dafür gegebenenfalls meine Genehmigung für die Befehle einholen
  4. Die Fehlermeldung lesen und auswerten
  5. Versuchen, den Fehler zu beheben

Mit dem MCP-Server von JetBrains ist der Weg deutlich kürzer:

  1. Code generieren
  2. Die JetBrains-IDE nach Problemen in der Datei fragen
  3. Genau den Fehler beheben, den IntelliJ meldet

So sparte Codex Zeit und brauchte weniger Kontext. Es fühlte sich an wie Pair Programming mit jemandem aus dem Team, der sofort sagt: „Ah, so einen Konstruktor hat die Klasse gar nicht. Sie erwartet andere Argumente. Das korrigiere ich schnell.“

Vordefinierte Konfigurationen für Tests und Formatierung

Ein weiterer Vorteil für mich ist, dass Codex unsere vorhandenen Build- und Testwerkzeuge direkt aus der IDE starten kann. Für die meisten unserer Projekte habe ich in meiner IDE bereits lokale Ausführungskonfigurationen angelegt, etwa für Tests, Formatierung und Linting. Über den MCP-Server von JetBrains kann Codex diese Konfigurationen finden und bei Bedarf ausführen.

So braucht Codex weniger Zeit und Kontext, um herauszufinden, wie sich diese Werkzeuge starten lassen, und kann sich auf das ursprüngliche Problem konzentrieren. Seit der Umstellung habe ich beobachtet, dass Codex beim Testen, Formatieren und Linting nicht mehr ins Stocken gerät.

In meinen eigenen Anweisungen für den Agenten gebe ich Codex deshalb vor, nach jeder Änderung die Tests auszuführen, den Linter zu starten und den Code zu formatieren.

## Code edit instructions

After you've finished editing

- Use the jetbrains mcp (if available) to find any problems
- Run format command if available
- Run lint command if available

Mir fällt auf, dass Codex Probleme inzwischen oft selbst löst, ohne dass ich eingreifen muss. Das erleichtert mir die Arbeit erheblich:

  • Ich muss nicht nach jeder Änderung von Codex die Tests, den Linter und den Formatierer von Hand starten.
  • Ich muss keine Fehlermeldungen mehr kopieren und in den Chat einfügen.
  • Codex erfährt schnell und präzise, ob die Änderungen tatsächlich funktionieren. Dadurch sind weniger Korrekturrunden nötig.

So bleibt mir mehr Zeit für meine eigentliche Aufgabe: zuverlässige Software in hoher Qualität zu liefern.

Was sich für uns in der Entwicklung ändert

Seit wir Codex mit dem MCP-Server von JetBrains verbunden haben, kann unser KI-Assistent in der Entwicklung mehr Aufgaben selbst übernehmen und arbeitet zuverlässiger. Im Alltag merken wir das an mehreren Stellen:

  • Schnellere Rückmeldungen: Die IDE meldet Codex sofort, wenn sich der Code nicht kompilieren lässt oder ein Test fehlschlägt.
  • Weniger Rückfragen im Chat: Codex kann die IDE direkt abfragen und muss nicht jedes Mal warten, bis ich etwas ausführe und die Fehlermeldung in den Chat einfüge.
  • Bessere Vorschläge: Weil Codex dieselben Probleme sieht wie die IDE, lässt sich der korrigierte Code häufiger schon beim ersten Versuch kompilieren und besteht die Tests.
  • Bessere Einbindung in unsere Arbeitsabläufe: Codex nutzt unsere vorhandenen Werkzeuge, statt sich eigene auszudenken.

So ist Codex inzwischen fest in unsere Entwicklungsumgebung eingebunden. Früher haben wir es als eigenständiges Werkzeug genutzt.

Fazit

Für uns bei Skyscanner hat sich gezeigt, wie entscheidend der Kontext ist. Codex kann schon für sich genommen viel leisten. Mit Einblick in die IDE arbeitet es aber deutlich effektiver. Mit diesem zusätzlichen Kontext versteht Codex Probleme besser und findet schneller die passende Korrektur. Das stärkt mein Vertrauen in die Ergebnisse.

Wir hoffen, dass unsere Erfahrungen andere dazu anregen, solche Integrationen selbst auszuprobieren. Für mich fühlt es sich inzwischen viel mehr nach gemeinsamem Programmieren mit einer KI an, die dasselbe sieht wie wir, als nach der Arbeit mit einem Werkzeug.