Claude Code en Codex naast elkaar gebruiken: zo voorkom je dubbel werk
Wie met AI-codingtools werkt, hoeft zich niet vast te klikken aan één ecosysteem. Claude Code en OpenAI Codex kunnen in dezelfde projectmap samenwerken, zolang je de juiste instructie- en configuratiebestanden voorziet. De kern: gedeelde kennis blijft hetzelfde, maar elke tool verwacht zijn eigen bestandsstructuur.
Eén project, meerdere AI-assistenten
AI-codingtools worden steeds meer de vaste copiloten van ontwikkelaars, maar in de praktijk ontstaat al snel een nieuw probleem: elk hulpmiddel heeft zijn eigen gewoontes. Een project dat netjes is ingericht voor Claude Code, is daarom niet automatisch optimaal voorbereid op OpenAI Codex. Toch hoeft dat geen reden te zijn om projecten te dupliceren of context kwijt te raken.
De oplossing zit in een simpele gedachte: behandel je projectkennis als een gedeelde laag, en je agentconfiguratie als een toolspecifieke laag. Documentatie, scripts, referentiebestanden, beslisnota’s en projectcontext kunnen gewoon in dezelfde mappen blijven staan. Zowel Claude Code als Codex kan die informatie lezen. Wat verschilt, is vooral waar de tools hun instructies, skills en configuratie verwachten.
Verschillende mappen, dezelfde context
Bij Claude Code draait veel rond een `CLAUDE.md`-bestand en een `.claude`-map. Daarin staan doorgaans projectinstructies, instellingen, agents en skills. Codex gebruikt op zijn beurt `AGENTS.md` als instructiebestand. OpenAI beschrijft dat bestand als de plek waar Codex extra context en richtlijnen voor een project ophaalt voordat het aan een taak begint.
Voor configuratie gebruikt Codex onder meer een `.codex/config.toml`-bestand, dat zowel op gebruikersniveau als projectspecifiek kan worden ingezet. In de praktijk betekent dit dat ontwikkelaars hun bestaande Claude Code-project niet hoeven om te bouwen, maar kunnen uitbreiden. Een `CLAUDE.md` kan dienen als basis voor een nieuwe `AGENTS.md`.
AI kan de conversie zelf versnellen
Skills die al in markdown zijn geschreven, kunnen vaak grotendeels behouden blijven, zolang ze ook op de plek staan waar Codex ze verwacht. OpenAI ondersteunt bovendien Agent Skills, waarbij onder meer metadata en toolafhankelijkheden kunnen worden vastgelegd.
Wel zijn er nuances. Agentbestanden zijn niet altijd één op één uitwisselbaar. Waar Claude Code vaker met markdownstructuren werkt, gebruikt Codex in bepaalde configuraties bijvoorbeeld TOML. Ook het gedrag van subagents verschilt. Codex kan met subagents werken, maar start ze volgens de documentatie alleen wanneer de gebruiker daar expliciet om vraagt.
Een praktische aanpak is om de conversie niet handmatig regel voor regel te doen, maar de AI-agent zelf te laten helpen. Een bruikbare opdracht is bijvoorbeeld: maak op basis van mijn bestaande Claude Code-project een Codex-compatibele structuur, genereer een `AGENTS.md`, zet relevante skills op de juiste plek, maak een `.codex`-configuratie aan en controleer de actuele documentatie van beide tools.
Tool-agnostisch werken wordt belangrijker
Die aanpak heeft ook een strategisch voordeel. Wanneer Claude Code vastloopt, kan Codex soms met dezelfde projectcontext verder zoeken naar een oplossing, of omgekeerd. Een korte “session handoff” , met samenvatting van de taak, actieve bestanden, gemaakte keuzes en volgende stappen, maakt zo’n overdracht veel efficiënter.
De belangrijkste les is daarom niet dat Codex beter is dan Claude Code, of andersom. De les is dat ontwikkelaars tool-agnostisch moeten leren werken. Wie zijn project zo organiseert dat meerdere agents dezelfde kennis kunnen gebruiken, verkleint de afhankelijkheid van één ecosysteem en kan sneller schakelen wanneer een tool tekortschiet, vastloopt of tijdelijk niet beschikbaar is.