Codex プロバイダ: ストリーム切断時にバイナリ自身の再接続を中断してしまい、長尺レスポンスが回復できない

[nrslib]

背景

Codex プロバイダで長尺レスポンス（例: スライド60枚を1コールでレビュー）を実行すると、サーバ側がレスポンス完了前に websocket を切断することがある（websocket closed by server before response.completed）。

この切断時、codex バイナリ自身は最大5回の再接続（Reconnecting... N/5）を持っているが、TAKT 側がそれを活かせていない。実ログ（debug）で次が確認できた。

• 終端は毎回 type:"error"（"Reconnecting..." 通知）で、SDK 本来の終端シグナル turn.failed は1度も発生していない（error 9回 / turn.failed 0回）
• 再接続カウンタは毎回 2/5 止まりで 3/5 以降に進まない
• TAKT は error を終端扱いしてストリームを打ち切り、独自にスレッドを丸ごと再実行する retry（PR [#758] fix-codex-reconnect-retry #767）を最大8回・上限なしの指数バックオフ（合計約255秒）で繰り返した末に失敗する

調査の結果（Codex CLI にもセカンドオピニオンを取得）、TAKT が type:"error"（再接続中の通知）を「回復不能エラー」と誤認してストリームを break し、その結果 SDK の generator が閉じて codex の子プロセスが kill され、バイナリ自身の再接続が毎回途中で潰されていることが「再接続できない」真因と判断した。SDK 公式コンシューマ（Thread.run()）は error を無視して読み続け、終端は turn.failed のみで扱っている点も裏付けになる。

（留保: SDK 型定義のコメントは ThreadErrorEvent を "unrecoverable" と記載しており、設計意図としては終端の可能性も残る。状態に基づく判定で安全に吸収する想定。）

やりたいこと

• ストリーム中の error イベントだけでストリームを打ち切らず、codex バイナリ／SDK 自身の再接続を完遂させる
• 終端の確定は turn.failed / 例外 / 外部 abort / idle-timeout に限定し、ストリームが正常終了したのに完了も有効な出力も無い場合のみ、記録しておいた最後のエラーで失敗とする
• PR [#758] fix-codex-reconnect-retry #767 で入った「error 起点でスレッド丸ごと再実行する retry」は見直す（turn.failed・例外・idle-timeout 起点の retry は限定的に残す）
• 併せて、再試行の指数バックオフに上限キャップを入れる（現状は上限なしで長尺タスク時に数分間フリーズして見える）

補足

• 関連: PR [#758] fix-codex-reconnect-retry #767（Codex reconnect を retry 可能にした変更。層を取り違えており本件で置き換え検討）
• 再現: 長尺レスポンスを出すエージェント（gpt-5.5 等）で、サーバ側 websocket 切断が起きるケース