工具資訊
| 項目 | 值 |
|---|---|
| 名稱 | comfy-mcp |
| 類型 | MCP server |
| GitHub | Comfy-Org/comfy-mcp |
| Stars | 88 |
| 語言 | Python |
| 授權 | AGPL-3.0-or-later OR Commercial |
| 安裝 | pip install comfy-mcp "comfy-cli>=1.14.0" |
解決什麼問題
你是否用 Agent 幫忙做圖像或影片生成任務時,發現 Agent 只能「告訴你」該用哪個 ComfyUI workflow、哪個 node,剩下裝套件、開伺服器、跑 workflow、確認有沒有跑出東西全部要自己手動來?ComfyUI 的操作習慣是在瀏覽器裡拖節點、按 Queue,Agent 過去沒有一個標準管道能直接碰到這台機器上正在跑的 ComfyUI。
comfy-mcp 是 Comfy 官方(也就是 ComfyUI 背後的公司)自己維護的 local MCP server,把 comfy-cli 的功能整組包成 39 個 MCP tool 開給 Agent 用:從 run_workflow、generate_image 這種直接執行,到 validate_workflow、workflow_deps 這種跑之前先檢查 workflow 用到的 node 包裝有沒有裝、search_templates/fetch_template 直接從官方模板庫抓現成 workflow,甚至 launch_comfyui/install_node 這種連「開伺服器」「裝套件」本身都能讓 Agent 代勞。所有 tool 底層都是呼叫 comfy --json --where local,等於是把 comfy-cli 原本要人手動下的指令,變成 Agent 可以直接呼叫、有結構化回傳值的介面。
適合場景:用 Claude Code/Cursor 之類工具做圖像或影片生成流程的自動化,例如批次跑一組 workflow 變體、Agent 幫忙除錯「這個 workflow 為什麼跑不出來」(透過 validate_workflow/node_dependencies 找出缺的 node)、或是想讓 Agent 自己去官方模板庫挑一個現成 workflow 再依需求調參數。
快速上手
安裝
pip install comfy-mcp "comfy-cli>=1.14.0"
comfy install # 如果還沒有 ComfyUI workspace
comfy launch # 啟動 ComfyUI 本體
基本用法
// Claude Desktop / Cursor 的 mcp.json
{
"mcpServers": {
"comfy-mcp": {
"command": "comfy-mcp",
"env": {
"COMFY_BIN": "/path/to/venv/bin/comfy"
}
}
}
}
Agent 連上後可直接呼叫的核心 tool:
server_info()— 確認 ComfyUI 有沒有在跑、硬體規格search_templates(query, tag, model)— 從官方模板庫找 workflowrun_workflow(workflow_path, wait, confirm_spend)— 執行 workflowjob(action="status|wait|watch|cancel", prompt_id)— 監控排隊中的任務fetch_outputs(prompt_id, out_dir)— 拿到產出的圖片/影片
進階用法
# 跑之前先驗證 workflow 用到的 node 包裝是否齊全
comfy-mcp validate_workflow --workflow_path ./my_workflow.json
# 缺什麼就用這個查依賴、再用 install_node 裝
comfy-mcp workflow_deps --workflow_path ./my_workflow.json
同一個 workflow 也能一次 fan 出多組參數變體,交給 Agent 批次比較:
comfy-mcp vary_workflow \
--workflow_path ./portrait.json \
--slots '{"steps": [20, 30, 40], "cfg": [4, 7]}' \
--out_dir ./variants
與現有工具的比較
| comfy-mcp | 手動操作 ComfyUI 網頁介面 | Comfy Cloud MCP | |
|---|---|---|---|
| Agent 直接執行 workflow | ✅ | ❌ | ✅ |
| 跑在自己機器、自己的 GPU/模型 | ✅ | ✅ | ❌(跑在 Comfy Cloud GPU) |
| 免另申請雲端額度 | ✅ | ✅ | ❌(按用量計費) |
| workflow 依賴檢查(node/模型是否齊全) | ✅ | 需自己排查 | 由雲端環境保證 |
| 官方維護 | ✅ Comfy-Org | — | ✅ Comfy-Org |
注意事項
- 授權是 AGPL-3.0-or-later 或商業授權雙軌制,不是單純 MIT/Apache,如果你的專案會把 comfy-mcp 整合進商業產品對外提供服務,AGPL 的 copyleft 條款可能要求你開源整合後的程式碼,需要先確認自己的使用情境是否符合,或改談商業授權。
- 仍是 Beta 狀態,README 自己標註「Status: Beta」,目前只在 Python 3.10 和 3.14 上跑 CI,中間版本沒有明確保證。
- 花費類 tool 有加保護:
partner_generate這類會呼叫付費 partner API 的 tool 預設一定會先跳出確認,run_template/run_workflow則要顯式傳confirm_spend=True才會跳確認,避免 Agent 沒注意到就把你的 API 額度燒完。
今日收穫
comfy-mcp 有意思的地方不在「幫 ComfyUI 加了個 MCP 介面」本身,而在它把 comfy-cli 原本設計給人在終端機打指令的操作邏輯,完整搬進了 Agent 可呼叫的 39 個 tool 裡——包含「跑之前先驗證依賴」「模板庫直接查詢」這種原本要人有經驗才知道該做的前置檢查步驟,也變成 Agent 可以主動呼叫的動作。這說明一個成熟 CLI 工具要接上 MCP,重點往往不是包一層轉接器,而是把工具鏈裡「有經驗的人會多做的那幾步」也一併結構化出來。
參考資料
Loading...