Comfyui MCP (comfyui-mcp)

Comfy MCP服务器

MCP服务器，用于全面的ComfyUI工作流自动化、管理和图像生成。

概述

此服务器为Claude Code（和其他MCP客户端）提供对ComfyUI功能的完全访问权限：

• 系统监控：检查服务器运行状况、队列状态和历史记录
• 工作流执行：运行已保存的工作流或执行自定义工作流字典
• 工作流管理：创建、修改、保存和验证工作流
• 节点发现：列出可用节点、模型及其参数
• 图像生成：简单的基于提示的生成或完整的工作流控制

主要特点

✅ 架构验证的工作流

所有生成的工作流都会根据 ComfyUI v0.4工作流模式，确保兼容性和正确执行。不再有无效的工作流错误。

🎨 美观的视觉布局

程序化生成的工作流 相干节点位置 具有适当的间距和对齐。内置的布局引擎可以生成无棱角、专业外观的工作流，这些工作流易于在ComfyUI编辑器中阅读和修改。

技术：使用基于图的布局算法（NetworkX）自动定位节点，从程序化工作流生成中消除了典型的意大利面条图。

先决条件

• 紫外线 -Python包管理器
• 正在运行ComfyUI服务器（本地或远程）
• 从ComfyUI导出的工作流文件（API格式）

安装

通过PyPI（推荐）

# Run directly with uvx
uvx comfyui-easy-mcp

# Or install globally
uv pip install comfyui-easy-mcp

来自源头

git clone https://github.com/IO-AtelierTech/comfyui-mcp.git
cd comfyui-mcp
uv sync

配置

环境变量

配置示例

export COMFY_URL=http://localhost:8188
export COMFY_WORKFLOWS_DIR=/path/to/workflows-api      # API format for execution
export COMFY_WORKFLOWS_UI_DIR=/path/to/workflows-ui    # UI format for editor
export COMFY_WORKFLOW_JSON_FILE=/path/to/workflows-api/default.json
export PROMPT_NODE_ID=6
export OUTPUT_NODE_ID=9
export OUTPUT_MODE=file

Claude桌面配置

{
  "mcpServers": {
    "ComfyUI": {
      "command": "uvx",
      "args": ["comfyui-easy-mcp"],
      "env": {
        "COMFY_URL": "http://localhost:8188",
        "COMFY_WORKFLOWS_DIR": "/path/to/workflows-api",
        "COMFY_WORKFLOWS_UI_DIR": "/path/to/workflows-ui",
        "COMFY_WORKFLOW_JSON_FILE": "/path/to/workflows-api/default.json",
        "PROMPT_NODE_ID": "6",
        "OUTPUT_NODE_ID": "9"
      }
    }
  }
}

或者使用预先配置的 .mcp.json 从 安慰的.

可用工具

系统工具

发现工具

工作流管理工具

执行工具

工作流格式

ComfyUI使用两种工作流格式。理解差异至关重要：

重要:

• 仅 API格式 工作流可以通过MCP执行(run_workflow(), execute_workflow())
• UI格式 工作流用于在ComfyUI web编辑器中加载/编辑
• 如果您尝试执行UI格式工作流，MCP服务器将拒绝并返回错误

格式检测

服务器通过检查以下内容自动检测格式 "nodes" 或 "version" 按键（UI格式）vs "class_type" 密钥（API格式）。

创建、验证和保存工作流

推荐的工作流程

# 1. CREATE: Start with empty workflow or template
wf = create_workflow()
# Or use a template:
wf = get_workflow_template("fal-flux-dev")

# 2. BUILD: Add nodes with explicit connections
wf = add_node(wf, "1", "LoadImage", {"image": "input.jpg"})
wf = add_node(wf, "2", "LumaImageToVideoNode", {
    "prompt": "smooth camera motion",
    "model": "ray-2",
    "first_image": ["1", 0],  # Connect to node "1", output index 0
    "resolution": "1080p",
    "duration": "5s"
})
wf = add_node(wf, "3", "SaveVideo_fal", {
    "videos": ["2", 0],
    "filename_prefix": "output"
})

# 3. VALIDATE: Check structure and node types before saving
validation = validate_workflow(wf)
# Returns: {"valid": true/false, "errors": [...], "warnings": [...]}

# 4. SAVE: Choose format based on purpose
# For MCP execution (API format):
save_workflow(wf, "my-workflow", format="api")  # → workflows-api/my-workflow.json

# For ComfyUI editor (UI format):
save_workflow(wf, "my-workflow", format="ui")   # → workflows-ui/my-workflow.json

节点连接

连接使用以下格式 ["source_node_id", output_index]:

# Connect node "1" output slot 0 to this input
wf = add_node(wf, "2", "CLIPTextEncode", {
    "text": "my prompt",
    "clip": ["1", 0]  # ← Connection to node "1", first output
})

发现节点参数

在添加节点之前，请检查其所需的输入：

# Find available nodes
nodes = list_nodes(filter="Luma")  # → ["LumaImageToVideoNode", ...]

# Get node details
info = get_node_info("LumaImageToVideoNode")
# Returns:
# {
#   "input": {
#     "required": {
#       "prompt": ["STRING", {...}],
#       "model": [["ray-2", "ray-flash-2"], {...}],
#       "first_image": ["IMAGE"],
#       ...
#     },
#     "optional": {...}
#   },
#   "output": ["VIDEO"],
#   ...
# }

验证错误

常见验证问题：

使用示例

简单图像生成

# Using default workflow configuration
result = generate_image("a cyberpunk city at sunset")

运行命名工作流

# Execute saved workflow with custom inputs
result = run_workflow(
    "flux-dev.json",
    inputs={"6": {"text": "a forest landscape"}},
    output_node_id="9"
)

构建和执行自定义工作流

# 1. Create empty workflow
wf = create_workflow()

# 2. Add nodes
wf = add_node(wf, "1", "CheckpointLoaderSimple", {
    "ckpt_name": "flux-dev.safetensors"
})
wf = add_node(wf, "2", "CLIPTextEncode", {
    "text": "beautiful sunset over mountains",
    "clip": ["1", 1]  # Connect to checkpoint's CLIP output
})
wf = add_node(wf, "3", "KSampler", {
    "model": ["1", 0],
    "positive": ["2", 0],
    # ... other inputs
})

# 3. Validate before execution
validation = validate_workflow(wf)
if not validation.get("valid"):
    print(f"Errors: {validation.get('errors')}")

# 4. Execute
result = execute_workflow(wf, output_node_id="9")

异步工作流提交

# Submit without waiting
submission = submit_workflow(workflow)
prompt_id = submission["prompt_id"]

# Check status later
status = get_prompt_status(prompt_id)

# Get result when ready
if status["completed"]:
    image = get_result_image(prompt_id, "9")

发现可用节点

# List all fal.ai nodes
nodes = list_nodes(filter="fal")

# Get details about a specific node
info = get_node_info("RemoteCheckpointLoader_fal")

使用fal.ai连接器

这 ComfyUI假连接器 通过fal.ai启用云GPU推理。

# 1. Verify fal.ai extension is loaded
extensions = list_extensions()
# Should include "ComfyUI-fal-Connector"

# 2. List available fal.ai nodes
fal_nodes = list_nodes(filter="fal")
# Returns: ["RemoteCheckpointLoader_fal", "StringInput_fal", "SaveImage_fal", ...]

# 3. Get node details
info = get_node_info("RemoteCheckpointLoader_fal")
# Shows available checkpoints: flux-dev, flux-schnell, sd3.5-large, etc.

# 4. Build a fal.ai workflow
wf = create_workflow()
wf = add_node(wf, "1", "RemoteCheckpointLoader_fal", {
    "ckpt_name": "flux-dev"
})
wf = add_node(wf, "2", "StringInput_fal", {
    "text": "a futuristic city at sunset, cyberpunk style"
})
wf = add_node(wf, "3", "CLIPTextEncode", {
    "text": ["2", 0],
    "clip": ["1", 1]
})
# ... add sampler, VAE decode, save image nodes

# 5. Execute on fal.ai cloud GPUs
result = execute_workflow(wf, output_node_id="9")

环境设置：

export FAL_KEY=your-fal-api-key

建筑

comfy_mcp_server/
├── __init__.py      # Entry point, FastMCP server
├── api.py           # HTTP helpers, ComfyUI API functions
├── models.py        # Pydantic models for type safety
├── settings.py      # Configuration with pydantic-settings
├── compat.py        # Version compatibility layer
└── tools/           # MCP tool implementations
    ├── system.py    # System monitoring tools
    ├── discovery.py # Node/model discovery
    ├── workflow.py  # Workflow management
    └── execution.py # Workflow execution

发展

# Install dev dependencies
uv sync --all-extras

# Run linting
uv run ruff check src/

# Run tests (requires running ComfyUI)
uv run pytest tests/

# Format code
uv run ruff format src/

ComfyUI API覆盖范围

目标： ComfyUI 0.3.x - 0.4.x 版本

实现说明

• 部分的：历史删除未完全作为工具公开
• 未实现：图像/掩码上传、内存管理和用户数据API计划在未来发布

兼容性

• MCP服务器版本: 0.2.0
• 最小ComfyUI: 0.3.0
• 最大测试ComfyUI：0.4.x
• python: 3.10+

该服务器包含一个兼容层，用于处理ComfyUI版本之间的API差异，并提供优雅的降级。

许可证

MIT许可证-请参阅 许可证 文件。

学分

最初分叉自 @拉兰尼卡里姆/康菲尤伊mcp.