Token导航 LogoToken导航

MCP Server · AI代理

Comfyui MCP Server (comfyui-mcp-server)

一个轻量级的MCP服务器,通过本地ComfyUI实例实现AI代理生成和迭代优化图像、音频和视频。

stdio官方级别未说明来源级核验工具 17
AI生成PythonClaude工作流自动化Cursor

快速开始

作者 / 组织
joenorton
提供方
joenorton
运行时
Python

工具数量

17

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

311

仓库热度

收录来源

2 个

MCP World

选型结论

Comfyui MCP Server (comfyui-mcp-server) 属于AI代理类 MCP Server,公开资料标注 17 个工具,通过stdio 本地进程接入,适配 Claude、Cursor,有可以直接复制的安装命令;接入前先确认权限范围。

分类

AI代理

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

pip install -r requirements.txt

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 17 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

ComfyUI MCP服务器

通过自然对话生成和优化AI图像/音频/视频

一个轻量级的MCP(模型上下文协议)服务器,允许AI代理使用本地ComfyUI实例生成和迭代优化图像、音频和视频。

您运行服务器,连接客户端,并发出工具调用。其他一切都是可选的深度。

______________________________________________________________________

快速入门(2-3分钟)

这证明一切都在工作。

1) 克隆并设置

git clone https://github.com/joenorton/comfyui-mcp-server.git
cd comfyui-mcp-server
pip install -r requirements.txt

2) 启动ComfyUI

确保ComfyUI已安装并在本地运行。

cd 
python main.py --port 8188

3) 运行MCP服务器

从存储库目录:

python server.py

服务器在以下位置进行监听:

http://127.0.0.1:9000/mcp

4) 验证其是否正常工作(不需要AI客户端)

运行附带的测试客户端:

# Use default prompt
python test_client.py

# Or provide your own prompt
python test_client.py -p "a beautiful sunset over mountains"
python test_client.py --prompt "a cat on a mat"

test_client.py 将:

  • 连接到MCP服务器
  • 列出可用工具
  • 获取并显示服务器默认值(宽度、高度、步长、型号等)
  • 跑 generate_image 根据您的提示(或默认设置)
  • 自动对所有其他参数使用服务器默认值
  • 打印生成的资产信息

如果此步骤成功,则系统正在工作。

注: 测试客户端尊重通过配置文件、环境变量或 set_defaults 电话。只有 prompt 参数为必填项;所有其他参数自动使用服务器默认值。

就是这样。

______________________________________________________________________

与AI代理(Cursor/Claude/n8n)一起使用

服务器运行后,您可以将其连接到AI客户端。

创建一个项目范围 .mcp.json 文件:

{
  "mcpServers": {
    "comfyui-mcp-server": {
      "type": "streamable-http",
      "url": "http://127.0.0.1:9000/mcp"
    }
  }
}

注: 一些客户使用 "type": "http" 而不是 "streamable-http"。两者都适用于此服务器。如果自动发现不起作用,请尝试更改类型字段。

重启你的AI客户端。您现在可以调用以下工具:

  • generate_image
  • view_image
  • regenerate
  • get_job
  • list_assets

这是主要的预期使用模式。

______________________________________________________________________

它工作后你能做什么

一旦您确认服务器运行并且客户端可以连接,系统支持:

  • 通过迭代细化 regenerate (无重新提示)
  • 明确的资产标识,以便进行可靠的跟进
  • 针对长时间运行的几代人的作业轮询和取消
  • 可选的图像注入到AI的上下文中(view_image)
  • 自动发现带有参数暴露的ComfyUI工作流
  • 可配置的默认值,以避免重复常见设置

下面的所有内容都基于您刚才测试的相同基本循环。

迁移说明(以前版本)

如果您使用过此项目的早期版本,则会发生一些变化。

有什么相同之处

  • 您仍然运行一个本地MCP服务器,该服务器将执行委托给ComfyUI
  • 工作流仍然是放置在 workflows/ 目录
  • 图像生成行为的核心不变

有什么新消息

  • 可流式HTTP传输 替换旧的基于WebSocket的方法
  • 明确的作业管理 (get_job, get_queue_status, cancel_job)
  • 资产标识 而不是临时URL(在主机名更改时稳定)
  • 迭代支持 通过 regenerate (使用参数覆盖进行回放)
  • 可选视觉反馈 代理商通过 view_image
  • 可配置的默认值 避免重复常见参数

概念上发生了什么变化

早期版本是一个精简的请求/响应桥。 当前版本是围绕 迭代 和 有状态控制回路.

您仍然可以通过一次调用生成图像,但现在您可以选择:

  • 返回具体输出
  • 在不重新指定所有内容的情况下优化结果
  • 轮询和取消长时间运行的作业
  • 让AI代理直接检查生成的图像

寻找旧的行为?

如果你想从早期版本中获得最小的单次射击行为:

  • 跑 test_client.py (这反映了原始的使用模式)
  • 呼叫 generate_image 只需一个提示(服务器默认处理其余部分)
  • 忽略其他工具

除非您想要新功能,否则不需要迁移。

可用工具

生成工具

  • generate_image:生成图像(需要 prompt)
  • generate_song:生成音频(需要 tags 和 lyrics)
  • regenerate:使用可选参数覆盖重新生成现有资产(需要 asset_id)

查看工具

  • view_image:内联查看生成的图像(仅图像,不包括音频/视频)

作业管理工具

  • get_queue_status:检查ComfyUI队列状态(正在运行/挂起的作业)-提供异步感知
  • get_job:按prompt_id轮询作业完成状态-检查作业是否已完成
  • list_assets:浏览最近生成的资产-启用AI内存和迭代
  • get_asset_metadata:获取资产的完整来源和参数-包括工作流历史记录
  • cancel_job:取消排队或正在运行的作业

配置工具

  • list_models:列出可用的ComfyUI型号
  • get_defaults:获取当前默认值
  • set_defaults:设置默认值(可选持久性)

工作流工具

  • list_workflows:列出所有可用工作流
  • run_workflow:使用自定义参数运行任何工作流

发布工具

  • get_publish_info:显示发布状态(检测到的项目根、发布目录、ComfyUI输出根和任何缺少的设置)
  • set_comfyui_output_root:设置ComfyUI输出目录(建议用于Comfy Desktop/非标准安装;在重新启动时保持不变)
  • publish_asset:使用确定性压缩(默认600KB)将生成的资产发布到项目的web目录中

发布注释:

  • 会话范围: asset_ids仅对当前服务器会话有效;重新启动会使它们无效。
  • 常见情况下无需配置:自动检测到发布目录(public/gen, static/gen,或 assets/gen);如果无法检测到ComfyUI输出,请通过设置一次 set_comfyui_output_root.
  • 两种模式:演示(显式文件名)和库(自动文件名+清单更新)。在库模式下, manifest_key 是必需的。
  • 清单:仅在以下情况下更新 manifest_key 提供。
  • 压缩:满足尺寸限制的确定性阶梯;如果不能,则会出现明显的错误。

快速入门:

代理对话流示例:

用户: “为我的网站生成一个英雄图片,并将其发布为hero.webp”

代理人: *检查发布配置*

  • 呼叫 get_publish_info() → 看到状态“就绪”

代理人: *生成图像*

  • 呼叫 generate_image(prompt="a hero image for a website") → gets asset_id

代理人: *发布资产*

  • 呼叫 publish_asset(asset_id="...", target_filename="hero.webp") → 成功

用户: “现在生成一个徽标并将其作为‘站点徽标’添加到清单中”

代理人: *生成并发布清单*

  • 呼叫 generate_image(prompt="a modern logo") → gets asset_id
  • 呼叫 publish_asset(asset_id="...", manifest_key="site-logo") → 自动生成文件名,更新清单

看 docs/HOW_TO_TEST_PUBLISH.md 了解详细的使用和测试说明。

自定义工作流

通过将JSON文件放置在 workflows/ 目录。工作流被自动发现并作为MCP工具公开。

工作流占位符

使用 PARAM_* 在JSON工作流中使用占位符来公开参数:

  • PARAM_PROMPT → prompt: str (必填)
  • PARAM_INT_STEPS → steps: int (可选)
  • PARAM_FLOAT_CFG → cfg: float (可选)

例子:

{
  "3": {
    "inputs": {
      "text": "PARAM_PROMPT",
      "steps": "PARAM_INT_STEPS"
    }
  }
}

工具名称来源于文件名(例如。, my_workflow.json → my_workflow 工具)。

______________________________________________________________________

配置

服务器支持可配置的默认值,以避免重复常见参数。默认值可以通过以下方式设置:

  • 运行时默认值:使用 set_defaults 工具(短暂,重启时丢失)
  • 配置文件: ~/.config/comfy-mcp/config.json (持续)
  • 环境变量: COMFY_MCP_DEFAULT_* 前缀变量

默认值按优先级顺序解决:每次调用值→ 运行时默认值→ 配置文件→ 环境变量→ 硬编码默认值。

有关完整的配置详细信息,请参阅 文档/参考.md.

______________________________________________________________________

详细参考

完整的参数列表、返回模式、配置选项和高级工作流元数据记录在:

  • API 参考 -完整的工具参考、参数、返回值和配置
  • 建筑 -设计决策和系统概述

项目结构

comfyui-mcp-server/
├── server.py              # Main entry point
├── comfyui_client.py      # ComfyUI API client
├── asset_processor.py     # Image processing utilities
├── test_client.py         # Test client
├── managers/              # Core managers
│   ├── workflow_manager.py
│   ├── defaults_manager.py
│   └── asset_registry.py
├── tools/                 # MCP tool implementations
│   ├── generation.py
│   ├── asset.py
│   ├── job.py             # Job management tools
│   ├── configuration.py
│   └── workflow.py
├── models/                # Data models
│   ├── workflow.py
│   └── asset.py
└── workflows/             # Workflow JSON files
    ├── generate_image.json
    └── generate_song.json

备注

  • 默认情况下,服务器绑定到localhost。在没有身份验证或反向代理的情况下,不要公开它。
  • 确保您的模型存在于 /models/checkpoints/
  • 服务器使用 可流式传输http 传输(基于HTTP,不是WebSocket)
  • 工作流是自动发现的,不需要更改代码
  • 资产在24小时后过期(可配置)
  • view_image 仅支持图像(PNG、JPEG、WebP、GIF)
  • 资产身份使用 (filename, subfolder, type) 而不是URL以增强健壮性
  • 存储完整的工作流历史记录,以便于来源和再现
  • regenerate 使用存储的工作流数据重新创建具有参数覆盖的资产
  • 会话隔离: list_assets 可以按会话筛选干净的AI代理上下文

故障排除

服务器无法启动:

  • 检查ComfyUI是否在端口8188上运行(默认)
  • 验证是否安装了Python 3.8+(python --version)
  • 检查是否安装了所有依赖项: pip install -r requirements.txt
  • 检查服务器日志中的特定错误消息

客户端无法连接:

  • 验证服务器是否显示“服务器正在运行http://127.0.0.1:9000/mcp“在控制台中
  • 直接测试服务器: curl http://127.0.0.1:9000/mcp (应返回MCP响应)
  • 检查 .mcp.json 位于项目根目录(或您的客户的正确位置)
  • 两者都试试 "type": "streamable-http" 和 "type": "http" -两者均受支持
  • 有关游标特定的问题,请参阅 docs/MCP_CONFIG_README.md

工具未出现:

  • 检查 workflows/ 目录中有JSON文件 PARAM_* 占位符
  • 检查服务器日志中的工作流分析错误
  • 验证ComfyUI是否已安装所需的自定义节点(如果使用自定义工作流)
  • 添加新工作流后重新启动MCP服务器

未找到资产错误:

  • 资产默认在24小时后过期(可通过配置 COMFY_MCP_ASSET_TTL_HOURS)
  • 服务器重启时资产丢失(设计上是短暂的)
  • 使用 get_asset_metadata 使用前验证资产是否存在 regenerate
  • 检查服务器日志,查看资产是否已成功注册

已知限制(v1.0)

  • 临时资产登记处: asset_id 引用仅在MCP服务器运行时有效(直到TTL到期)。重新启动后,以前发布过 asset_ids无法解决,这些资产的重新生成将失败。

贡献

欢迎问题和拉取请求!看 贡献.md 发展指南。

致谢

维护者

@乔诺顿

许可证

Apache许可证2.0

工具与能力

工具数量

17

资源数量

0

提示词数量

0

能力标签

AI生成Python本地部署媒体处理迭代优化工作流自动化

支持客户端

ClaudeCursor

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 工具数量 17 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Comfyui MCP Server (comfyui-mcp-server)

MCP World · 本页

17stdio有2 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Comfyui MCP Server (comfyui-mcp-server) 怎么安装?

公开资料给出的安装命令是 pip install -r requirements.txt,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Comfyui MCP Server (comfyui-mcp-server) 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Comfyui MCP Server (comfyui-mcp-server) 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Comfyui MCP Server (comfyui-mcp-server) 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Comfyui MCP Server (comfyui-mcp-server) 支持哪些客户端?

公开资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP