适合谁
- 需要让智能体实际操作 ComfyUI 的用户。
- 本地 GPU、局域网、VPS、RunPod 或 Comfy Cloud 用户。
- 需要模型专属生成技能、工作流配方和故障排查的创作者。
- 使用 Claude Code、Claude Desktop 或支持 MCP 的其他智能体。
C
55FMRS · C
这是由 artokun 维护的社区 MCP 服务器和 Claude Code 插件，版本 0.5.0，采用 MIT 许可证。它提供较完整的 ComfyUI 操作、工作流、模型、节点、诊断和进程控制能力，默认使用 stdio，也支持 Streamable HTTP。
comfyui-mcp 是一个本地优先、面向智能体的 ComfyUI 控制平面，同时提供 MCP 服务器和 Claude Code 插件。它可以生成图像、视频和音频，创建、执行、验证、可视化及修改工作流，管理模型、嵌入、显存和自定义节点，并编辑实时 ComfyUI 图谱。支持本地安装、局域网、VPS、远程 ComfyUI 和 Comfy Cloud。
工具能力
generate_image
根据文本提示生成图像并自动构建工作流。
generate_with_controlnet
使用 ControlNet 图像条件和文本提示生成图像。
generate_with_ip_adapter
使用参考图像的风格或主体生成图像。
generate_audio
根据文本提示生成音乐、乐器或音效。
view_image
返回生成资源的内联图像，供智能体查看。
regenerate
重新运行生成资源对应的工作流，可覆盖参数。
list_assets
按时间浏览最近生成的资源。
get_asset_metadata
获取资源的来源、工作流和完整元数据。
get_defaults
显示合并后的生成默认值及来源。
set_defaults
更新运行时生成默认值，可持久化到配置文件。
enqueue_workflow
提交 API 格式的工作流并返回任务 ID。
get_job_status
查询任务执行状态。
get_queue
查看正在运行和等待中的任务队列。
cancel_job
中断正在运行的任务，并可清除等待任务。
get_system_stats
获取 GPU、显存、Python 版本和操作系统信息。
visualize_workflow
将工作流转换为按类别分组的 Mermaid 流程图。
mermaid_to_workflow
将 Mermaid 图转换为可执行工作流 JSON。
create_workflow
根据模板创建文本生图、图生图、放大、修复等工作流。
modify_workflow
设置输入、增删节点以及连接节点。
get_node_info
查询 ComfyUI 可用节点类型。
validate_workflow
在不执行的情况下检查节点、连接、输出索引和模型文件。
list_workflows
列出 ComfyUI 用户库中的已保存工作流。
get_workflow
按文件名加载已保存的工作流。
strip_workflow
将虚拟连接、重定向节点、子图和旁路节点展开为扁平图。
slice_workflow
从切换模板中提取一个独立的已启用管线。
save_workflow
将工作流保存到 ComfyUI 用户库。
upload_image
将本地图像复制到 ComfyUI 输入目录。
workflow_from_image
从 ComfyUI PNG 元数据中提取工作流。
list_output_images
浏览输出目录中的近期图像和视频。
search_models
搜索 Hugging Face 上的兼容模型。
download_model
将 URL 中的模型下载到正确的 ComfyUI 子目录。
list_local_models
按类型列出本地已安装模型。
clear_vram
通过 ComfyUI 接口释放 GPU 显存。
get_embeddings
列出已安装的文本反演嵌入。
search_custom_nodes
按关键词搜索 ComfyUI Registry 自定义节点包。
get_node_pack_details
获取自定义节点包的描述、作者、节点和安装信息。
generate_node_skill
从 Registry ID 或 GitHub URL 生成节点包技能文档。
get_logs
获取 ComfyUI 日志并支持关键词筛选。
get_history
获取执行历史、错误详情、追踪和计时信息。
stop_comfyui
停止正在运行的 ComfyUI 进程。
start_comfyui
使用保存的信息启动 ComfyUI。
restart_comfyui
保留启动参数并重启 ComfyUI。
suggest_settings
根据本地生成历史建议采样器、调度器、步数和 CFG。
generation_stats
显示本地生成追踪统计。
安装接入
安装 ComfyUI，并将 server.json 中的 npm 包配置加入 MCP 客户端。Claude Code 可在 ~/.claude/settings.json 的 mcpServers.comfyui 中使用 command 为 npx、args 为 ["-y","comfyui-mcp"]。启动 ComfyUI 后即可用自然语言请求生成或管理工作流。也可运行 npx -y comfyui-mcp@latest --http 使用 Streamable HTTP，或用 --comfyui-url 指向远程实例。
claude_desktop_config.json
{"mcpServers":{"comfyui":{"command":"npx","args":["-y","comfyui-mcp"],"env":{"CIVITAI_API_TOKEN":""}}}}
选型与风险
不适合谁
- 只需要转发提示词并返回图像的极简连接场景。
- 没有 ComfyUI 实例或可访问远程 ComfyUI 的用户。
- 使用不支持工具调用的模型的用户。
- 希望获得 Comfy 官方维护或官方云服务保证的用户。
所需权限
- 需要访问 ComfyUI REST API 和 WebSocket。
- 本地模式可能需要读写模型目录、输入目录、输出目录和工作流库。
- 进程控制功能可能启动、停止或重启本地 ComfyUI。
- 模型搜索和下载可访问 Hugging Face、CivitAI、GitHub 或 ComfyUI Registry；相应功能可能需要令牌。
- Comfy Cloud 模式需要 COMFYUI_API_KEY。
风险与副作用
- 执行工作流可能消耗本地 GPU 显存、计算资源和磁盘空间。
- 下载模型和自定义节点可能引入较大的文件及第三方代码。
- stop_comfyui、restart_comfyui 和队列操作可能中断任务或未保存的工作流。
- 远程 HTTP、隧道或桥接部署会扩大网络暴露面，应配置令牌和访问控制。
- 使用托管 API 节点可能产生付费 API 积分消耗。
常见排障
- 确认 ComfyUI 正在运行；服务器默认探测 8188 和 8000 端口。
- 无法自动发现安装目录时设置 COMFYUI_PATH。
- 远程实例使用 --comfyui-url 或 COMFYUI_URL；端口转发场景可使用 --force-remote。
- 模型下载失败时检查 HUGGINGFACE_TOKEN 或 CIVITAI_API_TOKEN。
- 工作流失败时使用 get_history、get_logs 或 /comfy:debug 检查节点、模型和 Python 错误。
- 显存不足时使用 clear_vram，并检查模型所需显存和 VRAM watchdog 警告。
- 确认所用模型支持工具调用；思考和视觉能力也被文档列为强烈推荐。
使用场景
通过文本提示生成图像、视频和音频。
用自然语言创建、修改、验证和执行 ComfyUI 工作流。
搜索、下载和管理模型及自定义节点。
诊断工作流失败并检查日志、历史和显存。
在实时画布中加载、切片和扁平化复杂工作流。
支持客户端
Claude Desktop完整支持
Claude Code完整支持
MCP Inspector完整支持
Hermes部分支持
OpenClaw部分支持
Copilot CLI部分支持
Ollama部分支持