内容
# comfyui-mcp — 使用任意LLM驱动ComfyUI
**适用于 [ComfyUI](https://github.com/comfyanonymous/ComfyUI) 的本地优先、代理原生控制面板** — 一个MCP服务器 + 实时侧边栏代理，生成图像、视频和音频，编写和运行工作流，管理模型和自定义节点，**用自然语言编辑实时ComfyUI图形**。您可以带来任何模型：**Claude或ChatGPT订阅，Gemini通过Google登录，Ollama免费本地模型（完全离线），或通过一个API密钥托管的任意模型**（DeepSeek，GLM，MiMo，Kimi，GPT，Claude via OpenRouter）。相同的工具，相同的面板，每个层级 — 内置的 [LLM竞技场](https://comfyui-mcp.artokun.io/docs/arena) 在真实的ComfyUI任务上对它们进行评分，以便您准确了解模型的性能。一个配置适用于本地安装、LAN、VPS或Comfy Cloud。
[](https://www.npmjs.com/package/comfyui-mcp)
[](https://nodejs.org)
[](./LICENSE)
[](https://comfyui-mcp.artokun.io/docs)
[](https://glama.ai/mcp/servers/artokun/comfyui-mcp)
[](https://glama.ai/mcp/servers/artokun/comfyui-mcp)
[](https://console.runpod.io/deploy?template=bnqtkvcer3&ref=dkx71w9b) **一键GPU容器** — 一个可立即运行的ComfyUI，附带该项目 + [代理面板](https://github.com/artokun/comfyui-mcp-panel) + ComfyUI-Manager v2预安装，在您的GPU上。无需设置。
适用于 **macOS**、**Linux** 和 **Windows**。自动检测ComfyUI安装和端口。
**108个MCP工具** | **32种AI技能**（Flux · WAN · LTX 2.3视频 · Qwen · Z-Image · Ideogram 4 · ERNIE · ANIMA · 模型注册 · Civitai · 节点编写 · 启动/性能标志）| **13个安装包** | **11个斜杠命令** | **4个自主代理** | **4个钩子**
该插件附带 **专家技能，随每个版本增长** — 特定于模型的生成指南，精选的下载URL，工作流配方，故障排除和自定义节点编写 — 因此Claude知道每个架构的正确采样器，CFG，分辨率和模型文件，无需反复试验。
> ### ✅ 现已可用： [ComfyUI代理面板](https://registry.comfy.org/nodes/comfyui-agent-panel) 在ComfyUI-Manager和Comfy注册表上
> ComfyUI侧边栏中的自主AI代理 — **适用于Claude，ChatGPT，Gemini或任意本地/托管LLM**（Ollama和每个OpenAI兼容的端点）。订阅无需API密钥；本地模型无需帐户。选择提供商，它驱动实时图形：编辑，空间布局，一键工作流/包加载，重放/回滚，待处理消息托盘，活动卡，多标签页 — 并在花费付费API积分之前询问。<br>
> 在ComfyUI-Manager中搜索 **`comfyui-agent-panel`** 以安装。 [阅读更多 →](https://comfyui-mcp.artokun.io/docs/panel)
📖 **完整文档： [comfyui-mcp.artokun.io/docs](https://comfyui-mcp.artokun.io/docs)**
---
## 快速开始
**1. 安装ComfyUI** （如果尚未安装）： [ComfyUI桌面版](https://www.comfy.org/download) 或 [从源代码](https://github.com/comfyanonymous/ComfyUI)
**2. 将MCP服务器**添加到您的Claude Code配置（`~/.claude/settings.json`）：
```json
{
"mcpServers": {
"comfyui": {
"command": "npx",
"args": ["-y", "comfyui-mcp"],
"env": {
"CIVITAI_API_TOKEN": ""
}
}
}
}
```
**3. 开始使用。** ComfyUI运行时，要求Claude生成图像：
```
> 生成一个山脉上的日落图像
```
Claude将找到（或下载）一个检查点，构建工作流，执行它，并返回图像。
> **注意**：这作为一个独立的MCP服务器运行 — 无需克隆此仓库。 `npx`将自动下载并运行它。
### 范围：本地、远程或Comfy Cloud
`comfyui-mcp` 是 **本地优先** 的：自托管的ComfyUI在Mac/Linux/Windows上是主要目标，同一个代理可以访问远程安装（RunPod，VPS，LAN，反向代理）从一个配置。本地优先，但不限于本地。
**不仅仅是一个桥梁。** 大多数ComfyUI MCP服务器都是薄连接器 — 它们转发提示并返回图像。 `comfyui-mcp` 是一个完整的控制面板：它编写和编辑图形节点，运行和迭代工作流，管理模型和自定义节点，并附带特定于模型的专业知识（采样器，CFG，分辨率，精选模型URL），因此代理在没有反复试验的情况下就能做对。 如果您想要一个最小的本地中继服务器，一个轻量级服务器就足够了；如果您想要一个实际上 **操作** ComfyUI的代理，那就是这个项目。
对于 **Comfy Cloud** 用户， [Comfy-Org提供了一个官方的Comfy Cloud MCP](https://docs.comfy.org/development/cloud/mcp-server) （目前为仅限邀请的测试版），由Comfy团队维护。 `comfyui-mcp` 还包括一个社区云模式（设置 `COMFYUI_API_KEY` — 请参阅 [部署模式](#deployment-modes)），因此单个MCP可以从一个配置中针对所有三种部署形状；选择适合您工作流的形状。
### 远程/托管连接器（一条命令）
想从 **Claude Desktop的自定义连接器** 或任何远程客户端（如Comfy自己的 `cloud.comfy.org/mcp` 连接器）使用 `comfyui-mcp` ？作为一个身份验证的、可公开访问的Streamable-HTTP服务器，使用一条命令运行它：
```bash
npx -y comfyui-mcp@latest --tunnel
```
这强制使用HTTP传输，生成身份验证令牌，打开一个 [cloudflared](https://github.com/cloudflare/cloudflared) 快速隧道，并打印一个可粘贴的 `https://…/mcp` URL + 令牌 + Claude Desktop连接器代码段。<br>
身份验证接受 `Authorization: Bearer <token>` **或** `X-API-Key: <token>` （与Comfy Cloud的约定匹配）。请参阅 [远程/托管连接器指南](https://comfyui-mcp.artokun.io/docs/remote-connector)，了解完整的演练和无头使用方法。
> 身份验证是可选的：无需设置 `COMFYUI_MCP_HTTP_TOKEN` 和 `--tunnel`，默认_stdio（和 `--http` 在回环）行为保持不变 — 打开且本地。OAuth（Comfy的浏览器登录流程）是一个计划中的后续功能。
---
## Claude Code插件
该软件包还作为 **Claude Code插件** 提供，在MCP工具的基础上增加斜杠命令，技能，代理和钩子。
### 安装为插件
```bash
# 在Claude Code中
/plugin marketplace add artokun/comfyui-mcp
/plugin install comfy
```
### 斜杠命令
| 命令 | 描述 |
|---------|-------------|
| `/comfy:gen <prompt>` | 从文本描述中生成图像 — 自动选择检查点，构建工作流，返回图像 |
| `/comfy:viz <workflow>` | 将工作流可视化为Mermaid图表，节点按类别分组 |
| `/comfy:node-skill <pack>` | 为自定义节点包生成Claude技能，从注册表ID或GitHub URL |
| `/comfy:debug [prompt_id]` | 诊断工作流失败原因 — 读取历史，日志，跟踪根本原因，建议修复 |
| `/comfy:batch <prompt, params>` | 参数扫描生成，cfg，采样器，步骤，种子等。 |
| `/comfy:convert <file>` | 在UI格式和API格式工作流之间转换 |
| `/comfy:install <pack>` | 安装自定义节点包 — git clone，pip install，可选重启 |
| `/comfy:gallery [filter]` | 浏览生成的输出并附带元数据 — 按日期，计数或文件名过滤 |
| `/comfy:compare <a vs b>` | 两个工作流并排差异显示 — 显示添加/删除的节点和更改的参数 |
| `/comfy:recipe <name> <prompt>` | 多步骤配方：`portrait`，`hires-fix`，`style-transfer`，`product-shot` |
### 内置技能
共32种技能 — 模型家族指南（Flux，WAN，LTX 2.3，Qwen，Z-Image，Ideogram 4，ERNIE，ANIMA + anime / WAN / Z-Image LoRA训练），**模型注册表** （精选下载URL），**civitai** 配对技能，节点编写，**启动/性能标志** 矩阵，以及以下四个核心技能。完整列表请参阅 [插件文档页面](https://comfyui-mcp.artokun.io/docs/plugin)。
> **安装包。** [`packs/`](packs/) 包含13个一键ComfyUI设置 — ANIMA，Ideogram 4，LTX-2.3，ERNIE，WAN（animate / longer-videos / transparent），Qwen（image / image-edit），Z-Image（turbo / base / xy-plot）和artokun-flow（WAN Animate — replace / animate）。每个都是自定义节点 + 模型URL + 工作流的清单，驱动 `apply_manifest` 和生成的 `install-windows.bat` / `install-runpod.sh`，并有CI验证每个模型链接 + 有效载荷大小。请参阅 [`packs/README.md`](packs/README.md)。
| 技能 | 描述 |
|-------|-------------|
| **comfyui-core** | 工作流格式，节点类型，数据流模式，管道架构，MCP工具使用指南 |
| **prompt-engineering** | CLIP权重语法 `(word:1.3)`，BREAK标记，嵌入，特定于模型的SD1.5/SDXL/Flux/SD3的提示 |
| **troubleshooting** | 常见错误目录 — OOM，dtype不匹配，缺少节点，NaN张量，黑图像，CUDA错误，附带模型VRAM估计 |
| **model-compatibility** | 兼容性矩阵 — 加载器，分辨率，CFG，采样器，ControlNets，LoRAs和VAEs，每个模型家族（SD1.5/SDXL/Turbo/Lightning/Flux/SD3/LTXV） |
### 代理
| 代理 | 模型 | 描述 |
|-------|-------|-------------|
| **comfy-explorer** | Sonnet | 研究自定义节点包 — 读取文档，查询 `/object_info`，生成综合技能文件 |
| **comfy-debugger** | Sonnet | 自动诊断工作流失败 — 收集日志 + 历史，识别失败节点，检查模型 + 自定义节点，提出并可选应用修复 |
| **comfy-optimizer** | Sonnet | 分析工作流性能 — 检测冗余节点，VRAM浪费，错误的CFG/步骤，精度问题，建议优化 |
### 钩子
| 事件 | 触发 | 操作 |
|-------|---------|--------|
| PreToolUse | `enqueue_workflow` | **VRAM监视器** — 通过 `/system_stats` 检查GPU内存，并在执行前发出警告，如果 < 1GB可用 |
| PreToolUse | `stop_comfyui`, `restart_comfyui` | **保存警告** — 提示用户在停止ComfyUI之前保存未保存的工作流更改 |
| PostToolUse | 任意comfyui工具 | **作业完成通知** — 检查已完成的作业并将完成摘要注入对话中 |
### 背景脚本
| 脚本 | 描述 |
|--------|-------------|
| `monitor-progress.mjs` | **进度监视器** — 连接到ComfyUI的WebSocket以获取实时步骤进度（例如 `step 5/14 (36%)`）。在排队工作流后作为后台Bash任务运行。报告完成时附带输出文件名，错误时附带节点详细信息。替换循环 `get_job_status` 。 |
---
## 面板代理（Claude · ChatGPT · Gemini · 任意本地/托管LLM）
除了无头MCP服务器外，该软件包还附带 **面板编排器** ，它为 **ComfyUI代理面板** 提供支持 — 一个嵌入ComfyUI侧边栏的自主代理，驱动实时画布。它在 **您的订阅** （Claude *或* ChatGPT）上启动，按需由面板的 **连接** 按钮启动：
```bash
npx -y comfyui-mcp@latest connect
```
### 从您的机器驱动 **远程ComfyUI（`connect`）
当ComfyUI在 **没有节点/代理** 的某个地方运行（一个RunPod容器，一个云盒）时，您仍然可以在 **您的** 机器上运行代理并驱动远程ComfyUI — 无需在盒子上安装或配置代理：
```bash
npx -y comfyui-mcp@latest connect https://abcd1234-8188.proxy.runpod.net
```
这是 `--panel-orchestrator` 的简写，`COMFYUI_URL` 从URL设置：编排器在您的Claude/ChatGPT登录上本地运行，并通过其公共代理URL访问远程ComfyUI。对于 **远程HTTPS容器** ， `connect` 自动打开一个安全的、基于令牌的 **`wss://` 隧道（通过Cloudflare）到本地代理桥并将容器的面板URL令牌传递给容器 — 因此容器的HTTPS页面访问您的机器而无需浏览器提示，在任何浏览器中（一个安全页面不能打开一个普通的 `ws://` 套接字到您的盒子 — 混合内容 / 私有网络访问）。本地ComfyUI使用普通的 `ws://127.0.0.1:9180` 回环桥；添加 **`--insecure-bridge`** 以强制回环以远程容器（然后安排您自己的路径到它，例如SSH端口转发）。无论哪种方式，面板JS在 **您的本地浏览器** 运行，代理和您的登录仅在 **您的** 机器上运行，因此远程安装的内容均未安装。
完成：打开远程ComfyUI浏览器，打开 **设置 → 通用 → 使用外部/本地编排器（高级）** 在代理面板，然后单击 **连接**。（在此模式下，面板直接连接到本地桥接器，而不是要求ComfyUI主机生成它无法运行的编排器。）
**多提供商，全等价。** 编排器依赖于提供者中立的 **`AgentBackend`** 端口（依赖注入），有两个适配器：
- **`ClaudeBackend`** — [Claude Agent SDK](https://www.npmjs.com/package/@anthropic-ai/claude-agent-sdk)
(`@anthropic-ai/claude-agent-sdk），一个持久的流式会话，超过`chaude.ai`订阅（OAuth，无需密钥）。
- **`CodexBackend`** — OpenAI Codex通过 **`codex app-server`** JSON-RPC协议，基于ChatGPT订阅（`codex login`，无需密钥）。
两者都是可选依赖，面板根据提供商选择 **一个端口** — 每个后端运行自己的编排器在自己的回环桥端口。能力矩阵允许面板在功能下降时正常运行（例如，会话回滚目前仅适用于Claude）。
**实时画布工具和模型知识与供应商相同。** `panel_*` 工具定义在一个共享列表中，注册到进程内Claude SDK MCP服务器 *和* 一个`@modelcontextprotocol/sdk`服务器上的循环HTTP MCP，编排器为Codex托管（它只能托管声明配置的MCP服务器）。无头`comfyui` MCP也被注入两者 — 在Claude中是进程内注入，在Codex中通过`codex app-server -c mcp_servers`声明 — 因此生成、模型和工作流工具在任何地方都是相同的。
新工具赋予每个后端相同的专业知识和成本防护：
| 工具 | 描述 |
|------|-------------|
| `list_skills` / `read_skill` | 发现和读取捆绑的模型家族 + 工作流技能 — MCP客户端可以访问Claude加载的本地知识（例如Codex后端） |
| `list_packs` / `read_pack_workflow` | 列出一个命令安装包（自定义节点 + 权重 + 准备好的工作流；所有本地GPU / 免费）和读取包的图表 |
| `list_workflow_templates` | 列出连接的ComfyUI的官方工作流模板（模板包 + 自定义节点提供的工作流模板） |
| `check_workflow_runtime` | 将工作流分类为 **本地** （您的GPU，免费）或 **api** / **混合** / **未知** （托管API节点=付费积分）以便代理在花费付费API积分之前询问 |
| `panel_load_workflow` | （面板工具）在实时画布上一次性加载完整工作流 — 按捆绑的`pack`名称（服务器端读取，从不通过聊天发送）或按图JSON |
| `panel_strip_workflow` / `panel_slice_workflow` | （面板工具）取消虚拟化一个纠缠的图（Get/Set总线，Reroutes，子图，绕过→真实连接）或从一个整体中切出一组rgthree切换的管道 — 按`pack`，服务器端`path`或内联图；用于理解/重建专家工作流而无需手动跟踪 |
参见设计文档 — **[docs/design/agent-backend-injection.md](docs/design/agent-backend-injection.md)** — 了解端口、功能矩阵和每个提供商的“clink”点，以及 **[面板文档](https://comfyui-mcp.artokun.io/docs/panel)** 了解完整的侧边栏UX。
---
## MCP 工具
108种工具，涵盖工作流执行、生成、迭代、合成、模型等：
### 图像生成（高级别）
| 工具 | 描述 |
|------|-------------|
| `generate_image` | 从文本提示生成 — 构建txt2img工作流，填写默认参数，自动选择检查点 |
| `generate_with_controlnet` | 根据ControlNet图像（姿势/深度/轮廓/法线）+提示生成条件 |
| `generate_with_ip_adapter` | 根据IP-Adapter引导的参考图像的样式/主题生成 — 需要ComfyUI_IPAdapter_plus |
### 音频生成（高级别）
| 工具 | 描述 |
|------|-------------|
| `generate_audio` | 从文本提示生成音频 — 支持ACE Step 1.5（音乐与歌词/结构）和Stable Audio 3（音乐，乐器，音效）；自动选择本地模型 |
### 资产和迭代
| 工具 | 描述 |
|------|-------------|
| `view_image` | 返回生成的资产的字节作为内联图像，以便代理可以查看结果 |
| `analyze_color` | 调色板/对比度/颜色统计信息，用于生成的图像（主导颜色，平均值+亮度统计，对比度检查）以便代理无需来回查看颜色 |
| `regenerate` | 重新运行生成资产的工作流，带有可选参数覆盖 |
| `list_assets` | 按`asset_id` 浏览最近生成的资产（最新的在前） |
| `get_asset_metadata` | 资产的完整出处，包括原始工作流 |
### 默认值
| 工具 | 描述 |
|------|-------------|
| `get_defaults` | 显示合并的生成默认值，并附带每个来源的归属 |
| `set_defaults` | 更新运行时默认值；`persist: true`写入配置文件 |
### 工作流执行
| 工具 | 描述 |
|------|-------------|
| `enqueue_workflow` | 提交工作流（API 格式 JSON）— 立即返回 `prompt_id`, 非阻塞 |
| `get_job_status` | 通过提示 ID 检查作业的执行状态 |
| `get_queue` | 查看当前执行队列（运行中 + 待处理） |
| `get_queued_workflow` | 检查一个待处理队列项的完整工作流负载 |
| `move_queued_job` | 通过重新排队作业并赋予新的提示 ID，将待处理作业移到前面/后面 |
| `edit_queued_job` | 修订或替换待处理队列中的工作流并重新排队，赋予新的提示 ID |
| `cancel_job` | 中断当前正在运行的作业 — 升级（中断 → 验证 → `/free`）并报告 WEDGED 如果它不会停止；`clear_pending: true` 还会在同一调用中删除所有待处理作业 |
| `get_system_stats` | 获取系统信息 — GPU、VRAM、Python 版本、操作系统 |
### 工作流可视化
| 工具 | 描述 |
|------|-------------|
| `visualize_workflow` | 将工作流转换为 Mermaid 流程图，节点按类别分组 |
| `mermaid_to_workflow` | 将 Mermaid 图表转换回可执行的工作流 JSON |
### 工作流编排
| 工具 | 描述 |
|------|-------------|
| `create_workflow` | 从模板生成工作流：`txt2img`, `img2img`, `upscale`, `inpaint`, `controlnet`, `ip_adapter`, `ace_step_15`, `stable_audio_3` |
| `modify_workflow` | 应用操作：`set_input`, `add_node`, `remove_node`, `connect`, `insert_between` |
| `get_node_info` | 从 ComfyUI 的 `/object_info` 端点查询可用的节点类型 |
### 工作流验证
| 工具 | 描述 |
|------|-------------|
| `validate_workflow` | 干运行验证 — 检查缺失的节点、损坏的连接、无效的输出索引、缺失的模型文件 |
### 工作流库
| 工具 | 描述 |
|------|-------------|
| `list_workflows` | 列出 ComfyUI 用户库中保存的工作流 |
| `get_workflow` | 通过文件名加载特定的保存工作流 |
| `strip_workflow` | **去虚拟化** 任意工作流（绝对路径、库文件名或内联图）— 解析 GetNode/SetNode 总线、Reroutes、子图定义和绕过节点为真实连接并返回扁平图。读取服务器端 ANY 路径，因此它加载临时/专家工作流，缓存库无法缓存。 |
| `slice_workflow` | **解块** 一个切换模板的整体 — 切出一个 RGThree Fast-Groups-Bypass-toggled 管道到一个独立的激活图（种子来自命名组的输出节点，逆向闭包，解绕）。与 `strip_workflow` 配对使用以展平总线。 |
| `save_workflow` | 将工作流保存到 ComfyUI 用户库 |
### 图片管理
| 工具 | 描述 |
|------|-------------|
| `upload_image` | 将本地图片复制到 ComfyUI 的 `input/` 目录中，用于 img2img、inpaint 或 ControlNet |
| `workflow_from_image` | 从 ComfyUI 生成的 PNG 中提取嵌入的工作流元数据（读取 `prompt` 和 `workflow` tEXt 块） |
| `list_output_images` | 浏览最近生成的图片 **和视频** 从输出目录，最新优先 — 递归到子文件夹（例如 SaveVideo 的 `output/video/…`）并返回每个结果的 `subfolder` |
### 模型管理
| 工具 | 描述 |
|------|-------------|
| `search_models` | 在 HuggingFace 上搜索兼容的模型（检查点、LoRAs、VAEs 等） |
| `download_model` | 从 URL 下载模型到正确的 ComfyUI 子目录 |
| `list_local_models` | 按类型列出已安装的模型：检查点、loras、vae、upscale_models、controlnet、embeddings、clip、unet、diffusion_models、text_encoders |
| `list_extra_paths` | 查看独立或桌面 ComfyUI 额外的搜索路径配置 |
| `add_extra_path` | 将模型/自定义节点搜索路径添加到额外的路径 YAML |
| `remove_extra_path` | 从额外的路径 YAML 中删除存储的额外搜索路径 |
### 内存管理
| 工具 | 描述 |
|------|-------------|
| `clear_vram` | 通过卸载缓存的模型释放 GPU VRAM — 调用 ComfyUI 的 `/free` 端点，报告前后统计 |
| `get_embeddings` | 列出已安装的文本反转嵌入 |
### 注册和发现
| 工具 | 描述 |
|------|-------------|
| `search_custom_nodes` | 按关键词搜索 ComfyUI 注册表中的自定义节点包 |
| `get_node_pack_details` | 获取自定义节点包的完整详细信息（描述、作者、节点、安装信息） |
| `generate_node_skill` | 从注册表 ID 或 GitHub URL 生成 Claude 技能 `.md` 文件 |
### 诊断
| 工具 | 描述 |
|------|-------------|
| `get_logs` | 获取 ComfyUI 服务器日志，带有可选的关键词过滤器（例如 `error`, `warning`, 节点名称） |
| `get_history` | 获取执行历史记录，包含完整的错误详细信息、Python 回溯、计时和缓存的节点信息 |
### 进程控制
| 工具 | 描述 |
|------|-------------|
| `stop_comfyui` | 停止正在运行的 ComfyUI 进程（保存 PID 和启动参数以重启） |
| `start_comfyui` | 使用上次停止时保存的信息启动 ComfyUI |
| `restart_comfyui` | 停止并重启 ComfyUI，保留所有启动参数 |
### 生成跟踪器
| 工具 | 描述 |
|------|-------------|
| `suggest_settings` | 从本地生成历史记录中建议经过验证的采样器/调度器/步骤/CFG 设置 — 按模型系列、LoRA 哈希或文本搜索查询 |
| `generation_stats` | 显示本地生成跟踪统计 — 总运行次数、唯一组合数、按模型系列分类 |
每次 `enqueue_workflow` 调用都会自动将设置记录到本地 SQLite 数据库（`generations.db`）。相同的设置组合会增加 `reuse_count` 而不是重复记录，从而创建自然的受欢迎程度信号。模型和 LoRAs 通过内容哈希（AutoV2 / SHA256）识别，而不是文件名 — 因此重命名的文件仍会分组在一起。
```bash
# 从 CLI 查看本地统计
npm run generations:stats
```
### 模型设置
社区维护的预设库（`model-settings.json`）包含针对 10 多个模型系列的研究支持的采样器、调度器、步骤和 CFG 值。用户在 `model-settings.user.jsonc` 中覆盖（在安装时从模板自动创建，gitignored）。
---
## 示例
### 生成图像
```
> /comfy:gen 一个带有霓虹灯的赛博朋克城市在夜晚
```
Claude 将：
1. 检查已安装的检查点（如果需要，下载一个）
2. 使用您的提示构建 txt2img 工作流
3. 在 ComfyUI 上执行它
4. 返回生成的图像
### 可视化工作流
```
> /comfy:viz ~/workflows/my-workflow.json
```
生成一个 Mermaid 图，节点按类别分组：
```mermaid
flowchart LR
subgraph Loaders
1["CheckpointLoaderSimple"]
end
subgraph Conditioning
2(["Positive Prompt"])
3(["Negative Prompt"])
end
subgraph Sampling
5{{"KSampler<br/>steps:20 cfg:8"}}
end
1 -->|MODEL| 5
2 -->|CONDITIONING| 5
3 -->|CONDITIONING| 5
```
### 调试失败的工作流
```
> /comfy:debug
```
自动读取最后的执行历史记录和日志，识别失败的节点，检查缺失的模型或节点包，并建议修复。
```
> /comfy:debug abc123-def456
```
诊断特定的执行情况，提示 ID。
### 参数扫描
```
> /comfy:batch a cat in a field, cfg:5-10:2, sampler:euler,dpmpp_2m
```
在所有参数组合上生成网格图像，并显示结果的汇总表格。
支持的扫描参数：`cfg`, `steps`, `sampler`, `scheduler`, `seed`, `denoise`, `width`, `height`.
### 多步骤配方
```
> /comfy:recipe hires-fix a dramatic fantasy landscape with castles
```
运行一个两步管道：txt2img 分辨率为 512x768，然后 img2img 提升到 1024x1536 并增强细节。
可用配方：
| 配方 | 描述 |
|--------|-------------|
| `portrait` | 生成 1024x1024，然后 2 倍提升到 2048x2048 |
| `hires-fix` | 低分辨率生成 → img2img 提升并带有噪音 0.4-0.5 |
| `style-transfer` | 将样式提示应用于现有图像，通过 img2img |
| `product-shot` | 产品图像，带有干净的白色背景 |
### 转换工作流格式
```
> /comfy:convert ~/workflows/my-ui-workflow.json
```
在 ComfyUI 的 UI 格式（节点 + 链接数组）和 API 格式（节点 ID → {class_type, inputs}）之间进行转换。
### 安装自定义节点包
```
> /comfy:install comfyui-impact-pack
```
搜索注册表，显示详细信息，克隆存储库到 `custom_nodes/`，安装依赖项，并提供重启 ComfyUI 的选项。
### 浏览输出画廊
```
> /comfy:gallery last 5
> /comfy:gallery today
```
列出最近的输出，带有嵌入的元数据 — 显示每个图像的检查点、提示、种子、步骤、CFG、采样器。
### 比较工作流
```
> /comfy:compare workflow-a.json vs workflow-b.json
```
显示添加/删除的节点、更改的参数（旧 → 新值）以及可选的 Mermaid 图表进行视觉比较。
### 验证后再运行
```
> 在我运行之前验证此工作流
```
检查缺失的节点类型、损坏的连接、无效的输出索引和缺失的模型文件 — 而不执行。
### 管理模型
```
> 我有哪些检查点？
> 在 HuggingFace 上搜索 SDXL turbo 模型
> 将此模型下载到我的检查点文件夹
```
### 管理 VRAM
```
> 释放我的 VRAM
> 我有哪些嵌入？
```
### 从图像中提取工作流
```
> 从图像中提取工作流：~/outputs/ComfyUI_00042_.png
```
读取 PNG 元数据块以恢复确切的工作流和用于生成图像的提示。
### 探索自定义节点
```
> /comfy:node-skill comfyui-impact-pack
```
生成一个全面的技能文件，记录每个节点、其输入/输出和使用模式。
### 进程控制
```
> 重启 ComfyUI
> 停止 ComfyUI
> 重新启动 ComfyUI
```
---
## 配置
服务器自动检测您的 ComfyUI 安装和端口。如果需要，可以使用环境变量覆盖：
### 部署模式
`comfyui-mcp` 在以下三种模式下运行，根据环境自动选择：
| 模式 | 触发器 | 本地 FS / 进程工具？ |
|------|---------|----------------------------|
| **本地** | 默认 | 是 |
| **远程** | `--comfyui-url` / `COMFYUI_URL` 指向非环回主机，或设置 `--force-remote` | 否 — 服务器跳过 `COMFYUI_PATH` 自动检测，以免过时的本地安装会默默地吸收上传 |
| **云** | 设置 `COMFYUI_API_KEY` （针对 [Comfy Cloud](https://cloud.comfy.org)）| 否 — HTTP 原语通过 `cloud.comfy.org` 路由，使用 `X-API-Key`；WebSocket 和仅限本地的工具抛出 `CLOUD_UNSUPPORTED` |
一些设置（例如 [dstack](https://dstack.ai) 在 RunPod 上驱动 ComfyUI）将远程 ComfyUI 转发回 `localhost:8188`，因此上述环回检查会出错 — 安装实际上并不本地。传递 `--force-remote`（或设置 `COMFYUI_MCP_FORCE_REMOTE=1`）以及 `--comfyui-url`/`COMFYUI_URL` 以强制远程模式：
```bash
npx -y comfyui-mcp@latest --comfyui-url http://localhost:8188 --force-remote
```
| 变量 | 默认值 | 描述 |
|----------|---------|-------------|
| `COMFYUI_URL` | | 完整的 ComfyUI URL，例如 `https://comfy.example.com:8443` — 覆盖 `COMFYUI_HOST`/`PORT`/`SSL` 并跳过自动检测。**路径前缀保留**（例如 `https://host/comfyapi`）用于反向代理实例。非环回主机选择 **远程模式**。 |
| `COMFYUI_MCP_FORCE_REMOTE` | | 设置为 `1`/`true`（或传递 `--force-remote`）以强制 **远程模式**，即使 `COMFYUI_URL`/`--comfyui-url` 解析为环回主机 — 用于端口转发远程安装（例如 dstack/RunPod）可访问 `localhost`。无 `COMFYUI_URL`/`--comfyui-url` 无影响。 |
| `COMFYUI_HOST` | `127.0.0.1` | ComfyUI 服务器地址 |
| `COMFYUI_PORT` | *(自动检测)* | ComfyUI 服务器端口（尝试 8188，然后 8000） |
| `COMFYUI_PATH` | *(自动检测)* | ComfyUI 数据目录路径。远程/云模式下自动检测被抑制。 |
| `COMFYUI_PYTHON` | `python` | cm-cli 子进程操作使用的 Python 解释器（`useCmCli`，`sync_node_dependencies`）— 指向您的 ComfyUI venv 的 python。cm-cli 需要本地文件系统，因此仅限 **本地模式**；在远程目标上使用管理器 HTTP 路径（默认）。 |
| `COMFYUI_MCP_BRIDGE_HOST` | `127.0.0.1` | 面板桥接主机。设置为 `0.0.0.0`（或 LAN IP）以在 24/7 服务器上运行协调器并从其他机器连接面板 — **需要令牌**（下文）；协调器打印一个准备粘贴的 `ws://…/?token=…` 桥接 URL。 |
| `COMFYUI_MCP_BRIDGE_TOKEN` | *(生成时需要)* | 每个桥接连接的共享秘密（恒时检查）。强制非环回 `COMFYUI_MCP_BRIDGE_HOST`;固定它以使 Bridge URL 在重启时存活。永远不会记录。 |
| `COMFYUI_MCP_DATA_DIR` | `~/.comfyui-mcp` | 实例数据基目录（用于 `generations.db`）当没有本地 `COMFYUI_PATH`（远程/云/未检测）。按目标下的 `|COMFYUI_API_KEY` | | Comfy Cloud API 密钥。设置时，**云模式** 处于活动状态，服务器与 `cloud.comfy.org` 通信。永远不会被记录。 |
| `COMFYUI_CLOUD_URL` | `https://cloud.comfy.org` | 覆盖 Comfy Cloud 端点（测试/暂存）。 |
| `COMFYUI_AUTH_TOKEN` | | 自托管 ComfyUI 的反向代理/ API 网关的通用身份验证令牌（与 Comfy Cloud 区分）。设置后，将其附加到每个 ComfyUI 请求中。永远不会被记录。 |
| `COMFYUI_AUTH_HEADER` | `Authorization` | `COMFYUI_AUTH_TOKEN` 的标头名称（例如 `X-API-Key`）。 |
| `COMFYUI_AUTH_SCHEME` | `Bearer` for `Authorization`, else none | 令牌值的模式前缀（例如 `Bearer`, `Token`）。 |
| `CIVITAI_API_TOKEN` | | CivitAI API 令牌，用于模型下载 |
| `HUGGINGFACE_TOKEN` | | HuggingFace 令牌，用于提高 API 速率限制 |
| `GITHUB_TOKEN` | | GitHub 令牌，用于技能生成（避免速率限制） |
| `REGISTRY_ACCESS_TOKEN` | | Comfy 注册表 API 密钥，用于 `publish_custom_node`（仅限环境变量，从不记录） |
| `COMFYUI_DOWNLOAD_CACHE_DIR` | `~/.comfyui-mcp/cache` | 内容地址模型下载缓存（重复 + 并发合并） |
| `COMFYUI_LRU_CACHE_SIZE_GB` | `0` | 以 GB 为单位限制下载缓存；`0` 禁用 LRU 驱逐 |
| `COMFYUI_STARTUP_CHECK_INTERVAL_S` / `…_MAX_TRIES` | `1` / `20` | 本地 ComfyUI 启动时的就绪探测间隔 + 最大尝试次数 |
| `COMFYUI_ALWAYS_RESTART` | `false` | 自动重启崩溃的本地 ComfyUI（受限于 `COMFYUI_RESTART_MAX_ATTEMPTS` / `COMFYUI_RESTART_WINDOW_S`） |
| `COMFYUI_MCP_STALL_S` | `180` | 渲染楔形守护程序：采样器步骤可以连续发出相同进度多少秒后，代理的下一轮中会插入一个 STALL/BACKLOG 注释（限制 15–3600s；可从面板实时调整） |
| `COMFYUI_MCP_INTERRUPT_S` | `30` | `cancel_job` 等待中断实际停止作业多少秒，然后升级到 `/free` 并将其报告为卡住 |
| `LOG_LEVEL` | `info` | 日志详细程度：`debug`, `info`, `warn`, `error` |
### 运载工具
服务器默认使用 **stdio** （Claude Code、Claude Desktop 和 MCP Inspector 期望的 — 无需标志）。对于 MCP 门户、远程/托管设置或基于 `fetch` 的客户端，切换到 **可流式传输的 HTTP**：
```bash
# stdio（默认）
npx -y comfyui-mcp@latest
# http://127.0.0.1:9100/mcp 上的可流式 http
npx -y comfyui-mcp@latest --http
npx -y comfyui-mcp@latest --http --host 0.0.0.0 --port 9100 # 绑定/端口覆盖
```
| 标志 | 环境变量 | 默认值 | 描述 |
|------|-----------|---------|-------------|
| `--http` / `--transport http` | `MCP_TRANSPORT=http` | `stdio` | 将 stdio 替换为可流式 HTTP 服务于 `/mcp` |
| `--host <h>` | `MCP_HOST` | `127.0.0.1` | HTTP 绑定主机（使用 `0.0.0.0` 暴露） |
| `--port <n>` | `MCP_PORT` | `9100` | HTTP 端口 |
| `--comfyui-url <url>` | `COMFYUI_URL` | *(自动检测)* | 目标特定的（包括远程）ComfyUI |
| `--force-remote` | `COMFYUI_MCP_FORCE_REMOTE` | `false` | 为循环回路 `--comfyui-url`（例如 dstack/RunPod 端口转发到 `localhost`）强制远程模式 |
### 其他代理和本地 LLM（Hermes、OpenClaw、Copilot CLI、Ollama）
comfyui-mcp **完全支持非 Claude 引擎**。一个命令
将服务器条目写入代理的配置文件（合并，而不是
覆盖）：
```bash
npx -y comfyui-mcp setup hermes # → ~/.hermes/config.yaml （默认紧凑）
npx -y comfyui-mcp setup openclaw # → ~/.openclaw/openclaw.json （默认紧凑）
npx -y comfyui-mcp setup copilot # → ~/.copilot/mcp-config.json （默认完整）
# 标志：--compact | --full, --comfyui-url <url>, --dry-run
```
**模型要求**：工具调用是硬性要求（无工具调用 =
不工作）。思考和视觉强烈推荐 — 无思考，多步工具链会退化；无视觉，代理可以生成但看不到自己的输出。
对于小型/本地模型，**紧凑工具模式** (`--compact` /
`COMFYUI_MCP_TOOL_MODE=compact`) 注册 3 个元工具
（`list_tools` → `describe_tool` → `call_tool`）而不是完整的 ~200 模式表面，
将模式拉入上下文，一个工具一个。端到端验证
通过 Ollama 使用 `gemma4:e4b`, `gemma4:e2b`, 和 `qwen3:4b`
（`npm run test:local-llm`）；gemma3 没有本机工具调用，**不支持**。
完整的指南 — 托管模型指南（DeepSeek/MiMo/GLM 类），每个
工具链设置，故障排除：
**[本地 LLM 和其他代理](https://comfyui-mcp.artokun.io/docs/local-llms)**。
| 标志 | 环境变量 | 默认值 | 描述 |
|------|-----|---------|-------------|
| `setup <agent>` | | | 将 comfyui 条目写入 hermes / openclaw / copilot 配置，然后退出 |
| `--compact` / `--tool-mode compact` | `COMFYUI_MCP_TOOL_MODE=compact` | `full` | 注册 3 个元工具而不是完整的 ~200 模式表面 |
### 其他代理和本地LLM（Hermes、OpenClaw、Copilot CLI、Ollama）
comfyui-mcp **对非Claude的运行环境提供一流支持**。一条命令将服务器条目写入运行环境的配置文件（合并，而不是覆盖）：
```bash
npx -y comfyui-mcp setup hermes # → ~/.hermes/config.yaml （默认紧凑）
npx -y comfyui-mcp setup openclaw # → ~/.openclaw/openclaw.json （默认紧凑）
npx -y comfyui-mcp setup copilot # → ~/.copilot/mcp-config.json （默认完整）
# 参数：--compact | --full, --comfyui-url <url>, --dry-run
```
**模型要求**：工具调用是一项硬性要求（无工具调用 = 不起作用）。建议使用思考和视觉功能——如果没有思考，多步骤工具链会退化；如果没有视觉，代理可以生成但无法看到自己的输出。
对于小型/本地模型，**紧凑工具模式** (`--compact` / `COMFYUI_MCP_TOOL_MODE=compact`) 注册 3 个元工具（`list_tools` → `describe_tool` → `call_tool`），而不是完整的约 200 个模式表面，每次只拉取一个工具的模式到上下文中。使用 `gemma4:e4b`、`gemma4:e2b` 和 `qwen3:4b` 在 Ollama 上进行端到端验证 (`npm run test:local-llm`)；gemma3 没有原生工具调用，不受支持。完整的指南 - 主机模型指导（DeepSeek/MiMo/GLM 类），每个运行环境设置，故障排除： **[本地LLM和其他代理](https://comfyui-mcp.artokun.io/docs/local-llms)**。
| 参数 | 环境变量 | 默认值 | 描述 |
|------|-----|---------|-------------|
| `setup <agent>` | | | 将 comfyui 条目写入 hermes / openclaw / copilot 配置，然后退出 |
| `--compact` / `--tool-mode compact` | `COMFYUI_MCP_TOOL_MODE=compact` | `full` | 注册 3 个元工具而不是完整的约 200 个模式表面 |
### 远程 ComfyUI
将服务器指向任何地方运行的 ComfyUI - 不需要本地安装：
```bash
npx -y comfyui-mcp@latest --comfyui-url http://192.168.1.50:8188
npx -y comfyui-mcp@latest --http --comfyui-url https://comfy.example.com:8443
```
**在反向代理/API网关后面** （路径前缀 + 认证头）- 用于通过前缀路由和自己的认证层公开的自托管 ComfyUI（这不是 Comfy Cloud，即 `COMFYUI_API_KEY`）：
```bash
COMFYUI_URL=https://gateway.example.com/comfyapi \
COMFYUI_AUTH_TOKEN=your-token \
npx -y comfyui-mcp@latest --http # → Authorization: Bearer your-token, requests under /comfyapi
# 自定义头部/方案：
COMFYUI_URL=https://gateway.example.com/comfyapi \
COMFYUI_AUTH_HEADER=X-API-Key COMFYUI_AUTH_TOKEN=your-token \
npx -y comfyui-mcp@latest --http # → X-API-Key: your-token
```
### 自动检测
**端口**：通过 `/system_stats` 探测 `8188`（CLI 默认）然后 `8000`（桌面应用默认）。
**路径**：按顺序检查常见位置：
- `~/Documents/ComfyUI` （macOS/Windows 桌面应用数据目录）
- `~/Library/Application Support/ComfyUI` （macOS）
- `~/AppData/Local/Programs/ComfyUI/resources/ComfyUI` （Windows 桌面应用安装）
- `~/AppData/Local/ComfyUI` （Windows）
- `~/ComfyUI`, `~/code/ComfyUI`, `~/projects/ComfyUI`, `~/src/ComfyUI`
- `/opt/ComfyUI`, `~/.local/share/ComfyUI` （Linux）
- 扫描 `~/Documents` 和 `~/My Documents` 以查找任何包含 "ComfyUI" 的目录
设置 `COMFYUI_PATH` 以跳过检测并使用显式路径。
---
## 工作原理
服务器通过其 REST API 和 WebSocket 接口与 ComfyUI 通信：
- **WebSocket** - 排队工作流，接收实时进度更新（通过后台监控脚本逐步），获取执行结果
- **REST API** - 系统统计，节点定义 (`/object_info`)，日志，历史记录，队列管理，工作流库，VRAM 控制 (`/free`)，嵌入
- **文件系统** - 读取/写入模型目录，检测安装路径，上传图像，提取 PNG 元数据，浏览输出
- **外部 API** - HuggingFace（模型搜索），ComfyUI 注册表（自定义节点发现），GitHub（技能生成），CivitAI（模型下载）
与 MCP 客户端（Claude Code）的所有通信都通过 **stdio** 使用 [模型上下文协议](https://modelcontextprotocol.io)。日志输出到 stderr 以避免污染协议流。
---
## 开发
### 先决条件
- [Node.js](https://nodejs.org) >= 22.0.0
- [ComfyUI](https://github.com/comfyanonymous/ComfyUI) 在本地运行
### 设置
```bash
git clone https://github.com/artokun/comfyui-mcp.git
cd comfyui-mcp
npm install
```
### 脚本
| 脚本 | 描述 |
|--------|-------------|
| `npm run dev` | 从源代码运行并使用 tsx（热重载） |
| `npm run build` | 编译 TypeScript 到 `dist/` |
| `npm start` | 运行编译后的输出 |
| `npm test` | 运行单元测试（vitest） |
| `npm run test:integration` | 运行集成测试（需要运行 ComfyUI） |
| `npm run lint` | 类型检查不发出 |
| `npm run generations:stats` | 显示本地生成跟踪统计 |
| `npm run sync-agents` | 将 Claude 技能/命令/钩子同步到 Google Antigravity、OpenCode 和其他支持 .agents 文件的 AI IDE 格式 |
### 使用 Claude Code 进行本地测试
将 Claude Code 指向您的本地构建，而不是 npm 包：
```json
{
"mcpServers": {
"comfyui": {
"command": "node",
"args": ["/path/to/comfyui-mcp/dist/index.js"],
"env": {}
}
}
}
```
或直接测试插件：
```bash
claude --plugin-dir ./plugin
```
### 项目结构
```
model-settings.json # 社区维护的模型预设（已发货）
model-settings.user.jsonc.example # 用户覆盖模板（安装时复制）
scripts/
postinstall.mjs # 自动从模板创建用户配置
generation-stats.mjs # CLI：npm run generations:stats
src/
index.ts # MCP 服务器入口点（stdio 传输）
config.ts # 自动检测和环境配置
comfyui/
client.ts # ComfyUI WebSocket/HTTP 客户端包装器
types.ts # TypeScript 接口
services/
workflow-executor.ts # 执行工作流，处理图像和错误
workflow-composer.ts # 模板（txt2img，img2img，upscale，inpaint）
workflow-validator.ts # 干燥运行验证（缺少节点，模型，连接）
image-management.ts # 上传图像，提取 PNG 元数据，列出输出
mermaid-converter.ts # 工作流 → Mermaid 图
workflow-converter.ts # UI → API：去虚拟化 Get/Set 总线 + Reroutes，展开子图，解析绕过（为 strip_workflow 提供支持）
workflow-slicer.ts # sliceWorkflow() - rgthree Fast-Groups-Bypass 管道去分块器（由 CLI + slice_workflow 共享）
mermaid-parser.ts # Mermaid 图 → 工作流
model-resolver.ts # HuggingFace 搜索，本地模型，下载
generation-tracker.ts # SQLite 生成日志，设置重复，统计
file-hasher.ts # .safetensors 的 SHA256 哈希与缓存
civitai-lookup.ts # CivitAI API 按内容哈希查找
workflow-settings-extractor.ts # 从工作流 JSON 中提取设置
process-control.ts # 停止，启动，重启 ComfyUI 进程
registry-client.ts # ComfyUI 注册表 API
skill-generator.ts # 生成节点包技能文档
tools/ # MCP 工具注册（每组一个文件）
workflow-execute.ts # enqueue_workflow，get_system_stats
workflow-visualize.ts # visualize_workflow，mermaid_to_workflow
workflow-compose.ts # create_workflow，modify_workflow，get_node_info
workflow-validate.ts # validate_workflow
workflow-library.ts # list_workflows，get_workflow，strip_workflow，slice_workflow，save_workflow
image-management.ts # upload_image，workflow_from_image，list_output_images
model-management.ts # search_models，download_model，list_local_models
memory-management.ts # clear_vram，get_embeddings
registry-search.ts # search_custom_nodes，get_node_pack_details
skill-generator.ts # generate_node_skill
generation-tracker.ts # suggest_settings，generation_stats
diagnostics.ts # get_logs，get_history
process-control.ts # stop_comfyui，start_comfyui，restart_comfyui
index.ts # 注册所有工具组
utils/
errors.ts # 自定义错误层次结构与 MCP 集成
logger.ts # stderr-only 日志记录（stdio 传输安全）
image.ts # Base64 编码实用程序
plugin/
.claude-plugin/ # 插件清单
.mcp.json # 插件的 MCP 服务器配置
commands/ # 斜杠命令
gen.md # /comfy:gen - 图像生成
viz.md # /comfy:viz - 工作流可视化
node-skill.md # /comfy:node-skill - 技能生成
debug.md # /comfy:debug - 故障诊断
batch.md # /comfy:batch - 参数扫描
convert.md # /comfy:convert - 格式转换
install.md # /comfy:install - 节点包安装
gallery.md # /comfy:gallery - 输出浏览器
compare.md # /comfy:compare - 工作流差异
recipe.md # /comfy:recipe - 多步骤管道
skills/ # 知识库
comfyui-core/ # 工作流格式，节点类型，管道模式
prompt-engineering/ # CLIP 语法，模型特定提示
troubleshooting/ # 错误目录与模式和修复
model-compatibility/ # 按模型系列的兼容性矩阵
agents/ # 自主代理
explorer.md # 研究自定义节点包，生成技能
debugger.md # 诊断工作流故障
optimizer.md # 分析和优化工作流
hooks/ # 工具使用前/后钩子
hooks.json # 钩子配置
vram-check.mjs # 执行前 VRAM 看门狗
save-warning.mjs # 在停止/重启前保存提示
job-complete-notify.mjs # 通过临时文件进行作业完成通知
scripts/ # 后台脚本
monitor-progress.mjs # 实时 WebSocket 进度监视器
```
---
## 故障排除
**"未在端口 8188、8000 上检测到 ComfyUI"**
确保 ComfyUI 正在运行。桌面应用程序默认使用端口 8000；CLI 默认使用 8188。如果您使用的是自定义端口，请设置 `COMFYUI_PORT`。
**"COMFYUI_PATH 未配置"**
自动检测无法找到您的 ComfyUI 数据目录。设置 `COMFYUI_PATH` 到包含您的 `models/` 文件夹的目录（例如 `~/Documents/ComfyUI`）。
**"检测到多个 ComfyUI 安装"**
这是信息性的 - 服务器使用找到的第一个。设置 `COMFYUI_PATH` 以选择特定的安装。
**模型下载失败**
对于 HuggingFace 门控模型，设置 `HUGGINGFACE_TOKEN`。对于 CivitAI，设置 `CIVITAI_API_TOKEN`。
**工作流执行错误**
使用 `/comfy:debug` 自动诊断故障。或者直接使用 `get_history` / `get_logs` 以查看详细的错误消息，包括来自 ComfyUI 的 Python 回溯。
**内存不足（OOM）**
使用 `clear_vram` 在运行大工作流之前释放 GPU 内存。VRAM 看门狗钩子将在内存严重不足时自动警告您。请参阅 **故障排除** 技能以获取模型特定的 VRAM 估计。
**缺少自定义节点**
使用 `/comfy:install <pack>` 从注册表中安装缺少的节点包。调试命令将自动检测并建议缺少的包。
---
## 贡献
欢迎贡献！参见 **[CONTRIBUTING.md](./CONTRIBUTING.md)** 获取开发设置、项目约定、如何添加 MCP 工具以及发布流程。
快速版本：fork → 分支 (`feat/my-feature`) → 进行更改（确保 `npm run build` 和 `npm test` 通过；如果您触及工具，请运行 `npm run docs:gen`）→ 打开 PR。
---
## 维护者
由 [**@artokun**](https://github.com/artokun) 构建和维护 - Comfy-Org 生态系统中的定期贡献者：
- **[Comfy-Org/ComfyUI_frontend](https://github.com/Comfy-Org/ComfyUI_frontend/pulls?q=is%3Apr+author%3Aartokun)** - 10 个合并的 PR，主要在 **v2 图形渲染器**：子图渲染、促进小部件管道、视口持久性，并移植到 `cloud/1.41`、`cloud/1.42`、`core/1.41` 和 `core/1.42`。
- **[Comfy-Org/ComfyUI](https://github.com/Comfy-Org/ComfyUI/pulls?q=is%3Apr+author%3Aartokun)** （核心）- Python 后端的崩溃修复（[#12683](https://github.com/Comfy-Org/ComfyUI/pull/12683)，[#12550](https://github.com/Comfy-Org/ComfyUI/pull/12550)）。
**Comfy-Org 人士**（或在 ComfyUI 生态系统周围雇用的人）：我真的很乐意聊天 - **[art.longbottom.jr@gmail.com](mailto:art.longbottom.jr@gmail.com)**。
---
## 许可证
MIT - 有关详细信息，请参见 [LICENSE](./LICENSE)。
---
## 更新日志
请参阅 [CHANGELOG.md](./CHANGELOG.md) 以获取完整的结构化发布历史记录。
MCP 配置
以下是此 MCP Server 的配置信息，可直接复制到 Cursor 或其他 MCP 客户端中使用。
mcp.json
连接信息
猜你喜欢
暂无推荐服务器