comfyui-mcp：用任意大模型自然语言驾驶 ComfyUI 的控制平面

试想这样一个场景：你对 AI 助手说"帮我生成一张赛博朋克风格的城市夜景，要霓虹灯光倒映在积水里"，AI 助手在 60 秒内自动构建并运行了整个 ComfyUI 工作流，输出了你描述的画面——全程零点击，没有任何节点操作经验也能完成。这不是科幻，而是 comfyui-mcp 正在实现的事情。

图1：comfyui-mcp 通过 ControlNet 生成的工作流示例

从手动搭节点到自然语言编排：ComfyUI 的 Agent 化革命

ComfyUI 是目前最强大的 AI 图像/视频生成工具，以节点式工作流著称——用户需要手动连接一个个节点（Loader、采样器、VAE、ControlNet……），理解数据流向，调试参数。这对专业用户来说是灵活性，但 对 AI 爱好者来说是高门槛。

comfyui-mcp 的出现改变了这一现状。它本质上是 ComfyUI 的 MCP Server（Model Context Protocol 服务端）和 Claude Code 插件，通过 108 个 MCP 工具 + 29 个模型专项技能，将 ComfyUI 的全部能力暴露给任意大语言模型，让"用自然语言操控 AI 生图工具"成为现实。

这套方案的作者是 GitHub 用户 artokun，npmID 同名，GitHub Actions 自动化流水线已高度成熟（每小时自动发布）。从 GitHub 信息可见，项目采用 TypeScript 构建，发布节奏非常快，版本号已达 0.37.0。

核心架构：三层解耦，各司其职

深入源码结构（src/），comfyui-mcp 的架构分为清晰的三层：

第一层：传输层（src/transport/）——支持 stdio 和 HTTP 两种 MCP 传输协议。默认 stdio 模式适合 Claude Code 等本地集成；HTTP 模式可通过 --http --host 0.0.0.0 --port 9100 暴露为 REST API，支持局域网或远程访问。需要注意的是，HTTP 模式绑定非回环地址（0.0.0.0）时必须提供 token（COMFYUI_MCP_HTTP_TOKEN）或显式声明 --allow-unauthenticated-non-loopback，默认拒绝未授权远程访问——这是一个安全设计。

第二层：核心编排层（src/orchestrator/）——这是整个系统的智能核心。Orchestrator 负责解析自然语言指令，决策调用哪些工具，按什么顺序执行，收集结果并反馈。它不直接操作 ComfyUI，而是通过调用 src/tools/ 下的具体工具来完成实际操作。

第三层：工具层（src/tools/）——108 个 MCP 工具，覆盖：

• 工作流管理：编写（author）、执行（run）、验证（validate）、编辑（edit）、可视化（visualize）ComfyUI 工作流
• 图像/视频生成：Text-to-Image、Image-to-Image、Inpainting、ControlNet、IP-Adapter 等
• 模型管理：搜索、下载、删除、切换模型文件
• 节点操作：管理自定义节点（Custom Nodes）、查看节点库
• 资源管理：资产清理、VAE 管理、CLIP 刷新

图2：Ideogram 模型生成效果示例

模型专项技能：把"专家经验"编码进 AI 的大脑

comfyui-mcp 最具特色的设计是 Skill Packs（packs/ 目录），包含 50+ 个模型专项技能包。每个包本质上是一份结构化指南，告诉 AI 如何正确调用特定模型——正确的采样器名称、CFG 参数范围、分辨率建议、VAE 选型、下载地址等。

目前覆盖的模型家族包括：

• Flux 系列（Flux.1 Dev/Schnell/ContrlNet）
• LTX Video（LT2.3 txt2vid/img2vid/FLF 等多种模式）
• WAN 2.1（Animate、I2V、T2V、透明背景、V2V 等）
• Qwen 系列（图像生成、Image Edit）
• Ideogram 4（Txt2Img、Img2Img、Combo）
• Krea 2（JSON 模式、手动模式、Combo）
• **Zhipu（智谱 GLM）**图像系列

这些技能包让 AI 在调用 ComfyUI 时不再是"盲目试错"，而是真正理解每个模型的特性，生成高质量输出的概率大幅提升。

图3：Qwen 模型图像编辑工作流

三种接入方式：总有一种适合你

方式一：Claude Code 插件（最推荐） Claude Code 用户只需一条命令即可安装：claude code --install-plugin artokun/comfyui-mcp。安装后，Claude Code 自动识别项目上下文，在编写代码时可调用 ComfyUI 生成配图、图标，或用图像修复功能处理 UI 截图。支持 slash commands（/comfy、/workflow 等）和自定义 Hooks。

方式二：MCP Server 独立运行 通过 npm 全局安装（npm i -g comfyui-mcp），然后配置 MCP 客户端（如 Claude Desktop、Cline、Continue.dev）连接到 comfyui-mcp server。可同时连接本地 ComfyUI（COMFYUI_URL=http://127.0.0.1:8188）或远程 ComfyUI 实例（LAN/VPS/云服务器）。

方式三：Panel Agent（Web UI 模式） Panel Agent 是 comfyui-mcp 的独立 Web 界面，支持在浏览器中通过对话操作 ComfyUI，适合不想用 CLI 的用户。Panel 可对接 Claude、ChatGPT、Gemini 订阅账号（无需 API Key）或本地 Ollama。

部署体验：Docker 支持完善，本地安装也不难

comfyui-mcp 提供了 多阶段 Dockerfile（Dockerfile），分为构建阶段（Node 22 + Python 编译 better-sqlite3 原生模块）和运行阶段（精简最终镜像），充分利用 Docker 层缓存，镜像构建效率高。Docker 运行示例：

# 连接到本地 ComfyUI
docker run --rm -i -e COMFYUI_URL=http://host.docker.internal:8188 comfyui-mcp

# HTTP 模式暴露（需 token）
docker run --rm -p 9100:9100 -e COMFYUI_MCP_HTTP_TOKEN=your_token comfyui-mcp \
  --http --host 0.0.0.0 --port 9100

本地 npm 安装需要 Node.js >= 18，无 GPU 要求（ComfyUI 本身需要 GPU，MCP Server 本身不需要）。配置通过 ~/.comfyui-mcp/.env 管理，首次安装会自动引导。

对于已有 Claude Code 的开发者，从零到跑通示例的工作流约 10-15 分钟。

技术亮点与局限

亮点：

• Skill Packs 设计巧妙，把专家经验转化为 AI 可执行的 structured knowledge，是真正有壁垒的工程
• 传输层设计合理，stdio（安全）+ HTTP（灵活）双模式覆盖主流使用场景
• 多阶段 Dockerfile 质量高，体现了工程化思维
• 50+ 模型技能包，覆盖主流开源/商业生图模型

局限：

• Web UI 支持缺失（Panel Agent 需单独部署），纯 MCP Server 模式无图形界面
• MCP 工具数量庞大（108个），客户端（Claude Desktop）配置复杂度较高
• 依赖 ComfyUI 本身运行，ComfyUI 的 GPU 需求和节点生态复杂性没有消失，只是被 MCP 封装
• 作者更新极快（每小时发布），文档可能存在版本不一致风险

行业意义：让 AI 生图工具进入 Agent 时代

comfyui-mcp 代表着 AI 生成工具从"人操作工具"到"AI 操作工具"的关键转变。随着 MCP 协议的普及，ComfyUI 这类专业工具正在被赋予"AI 原生控制平面"的能力——未来，AI 助手不仅能回答问题、生成代码，还能直接驱动专业生成模型完成复杂的多模态任务。

如果你在寻找一种方式让 Claude Code 或其他 AI 助手真正"操控"ComfyUI 完成图像/视频生成，comfyui-mcp 是目前最成熟、工程化程度最高的方案。