Agent Tools 与 MCP
Comfy Local MCP
使用官方的 comfy-local-mcp 服务器,通过 AI 代理(Claude Code、Claude Desktop、Cursor)驱动你自己的本地 ComfyUI:运行工作流、收集输出,并检查你的安装实际拥有的节点和模型。
**comfy-local-mcp** 是 Comfy 的第一方本地 MCP 服务器——从 AI 代理(Claude Code、Claude Desktop、Cursor 及其他 MCP 客户端)驱动本地 ComfyUI 安装的官方方式。它是在 comfy-cli 之上的薄封装:每个工具都会调用外部的 comfy 指令,因此 comfy-cli 是引擎,并且与 Comfy Cloud MCP 没有共享任何代码。
与云端和合作伙伴服务器不同,它与运行在您自己的机器上的 ComfyUI 通信,因此它可以运行您的工作流,并检查您的安装实际拥有的节点、自定义节点和模型。
要求
- Python 3.10+
- 在您的
PATH中的 comfy-cli(pip install comfy-cli):每个工具所依赖的引擎 - 一个 ComfyUI 工作区:如果您还没有,请使用
comfy install创建一个(已有的检出可通过comfy set-default <path>来使用) - 正在运行的 ComfyUI:在使用工具之前,请用
comfy launch启动它;此处的任何操作都不会隐式启动 ComfyUI
安装
从仓库的检出副本开始:
pip install . # 或 `pip install -e .` 以获得可编辑的副本这会将一个名为 comfy-local-mcp 的控制台脚本添加到您的 PATH 中。该命令就是 MCP 服务器(它通过 stdio 使用 MCP 协议通信)。请按下方说明将其配置到您的 AI 客户端。
配置 AI 客户端
所有客户端均使用相同的 MCP stdio 协议:将 comfy-local-mcp 指令作为服务器运行。选择您的客户端。
Claude Code
一条指令即可注册服务器:
claude mcp add comfy-local -e COMFY_BIN=/path/to/venv/bin/comfy -- comfy-local-mcp或者通过项目根目录下的 .mcp.json 文件将其纳入版本控制:
{
"mcpServers": {
"comfy-local": {
"command": "comfy-local-mcp",
"env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
}
}
}Claude Desktop
编辑 claude_desktop_config.json(设置 → 开发者 → 编辑配置;macOS 上位于 ~/Library/Application Support/Claude/claude_desktop_config.json),添加服务器,然后重新启动 Claude Desktop:
{
"mcpServers": {
"comfy-local": {
"command": "comfy-local-mcp",
"env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
}
}
}Cursor
将服务器添加到 ~/.cursor/mcp.json(全局)或 .cursor/mcp.json(按项目):
{
"mcpServers": {
"comfy-local": {
"command": "comfy-local-mcp",
"env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
}
}
}快速入门
从零开始到已生成图像:
安装组件
pip install comfy-cli # 引擎
comfy install # 创建ComfyUI工作区(如果已有则跳过)
pip install . # 此MCP服务器 → `comfy-local-mcp`指令启动ComfyUI并保持运行
comfy launch将服务器添加到客户端
使用上面适用于您客户端的代码片段,然后重新启动/重新加载它,以便工具出现。
让您的代理运行工作流
例如:
> "确认我的本地ComfyUI正在运行,然后运行 ~/workflows/txt2img.json 中的工作流并向我展示图像。"
在底层,代理调用 server_info 确认ComfyUI已启动,调用 run_workflow 执行工作流JSON,并调用 fetch_outputs 收集结果。
工具
每个工具对应一个 comfy-cli 指令,使用 --where local 运行。主要工具如下:
| 工具 | 用途 |
|---|---|
server_info() |
检查本地 ComfyUI 是否正在运行、运行位置以及所属工作区。请优先调用。 |
run_workflow(workflow_path, wait=True) |
运行工作流 JSON;wait=False 时异步提交并返回一个 prompt_id。 |
job_status / wait_for_job / watch_job |
轮询、等待或流式查看已提交的任务。 |
fetch_outputs(prompt_id, out_dir) |
将已完成任务的输出复制到 out_dir。 |
launch_comfyui / stop_comfyui |
启动或停止本地的 ComfyUI。 |
search_templates / fetch_template |
查找内置模板并写入其可运行的工作流 JSON。 |
search_nodes / get_node / list_nodes |
检查本地实时安装中的节点类(包括自定义节点)。 |
search_models |
列出磁盘上的模型文件。 |
validate_workflow |
在慢速运行之前,针对实时的 object_info 预检工作流。 |
节点内省和模型搜索会读取您的实时安装(包括自定义节点),这是本地与云端 MCP 的差异所在。请参阅仓库获取完整工具列表和参考。
相关
- Comfy Cloud MCP:托管MCP服务器,无需本地安装或GPU
- Comfy CLI:从终端驱动本地ComfyUI和合作伙伴生成
- comfy-local-mcp on GitHub:来源、安装和工具参考
官方原文
本页来自 Comfy-Org 官方中文文档的固定版本,并转换为 xueai 静态页面。内容以官方持续更新的页面为准。