Comfyui Mcp

comfyui-mcp — 用任意 LLM 驱动 ComfyUI

Agent 面板端到端驱动 ComfyUI。它会读取本地安装的内容， 连接工作流图，释放 VRAM，并运行渲染。
观看 76 秒演示 →

面向本地优先、原生支持 Agent 的 ComfyUI 控制平面。 它由 MCP 服务和实时侧边栏 Agent 组成，可生成图像、视频和音频，创建并运行工作流，管理模型和自定义节点，还能通过自然语言编辑 ComfyUI 实时工作流图。使用你拥有的任意模型：订阅中的 Claude 或 ChatGPT、通过 Google 登录使用的 Gemini、通过 Ollama 使用的免费本地模型（完全离线），或通过一个 API 密钥调用任意托管模型（DeepSeek、GLM、MiMo、Kimi、GPT，以及通过 OpenRouter 调用 Claude）。所有套餐使用相同的工具和面板，内置的 LLM Arena 会根据真实的 ComfyUI 任务为每个模型评分，让你了解自己的模型能做什么。一份配置即可连接本地安装、LAN、VPS 或 Comfy Cloud。

 一键创建 GPU Pod。 在你自己的 GPU 上运行开箱即用的 ComfyUI，预装本项目、Agent Panel 和 ComfyUI-Manager v2。无需设置。

支持 macOS、Linux 和 Windows。自动检测 ComfyUI 安装位置和端口。

遇到问题或有疑问？加入 Discord，获取帮助、模型建议和版本公告。

38 个 MCP 工具 | 42 个 AI 技能（Flux · WAN · LTX 2.3 视频 · MiniMax H3 · Qwen · Z-Image · Ideogram 4 · ERNIE · ANIMA · 模型注册表 · Civitai · 节点创建 · 启动/性能标志） | 56 个安装包 | 11 个斜杠命令 | 4 个自主 Agent | 3 个钩子

该插件附带的技能会随每次发布不断扩展：针对特定模型的生成指南（包含精选下载 URL）、工作流配方、故障排查和自定义节点创建指南。有了这些技能，Claude 无需反复试错，就能为每种架构选出合适的采样器、CFG、分辨率和模型文件。

现已推出：ComfyUI Agent Panel，可在 ComfyUI-Manager 和 Comfy Registry 中使用

在 ComfyUI 侧边栏中运行的自主 AI Agent，可使用 Claude、ChatGPT、Gemini 或任意本地／托管大模型（Ollama 和所有兼容 OpenAI 的端点）。使用订阅服务无需 API 密钥；使用本地模型则完全无需账户。选择一个提供方，它就能操控当前图形：编辑、空间布局、一键加载工作流／资源包、回退／撤销、待处理消息栏、活动卡片、多标签页。使用付费 API 点数前会先征求同意。 在 ComfyUI-Manager 中搜索 comfyui-agent-panel 进行安装。了解更多 →

完整文档：comfyui-mcp.artokun.io/docs

---

快速入门

1. 安装 ComfyUI（如果尚未安装）：ComfyUI Desktop 或从源代码安装

2. 将 MCP 服务添加到 Claude Code 配置（~/.claude/settings.json）：

{
  "mcpServers": {
    "comfyui": {
      "command": "npx",
      "args": ["-y", "comfyui-mcp"],
      "env": {
        "CIVITAI_API_TOKEN": ""
      }
    }
  }
}

**3. 开始使用。**运行 ComfyUI 后，让 Claude 生成一张图像：

> Generate an image of a sunset over mountains

Claude 会查找（或下载）一个检查点，构建工作流、执行该工作流并返回图像。

注意：该服务以独立 MCP 服务的形式运行，因此无需克隆此代码库。npx 会下载并运行它。

范围：本地、远程或 Comfy Cloud

comfyui-mcp 优先支持本地运行。主要目标是在 Mac/Linux/Windows 上自托管的 ComfyUI；通过同一份配置，同一个 Agent 也能连接远程安装（RunPod、VPS、局域网、反向代理）。优先本地运行，但不局限于本地。

**不只是桥接。**大多数 ComfyUI MCP 服务只是轻量级连接器：转发提示词并返回图像。comfyui-mcp 则是一个完整的控制平面。它逐个节点创建和编辑图形，运行并迭代工作流，管理模型和自定义节点，还提供针对特定模型的专业知识（采样器、CFG、分辨率、精选模型 URL），让 Agent 无需反复试错就能正确完成任务。如果你只需要一个精简的本地中继，轻量级服务就够了。如果你希望 Agent 实际操控 ComfyUI，那就选这个项目。

对于 Comfy Cloud 用户，Comfy-Org 提供了自己的 Agent 工具：Comfy Cloud MCP（公开测试版，托管于 Comfy Cloud GPU）、Comfy In-App Agent（内部 Alpha 版，位于 Comfy Cloud 内）和官方 Comfy Local MCP（内部测试，尚未公开），均由 Comfy 团队维护。如果你没有 GPU，或者希望完全免配置，这是更合适的选择；请直接使用它们。

该项目的不同之处在于，它运行在你自己的安装环境上，并使用你自己选择的模型，包括通过 Ollama 使用无需账户且完全不联网的免费本地模型。comfyui-mcp 还支持社区云模式（设置 COMFYUI_API_KEY，参见部署模式），因此单个 MCP 服务可通过一份配置适配三种部署形态。

本地 Agent 与 Comfy Cloud Agent 对比提供了逐项对比，包括 Comfy Cloud 适合何种情况。（以上状态截至 2026 年 7 月。Comfy-Org 更新迅速，请查阅其文档了解当前状态。）

远程 / 托管连接器（一条命令）

要在 Claude Desktop 的自定义连接器或任何远程客户端中使用 comfyui-mcp，例如 Comfy 自有的 cloud.comfy.org/mcp 连接器，请用一个标志将其作为经过身份验证且可公开访问的 Streamable-HTTP 服务运行：

npx -y comfyui-mcp@latest --tunnel

这会强制使用 HTTP 传输，生成身份验证令牌，开启 cloudflared 快速隧道，并输出可直接粘贴的 https://…/mcp URL、令牌以及 Claude Desktop 连接器片段。 身份验证支持 Authorization: Bearer <token> 或 X-API-Key: <token>（与 Comfy Cloud 的惯例一致）。完整操作步骤和无头使用说明，请参阅 远程 / 托管连接器指南。

身份验证默认关闭。未设置 COMFYUI_MCP_HTTP_TOKEN 且未使用 --tunnel 时，默认的 stdio（以及在环回地址上使用普通 --http）行为保持不变。服务仍保持开放且仅限本地访问。OAuth（Comfy 的浏览器登录流程）计划在后续推出。

---

Claude Code 插件

此软件包也作为 Claude Code 插件发布，在 MCP 工具的基础上添加斜杠命令、技能、Agent 和钩子。

作为插件安装

# In Claude Code
/plugin marketplace add artokun/comfyui-mcp
/plugin install comfy

斜杠命令

命令	描述
/comfy:gen <prompt>	根据文本描述生成图像——自动选择检查点、构建工作流并返回图像
/comfy:viz <workflow>	将工作流可视化为 Mermaid 图表，并按类别对节点分组
/comfy:node-skill <pack>	根据 Registry ID 或 GitHub URL，为自定义节点包生成 Claude 技能
/comfy:debug [prompt_id]	诊断工作流失败原因——读取历史记录和日志、追踪根本原因并建议修复方案
/comfy:batch <prompt, params>	扫描 cfg、采样器、步数、种子等参数并批量生成
/comfy:convert <file>	在 UI 格式和 API 格式的工作流之间进行转换
/comfy:install <pack>	安装自定义节点包——git clone、pip install，可选择重启
/comfy:gallery [filter]	浏览生成的输出及其元数据——按日期、数量或文件名筛选
/comfy:compare <a vs b>	并排比较两个工作流——显示新增 / 移除的节点和已更改的参数
/comfy:recipe <name> <prompt>	多步骤配方：portrait、hires-fix、style-transfer、product-shot

内置技能

共 42 项技能：模型系列指南（Flux、WAN、LTX 2.3、MiniMax H3、Qwen、Z-Image、Ideogram 4、ERNIE、ANIMA，以及 anime / WAN / Z-Image LoRA 训练）、model-registry（精选下载 URL）、civitai 配对技能、节点编写、launch/performance-flags 矩阵，以及下面列出的四项核心技能。完整列表见插件文档页。

安装包。 packs/ 汇集了 13 个一键式 ComfyUI 配置：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）。每个配置包都包含自定义节点、模型 URL 和工作流清单，可用于 apply_manifest，并生成 install-windows.bat / install-runpod.sh；CI 会验证每个模型链接和载荷大小。请参阅 packs/README.md。

技能	描述
comfyui-core	工作流格式、节点类型、数据流模式、管线架构、MCP 工具使用指南
prompt-engineering	CLIP 权重语法 (word:1.3)、BREAK 标记、嵌入，以及针对 SD1.5/SDXL/Flux/SD3 的模型专属提示词编写方法
troubleshooting	常见错误目录——OOM、dtype 不匹配、节点缺失、NaN 张量、黑图、CUDA 错误，并附每种模型的显存估算
model-compatibility	兼容性矩阵——按模型系列列出加载器、分辨率、CFG、采样器、ControlNet、LoRA 和 VAE（SD1.5/SDXL/Turbo/Lightning/Flux/SD3/LTXV）

Agent

Agent	模型	描述
comfy-explorer	Sonnet	研究自定义节点包——阅读文档、查询 /object_info、生成技能文件
comfy-debugger	Sonnet	自主诊断工作流故障——收集日志和历史记录、识别故障节点、检查模型和自定义节点、提出并按需应用修复方案
comfy-optimizer	Sonnet	分析工作流性能——检测冗余节点、VRAM 浪费、模型系列对应的错误 CFG/步数、精度问题，并提出优化建议
comfy-researcher	Sonnet	针对指定的图像生成问题，发现并筛选 ComfyUI 自定义节点包

钩子

事件	触发条件	操作
PreToolUse	enqueue_workflow	VRAM 看门狗 — 通过 /system_stats 检查 GPU 内存，并在执行前发现可用内存 < 1GB 时发出警告
PreToolUse	restart_comfyui（操作 stop/restart）	保存警告 — 停止 ComfyUI 前提示用户保存未保存的工作流更改
PostToolUse	任意 comfyui 工具	任务完成通知 — 检查已完成的任务，并将完成摘要注入对话

后台脚本

脚本	描述
monitor-progress.mjs	进度监视器 — 连接到 ComfyUI 的 WebSocket，实时报告步骤进度（例如，step 5/14 (36%)）。将工作流加入队列后，作为后台 Bash 任务运行。报告完成情况及输出文件名，并报告包含节点详情的错误。替代循环轮询 queue（action:"status"）。

---

面板 Agent（Claude · ChatGPT · Gemini · 任意本地/托管大模型）

除了无头 MCP 服务，此软件包还附带面板编排器，为 ComfyUI Agent Panel 提供支持。它是嵌入 ComfyUI 侧边栏的自主 Agent，可操控实时画布。它使用你自己的订阅（Claude 或 ChatGPT）在后台运行，并由面板的 Connect 按钮按需启动：

npx -y comfyui-mcp@latest connect

从自己的机器操控远程 ComfyUI（connect）

当 ComfyUI 运行在没有 Node 或 Agent 的环境中（例如 RunPod Pod 或云主机），你仍可在自己的机器上运行 Agent，并操控该远程 ComfyUI。云主机上无需登录 Agent，也无需在远程安装或配置任何内容：

npx -y comfyui-mcp@latest connect https://abcd1234-3000.proxy.runpod.net

这相当于使用 --panel-orchestrator，并根据 URL 设置 COMFYUI_URL。编排器在本地使用你的 Claude/ChatGPT 登录凭据运行，并通过其公共代理 URL 连接远程 ComfyUI。对于远程 HTTPS Pod，connect 会打开一个经 Cloudflare 的、由令牌保护的 wss:// 隧道，连接到本地 Agent 桥接服务，并将该 URL 交给 Pod 的面板，这样 Pod 的 HTTPS 页面就能在任何浏览器中连接到你的机器，而无需浏览器提示。由于混合内容和专用网络访问规则，安全页面无法通过普通 ws:// 套接字连接到你的机器。对于本地 ComfyUI，则使用普通的 ws://127.0.0.1:9199 环回桥接服务。添加 --insecure-bridge 可强制远程 Pod 使用该环回桥接服务，然后自行安排连接路径，例如使用 SSH 端口转发。无论哪种方式，面板 JS 都在本地浏览器中运行，Agent 和你的登录凭据也只在你的机器上运行，因此无需远程安装任何内容。

要完成连接，请保持 connect 在你的机器上运行，在浏览器中打开远程 ComfyUI，然后点击 Agent 面板中的 Connect。该面板是纯前端扩展。它会连接到 connect 进程已在提供服务的桥接端，而不是要求 ComfyUI 主机启动其无法运行的编排器。

多提供方，完全对等。 编排器依赖与提供方无关的 AgentBackend 接口（依赖注入），并配有两个适配器：

• ClaudeBackend 封装了 Claude Agent SDK （@anthropic-ai/claude-agent-sdk），通过 claude.ai 订阅提供持久化流式会话 （OAuth，无需密钥）。
• CodexBackend 通过 codex app-server JSON-RPC 协议（@openai/codex）封装 OpenAI Codex，使用 ChatGPT 订阅（codex login，无需密钥）。

更多适配器遵循相同接口：Gemini CLI（ACP）、Antigravity （agy，Google AI Pro/Ultra 订阅路径；从 antigravity.google 安装并运行一次 agy 以 登录）、Grok、Kimi、GLM、Ollama/LM Studio/llama.cpp（本地）、OpenRouter，以及 任何兼容 OpenAI 的端点。完整列表见 docs/backends。

两者都是可选依赖，面板选择的是提供方，而非接口。每个后端都在各自的回环桥接端口上运行自己的编排器。功能矩阵会告知面板每个后端支持哪些功能（例如，目前只有 Claude 支持对话回滚，因为 Codex app-server 只能恢复整个对话线程）。

所有提供方的实时画布工具和模型知识完全相同。 panel_* 工具定义存放在同一个共享列表中，并注册到进程内的 Claude SDK MCP 服务，以及编排器为 Codex 托管的、基于回环可流式传输的 HTTP MCP 服务（Codex 只能托管通过配置声明的 MCP 服务）。无头 comfyui MCP 同样会注入两者：对 Claude 在进程内注入，对 ChatGPT 则通过 codex app-server -c mcp_servers 声明。因此，各处的生成、模型和工作流工具都相同。

新增工具让所有后端拥有相同的专业知识，并提供成本保护：

工具	描述
list_packs（action: "skill_list" / "skill_read"）	发现并读取随附的模型系列和工作流技能——Claude 原生加载的知识，现已开放给任何 MCP 客户端（例如 Codex 后端）
list_packs（action: "list" / "read_workflow"）	列出一键安装包（自定义节点 + 权重 + 就绪工作流；均使用本地 GPU / 免费），并读取安装包的图结构
list_packs（action: "list_templates"）	列出已连接的 ComfyUI 中由自定义节点提供的工作流模板
list_packs（action: "check_runtime"）	将工作流归类为 本地（使用你的 GPU，免费）或 api / mixed / unknown（托管 API 节点会消耗付费额度），以便 Agent 在使用付费 API 额度前征求同意
list_packs（action: "extract_deps" / "install_deps"）	确定工作流所需的自定义节点包，并通过 ComfyUI-Manager 安装缺少的包
panel_load_workflow	（面板工具）一次性将完整工作流加载到实时画布上——可按随附的 pack 名称（在服务器端读取，不会通过聊天传输）或图结构 JSON 加载
panel_strip_workflow / panel_slice_workflow	（面板工具）将纠缠的图结构反虚拟化（Get/Set 总线、Reroute、子图、旁路 → 实际连接），或从大型图中裁剪出一个由 rgthree 切换的流水线——可使用 pack、服务器端 path 或内联图；用于理解/重建专家工作流，无需手动追踪

---

MCP 工具

涵盖工作流执行、生成、迭代、组合、模型等的 38 个工具：

图像生成（高级）

工具	描述
generate_image action: "image"	根据文本提示词生成图像——构建 txt2img 工作流，使用默认值填充未指定的参数，并自动选择检查点
generate_image action: "controlnet"	根据 ControlNet 图像（姿势／深度／canny／法线）和提示词进行条件生成
generate_image action: "ip_adapter"	通过 IP-Adapter 根据参考图像的风格／主体进行引导生成（需要 ComfyUI_IPAdapter_plus）
generate_image action: "video" / "3d"	从同一个单行入口生成短视频片段（LTX-2.3，本地 GPU）或 3D 模型（托管合作伙伴 API 节点）
generate_image action: "upscale"	使用 ESRGAN 超分辨率对上传或暂存的图像进行后期处理
generate_image (action:"remove_background")	将上传或暂存的图像后期处理为透明的 BiRefNet 抠图

音频生成（高级）

工具	描述
generate_image action: "audio"	根据文本提示词生成音频——支持 ACE Step 1.5（带歌词／结构的音乐）和 Stable Audio 3（音乐、乐器、音效）；自动选择本地模型

素材与迭代

工具	描述
get_image (action:"view")	将生成素材的字节作为内嵌图像返回，以便 Agent 查看结果
get_image (action:"analyze_color")	分析生成图像的调色板／对比度／颜色统计数据（主色、平均值和亮度统计、对比度检查），让 Agent 无需视觉往返即可推理颜色
generate_image (action:"regenerate")	使用可选的参数覆盖，重新运行生成 asset_id 的工作流
get_image (action:"list_assets")	按 asset_id 浏览最近生成的素材（最新的排在前面）
get_image (action:"asset_metadata")	查看素材的完整溯源信息，包括其来源工作流

默认值

工具	描述
get_defaults action:"get"	显示合并后的生成默认值及各来源的归属信息
get_defaults action:"set"	更新运行时默认值；persist: true 会写入配置文件
get_defaults action:"get_ui" / "set_ui"	读取／写入 ComfyUI 自己的前端 UI 设置（Comfy.* ID）——与上述生成默认值分开存储

工作流执行

工具	描述
enqueue_workflow action: "enqueue"	提交工作流（API 格式的 JSON）——立即返回 prompt_id，不阻塞
enqueue_workflow action: "rerun" / "run_url" / "template_schema"	重新运行过去的生成，或从 URL 读取／运行共享工作流，或检查内置模板中可覆盖的插槽
enqueue_workflow (action:"run_template")	一步完成：解析内置资源包的专家图，将 <nodeId>.<widget> 覆盖项应用到图中，并将其加入队列
queue	用于执行队列的单个动作参数化工具：list（运行中和待处理任务）、status（按提示 ID 查询单个任务）、get_workflow（获取待处理任务的完整负载）、move／edit（将待处理任务重新排入队列前端／后端，可打补丁或替换，并生成新的提示 ID）、cancel（中断运行中的任务——依次执行 interrupt → verify → /free；若任务无法终止，则报告 WEDGED；clear_pending: true 还会删除所有待处理任务）、cancel_queued、clear
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	用于渲染和转换所传入工作流的单个动作参数化工具：render（Mermaid 流程图，按类别对节点分组）、render_hierarchical（将同一图表分节展示——概览、单节详细信息、列表或面向 AI 的摘要）、mermaid（将 Mermaid 图表转换回可执行的工作流 JSON）、to_dsl／from_dsl（紧凑且可无损往返的创作 DSL）

工作流编排

工具	描述
create_workflow	一个按操作参数化的工具，用于编写工作流：create（基于模板：txt2img、img2img、upscale、inpaint、controlnet、ip_adapter、ace_step_15、stable_audio_3）、modify（操作：set_input、add_node、remove_node、connect、insert_between）、validate（试运行——检查缺失节点、断开的连接、无效的输出索引、缺失的模型文件）、node_info（从 ComfyUI 的 /object_info 端点查询可用的节点类型）

工作流库

工具	描述
get_workflow	一个按操作参数化的工具，用于读取已保存的工作流文件：list（用户库，包含子文件夹）、get（按文件名获取单个工作流的 JSON）、analyze（返回结构化摘要，而非原始 JSON）、query（筛选／遍历／汇总大型图，不必完整输出）、strip（去虚拟化任意工作流，来源可以是绝对路径、库文件名或内联图——将 GetNode／SetNode 总线、Reroutes、子图定义和旁路节点解析为实际连接，并返回扁平图；可在服务端读取任意路径，因此能加载缓存库无法读取的临时／专家工作流）、slice（取消分块切换模板的整体工作流——将一个由 rgthree Fast-Groups-Bypass 切换的流水线拆分为独立的已激活图；搭配 strip 可进一步扁平化总线）、from_image（ComfyUI 嵌入 PNG 中的工作流）、prompt_director（Prompt Director 清理后的运行时状态）
save_workflow	一个按操作参数化的工具，用于写入库：save（保存工作流——覆盖同名文件）、lock（记录来源锁定信息：每个模型的 SHA-256、每个节点包的 git 提交）、verify_lock（报告与该锁定信息的偏差）

图像管理

工具	描述
upload_image	将本地图像复制到 ComfyUI 的 input/ 目录，以供 img2img、inpaint 或 ControlNet 使用
get_image (action:"list_outputs")	浏览输出目录中最近生成的图像和视频，按最新优先排序——递归搜索子文件夹（例如 SaveVideo 的 output/video/…），并返回每个结果的 subfolder

模型管理

工具	描述
download_model	查找并获取模型权重，并跟踪传输状态。action：download（从 URL 下载到 ComfyUI 对应的子目录）、status、cancel、search（HuggingFace）、search_civitai、search_creators、download_civitai、resolve_missing
list_local_models	查看已安装的模型及 ComfyUI 的搜索位置。action：list（按类型列出已安装的模型：checkpoints、loras、vae、upscale_models、controlnet、embeddings、clip、unet、diffusion_models、text_encoders）、remove（删除模型文件）、embeddings、list_paths、add_path、remove_path（后三项用于查看／编辑额外搜索路径的 YAML 文件）

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，并报告操作前后的统计信息

注册表与发现

工具	描述
search_custom_nodes	按关键词搜索 ComfyUI Registry 中的节点包（action: "search"），或获取单个节点包的完整详情（action: "details"）
list_packs（action: "generate_skill"）	根据 Registry ID 或 GitHub URL 生成 Claude skill .md 文件
comfy_cli	通过官方 comfy nodes search 搜索实际已加载的节点类（action:"search_nodes"）

官方 comfy-cli

安装 comfy-cli 1.11.1 或更高版本，以启用官方的 JSON 支持工具。MCP 会从 COMFY_CLI_PATH、PATH 或所选工作区的 .venv/venv 中解析 comfy。本地自定义节点操作会优先使用 comfy node（如果有受支持的 CLI），否则回退到 Manager HTTP；远程目标仍使用 Manager HTTP。

工具	描述
comfy_cli	一个通过操作参数支持整个官方 CLI 的工具：status、server_start/server_stop/server_restart、jobs_list/jobs_status/jobs_wait/jobs_watch/jobs_cancel、search_nodes、workflow_validate/workflow_run、transfer_upload/transfer_download、models_*（list/search/show/download/remove）、skills_*（list/show/validate/install/status/uninstall）

诊断

工具	描述
get_system_stats (action:"logs")	获取 ComfyUI 服务日志，可选关键词筛选（例如 error、warning、节点名称）
kitchen	查看 comfy-kitchen 在此 GPU 上能做什么（status）、找出图中未能充分利用它的地方（assess），并应用更快的路径（apply）——探测失败意味着未知，绝不代表否定
get_history action: "list"	获取执行历史记录，包含完整错误详情、Python 回溯、耗时和缓存的节点信息
get_history action: "diagnose"	一次调用即可说明 FAILED 运行的情况——失败节点和回溯，以及缺失的模型（文件 + 控件）和缺失的节点类型

进程控制

工具	描述
restart_comfyui action:"restart"	停止并重启 ComfyUI，同时保留所有启动参数
restart_comfyui action:"stop"	停止正在运行的 ComfyUI 进程（保存 PID 和启动参数以便重启；在 Windows 上，action:"start" 无法重新启动它）
restart_comfyui action:"start"	使用上次停止时保存的信息启动 ComfyUI（macOS/Linux；Windows 上会拒绝执行）
restart_comfyui action:"status"	只读：查看此时执行 start/stop/restart 会发生什么，以及此工具能否撤销 stop。请在执行 stop 前调用

生成追踪器

工具	描述
get_history action: "suggest"	根据本地生成历史记录推荐经过验证的采样器/调度器/步数/CFG 设置——可按模型系列、LoRA 哈希或文本搜索查询
get_history action: "stats"	显示本地生成追踪统计信息——运行总数、唯一组合数、按模型系列划分的明细

每次调用 enqueue_workflow 都会将设置记录到本地 SQLite 数据库（generations.db）。重复的设置组合会增加 reuse_count，而不是创建重复行，因此该计数可作为受欢迎程度指标。追踪器通过内容哈希（AutoV2 / SHA256）识别模型和 LoRA，而非文件名，因此重命名后的文件仍会归为一组。

# View local stats from the CLI
npm run generations:stats

---

示例

生成图像

> /comfy:gen a cyberpunk city at night with neon lights

Claude 将会：

1. 检查已安装的检查点（如有需要则下载一个）
2. 使用你的提示词构建 txt2img 工作流
3. 在 ComfyUI 上执行
4. 返回生成的图像

可视化工作流

> /comfy:viz ~/workflows/my-workflow.json

生成 Mermaid 图表，并按类别对节点分组：

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

读取最近的执行历史记录和日志，确定失败节点，检查是否缺少模型或节点包，并提出修复建议。

> /comfy:debug abc123-def456

按提示 ID 诊断特定执行。

参数扫描

> /comfy:batch a cat in a field, cfg:5-10:2, sampler:euler,dpmpp_2m

生成涵盖所有参数组合的图像网格，并提供包含结果的汇总表。

支持的扫描参数：cfg、steps、sampler、scheduler、seed、denoise、width、height。

多步配方

> /comfy:recipe hires-fix a dramatic fantasy landscape with castles

分两步运行：先以 512x768 执行 txt2img，再通过 img2img 放大至 1024x1536 并增加细节。

可用配方：

配方	描述
portrait	以 1024x1024 生成，然后放大 2x 至 2048x2048
hires-fix	低分辨率生成 → 使用 0.4-0.5 的去噪强度通过 img2img 放大
style-transfer	通过 img2img 将风格提示词应用到现有图像
product-shot	使用纯白背景生成产品图像

转换工作流格式

> /comfy:convert ~/workflows/my-ui-workflow.json

在 ComfyUI 的 UI 格式（节点 + links 数组）和 API 格式（节点 ID → {class_type, inputs}）之间转换。

安装自定义节点包

> /comfy:install comfyui-impact-pack

搜索注册表、显示详情、将仓库克隆到 custom_nodes/、安装依赖，并提供重启 ComfyUI 的选项。

浏览输出图库

> /comfy:gallery last 5
> /comfy:gallery today

列出最近的输出，并显示每张图像嵌入的元数据：checkpoint、提示词、seed、steps、CFG 和 sampler。

比较工作流

> /comfy:compare workflow-a.json vs workflow-b.json

显示新增/移除的节点、已更改的参数（旧值 → 新值），并可选择使用 Mermaid 图表进行直观比较。

运行前验证

> Validate this workflow before I run it

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，但不执行工作流。

管理模型

> What checkpoints do I have installed?
> Search HuggingFace for SDXL turbo models
> Download this model to my checkpoints folder

管理 VRAM

> Free my VRAM
> What embeddings do I have?

从图像提取工作流

> Extract the workflow from this image: ~/outputs/ComfyUI_00042_.png

读取 PNG 元数据块，以恢复用于生成图像的确切工作流和提示词。

探索自定义节点

> /comfy:node-skill comfyui-impact-pack

生成技能文件，记录每个节点及其输入/输出和使用模式。

进程控制

> Restart ComfyUI
> Stop ComfyUI
> Start ComfyUI back up

---

配置

服务会自动检测 ComfyUI 的安装位置和端口。如有需要，可使用环境变量覆盖。

密钥和覆盖项的配置位置：

• 面板用户。 使用 API Keys 卡片（“connected”旁边的 ▾ 菜单）。密钥存储在 ~/.comfyui-mcp/panel-secrets.json 中，无需重启即可生效。
• 仅使用 MCP 的配置（Claude Desktop、Claude Code 等）。使用 MCP 客户端配置中的 env 区块，如上方设置示例所示。
• 实际环境变量的优先级始终高于已存储的密钥。开发时，服务还会将 ~/.comfyui-mcp/.env 作为覆盖文件加载；常规安装通常不需要该文件。

部署模式

comfyui-mcp 会根据环境自动选择以下三种模式之一：

模式	触发条件	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，或设置了 --force-remote	否 — 服务会跳过 COMFYUI_PATH 自动检测，以免过时的本地安装意外接收上传内容
云端	设置了 COMFYUI_API_KEY（目标为 Comfy Cloud）	否 — HTTP 基础操作通过 X-API-Key 路由至 cloud.comfy.org；WebSocket 和仅限本地的工具会抛出 CLOUD_UNSUPPORTED

某些配置（例如使用 dstack 在 RunPod 上运行 ComfyUI）会将远程 ComfyUI 端口转发回 localhost:8188，因此上述环回检查会将其误判为本地安装。添加 --comfyui-url/COMFYUI_URL，并传入 --force-remote（或设置 COMFYUI_MCP_FORCE_REMOTE=1），即可无论主机名如何都强制使用远程模式：

npx -y comfyui-mcp@latest --comfyui-url http://localhost:8188 --force-remote

变量	默认值	说明
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。路径前缀会保留（例如 https://host/comfyapi），适用于通过反向代理的实例。非环回主机将启用远程模式。
COMFYUI_MCP_FORCE_REMOTE		设置为 1/true（或传入 --force-remote），即可强制启用远程模式，即使 COMFYUI_URL/--comfyui-url 解析为环回主机也不例外 — 适用于可通过 localhost 访问的端口转发远程安装（例如 dstack/RunPod）。未设置 COMFYUI_URL/--comfyui-url 时无效。
COMFYUI_HOST	127.0.0.1	ComfyUI 服务地址
COMFYUI_PORT	(自动检测)	ComfyUI 服务端口（先尝试 8188，再尝试 8000）
COMFYUI_PATH	(自动检测)	ComfyUI 数据/基础目录的路径，用于存放模型、输入/输出和用户状态。在常规安装中，这也是代码检出目录。远程/云模式下不执行自动检测。
COMFYUI_CODE_PATH	COMFYUI_PATH	ComfyUI 代码检出目录的可选路径（包含 main.py、.venv、核心 Git），适用于代码和数据位于不同根目录的情况。Pip、venv 和核心更新使用此代码检出目录（核心更新优先使用从已连接的本地服务获取的代码检出目录，并以此路径作为回退）。Pack 读写 — custom_nodes、comfy-cli --workspace、apply_manifest 克隆/检出、workflow-lock pack 提交 — 仍使用实时的 --base-directory / COMFYUI_PATH 数据根目录（#1770）。
COMFY_CLI_PATH	(自动检测)	官方 comfy 可执行文件（comfy-cli >=1.11.1）的路径。解析时也会检查 PATH 和所选工作区的 .venv/venv。
COMFYUI_PYTHON	python	旧版 Git 克隆依赖回退方案使用的 Python 解释器。必要时将其指向 ComfyUI 虚拟环境中的 Python。
COMFYUI_MCP_BRIDGE_HOST	127.0.0.1	面板桥接的绑定主机。设置为 0.0.0.0（或 LAN IP），即可在 24/7 运行的服务上运行编排器，并从其他设备连接面板 — 必须提供令牌（见下文）；编排器会输出可直接粘贴的 ws://…/?token=… 桥接 URL。
COMFYUI_MCP_BRIDGE_TOKEN	(需要时生成)	用于限制所有桥接连接的共享密钥（在 WS 升级时以恒定时间进行校验）。COMFYUI_MCP_BRIDGE_HOST 非环回时必须设置；固定此令牌可确保桥接 URL 在重启后仍然有效。除启动横幅外，绝不会记录此令牌。
COMFYUI_MCP_DATA_DIR	~/.comfyui-mcp	当不存在本地 COMFYUI_PATH（远程/云/未检测到）时，用于存放每个实例数据的基础目录（get_history action: "suggest" 使用的 generations.db）。按目标存放于 instances/<host_port>/ 下。
COMFYUI_API_KEY		Comfy Cloud API 密钥。设置后将启用云模式，服务会与 cloud.comfy.org 通信。绝不会记录此密钥。
COMFYUI_CLOUD_URL	https://cloud.comfy.org	覆盖 Comfy Cloud 端点（用于测试/预发布）。
COMFYUI_AUTH_TOKEN		用于位于反向代理/API 网关之后的可自托管 ComfyUI的通用认证令牌（不同于 Comfy Cloud）。设置后，会将其附加到每个 ComfyUI 请求中。绝不会记录此令牌。
COMFYUI_AUTH_HEADER	Authorization	COMFYUI_AUTH_TOKEN 的标头名称（例如 X-API-Key）。
COMFYUI_AUTH_SCHEME	Authorization 对应 Bearer，否则无	令牌值的方案前缀（例如 Bearer、Token）。
CIVITAI_API_TOKEN		用于下载模型的 CivitAI API 令牌
HUGGINGFACE_TOKEN		用于提高 API 速率限制的 HuggingFace 令牌
COMFYUI_DOWNLOAD_PROXY		仅用于模型下载流量的可选 HTTP/HTTPS 代理；也支持标准代理环境变量和静态 Windows WinINet 设置
GITHUB_TOKEN		用于生成技能的 GitHub 令牌（可避免速率限制）
REGISTRY_ACCESS_TOKEN		用于 node_pack（action: "publish"）的 Comfy Registry API 密钥（仅从环境变量读取，绝不会记录）
COMFYUI_DOWNLOAD_CACHE_DIR	~/.comfyui-mcp/cache	基于内容寻址的模型下载缓存（去重 + 并发合并）
COMFYUI_LRU_CACHE_SIZE_GB	0	以 GB 为单位限制下载缓存大小；0 表示禁用 LRU 淘汰
COMFYUI_STARTUP_CHECK_INTERVAL_S / …_MAX_TRIES	1 / 60	启动本地 ComfyUI 时的就绪探测间隔和最大尝试次数
COMFYUI_ALWAYS_RESTART	false	自动重启崩溃的本地 ComfyUI（受 COMFYUI_RESTART_MAX_ATTEMPTS / COMFYUI_RESTART_WINDOW_S 限制）
COMFYUI_MCP_STALL_S	180	渲染卡死监视器：采样器步骤重复报告相同进度的秒数；超过后会在 Agent 的下一轮消息前添加 STALL/BACKLOG 提示（限制为 15–3600 秒；可从面板实时调整）
COMFYUI_MCP_INTERRUPT_S	30	queue（action:"cancel"）等待中断实际停止任务的秒数；超时后会升级为 /free，并报告任务卡死
LOG_LEVEL	info	日志详细程度：debug、info、warn、error

传输方式

服务默认使用 stdio，这是 Claude Code、Claude Desktop 和 MCP Inspector 所要求的，因此无需设置任何标志。对于 MCP 网关、远程／托管环境或基于 fetch 的客户端，可选择使用 streamable-HTTP：

# stdio (default)
npx -y comfyui-mcp@latest

# streamable-HTTP on http://127.0.0.1:9100/mcp
npx -y comfyui-mcp@latest --http
npx -y comfyui-mcp@latest --http --host 0.0.0.0 --port 9100   # bind/port overrides

标志	环境变量	默认值	说明
--http / --transport http	MCP_TRANSPORT=http	stdio	在 /mcp 上提供 streamable-HTTP 服务，而非 stdio
--host <h>	MCP_HOST	127.0.0.1	HTTP 绑定主机（使用 0.0.0.0 可对外开放）
--port <n>	MCP_PORT	9100	HTTP 端口
--comfyui-url <url>	COMFYUI_URL	(自动检测)	指定目标 ComfyUI（包括远程 ComfyUI）
--force-remote	COMFYUI_MCP_FORCE_REMOTE	false	对环回地址的 --comfyui-url 强制启用远程模式（例如，dstack/RunPod 将端口转发到 localhost）

其他 Agent 和本地大模型（Hermes、OpenClaw、Copilot CLI、Ollama）

comfyui-mcp 支持非 Claude 的运行环境。运行一条命令，即可将服务入口 写入运行环境自身的配置文件（会合并到现有文件，而非覆盖文件）：

npx -y comfyui-mcp setup hermes     # → ~/.hermes/config.yaml      (compact by default)
npx -y comfyui-mcp setup openclaw   # → ~/.openclaw/openclaw.json  (compact by default)
npx -y comfyui-mcp setup copilot    # → ~/.copilot/mcp-config.json (full by default)
# flags: --compact | --full, --comfyui-url <url>, --dry-run

模型要求。 工具调用是硬性要求；不支持工具调用的模型无法使用。建议支持思考和视觉能力。没有 思考能力时，多步工具链的效果会下降；没有视觉能力时，Agent 可以生成内容，却无法查看自己的输出。

精简工具模式。 --compact / COMFYUI_MCP_TOOL_MODE=compact 会注册 3 个元工具（list_tools → describe_tool → call_tool），而非直接注册完整工具集；这样会逐个将工具架构载入上下文。这更适合小型本地模型。 默认使用直接工具集，适用于前沿模型运行环境。 使用我们的微调模型免费在本地运行。 ollama pull artokun/gemma4-comfyui-mcp:e4b （还可选择适用于约 2 GB VRAM 的 :e2b，以及适用于约 8 GB VRAM 的 :12b）会拉取 Gemma 4。该模型使用完整 comfyui-mcp 工具集上的 1,055 条经服务器验证的轨迹进行 QLoRA 训练，也是面板的 Ollama 默认模型。原版 gemma4:*/qwen3:4b 也已通过端到端验证 （npm run test:local-llm）；gemma3 不支持原生工具调用，因此不受支持。完整指南涵盖托管模型建议（DeepSeek/MiMo/GLM 类）、各运行环境的设置方法和故障排除，详见 本地大模型与其他 Agent。

标志	环境变量	默认值	说明
setup <agent>			将 comfyui 入口写入 hermes / openclaw / copilot 配置，然后退出
--compact / --tool-mode compact	COMFYUI_MCP_TOOL_MODE=compact	full	选择注册 3 个元工具（list_tools / describe_tool / call_tool），而非直接注册完整工具集 — 建议小型本地模型使用。仍接受 --full，但现在不会执行任何操作

远程 ComfyUI

将服务指向任意位置运行的 ComfyUI；无需本地安装：

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

位于反向代理／API 网关后方（路径前缀 + 身份验证标头）。对于通过带前缀的路由公开、并带有自身身份验证层的可自托管 ComfyUI（这不是 Comfy Cloud，Comfy Cloud 使用 COMFYUI_API_KEY）：

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

# custom header / scheme:
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 先探测 8188（CLI 默认值），再探测 8000（桌面应用默认值）。

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 桌面应用安装目录）
• ~/AppData/Local/ComfyUI（Windows）
• ~/ComfyUI、~/code/ComfyUI、~/projects/ComfyUI、~/src/ComfyUI
• /opt/ComfyUI、~/.local/share/ComfyUI（Linux）
• 扫描 ~/Documents 和 ~/My Documents，查找名称中包含 "ComfyUI" 的目录

设置 COMFYUI_PATH 可跳过检测并使用显式路径。

---

工作原理

服务器通过 ComfyUI 的 REST API 和 WebSocket 接口与其通信：

• WebSocket。 将工作流加入队列，接收实时进度更新（通过后台监控脚本逐步获取），获取执行结果
• REST API。 系统统计信息、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。 读写模型目录，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 Registry（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 Model Context Protocol 进行。日志会输出到 stderr，因此不会与协议流混在一起。

---

开发

先决条件

• Node.js >= 22.0.0
• 本地运行的 ComfyUI

设置

git clone https://github.com/artokun/comfyui-mcp.git
cd comfyui-mcp
npm install

脚本

脚本	说明
npm run dev	使用 tsx 从源代码运行（热重载）
npm run build	将 TypeScript 编译到 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 ComfyUI 正在运行）
npm run lint	仅进行类型检查，不生成输出
npm run generations:stats	显示本地生成跟踪统计信息
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

让 Claude Code 使用本地构建，而不是 npm 包：

{
  "mcpServers": {
    "comfyui": {
      "command": "node",
      "args": ["/path/to/comfyui-mcp/dist/index.js"],
      "env": {}
    }
  }
}

或者直接测试插件：

claude --plugin-dir ./plugin

项目结构

scripts/
  generation-stats.mjs         # CLI: npm run generations:stats
src/
  index.ts                 # MCP server entry point (stdio transport)
  config.ts                # Auto-detection & environment config
  comfyui/
    client.ts              # ComfyUI WebSocket/HTTP client wrapper
    types.ts               # TypeScript interfaces
  services/
    workflow-executor.ts   # Execute workflows, handle images & errors
    workflow-composer.ts   # Templates (txt2img, img2img, upscale, inpaint)
    workflow-validator.ts  # Dry-run validation (missing nodes, models, connections)
    image-management.ts    # Upload images, extract PNG metadata, list outputs
    mermaid-converter.ts   # Workflow → Mermaid diagram
    workflow-converter.ts  # UI → API: de-virtualize Get/Set buses + Reroutes, expand subgraphs, resolve bypass (powers get_workflow's strip action)
    workflow-slicer.ts     # sliceWorkflow() — rgthree Fast-Groups-Bypass pipeline un-chunker (shared by the CLI + get_workflow's slice action)
    mermaid-parser.ts      # Mermaid diagram → Workflow
    model-resolver.ts      # HuggingFace search, local models, downloads
    generation-tracker.ts  # SQLite generation log, settings dedup, stats
    file-hasher.ts         # SHA256 hashing of .safetensors with cache
    workflow-settings-extractor.ts  # Extract settings from workflow JSON
    process-control.ts     # Stop, start, restart ComfyUI process
    registry-client.ts     # ComfyUI Registry API
    skill-generator.ts     # Generate node pack skill docs
  tools/                   # MCP tool registration (one file per group)
    workflow-execute.ts    # enqueue_workflow, get_system_stats
    workflow-visualize.ts  # visualize_workflow (render/render_hierarchical/mermaid/to_dsl/from_dsl)
    workflow-compose.ts    # create_workflow (create/modify/validate/node_info)
    workflow-validate.ts   # the validate action's body
    workflow-library.ts    # get_workflow (8 read actions), save_workflow (save/lock/verify_lock)
    image-management.ts    # get_image (7 read actions), upload_image (5 write actions)
    model-management.ts    # download_model, list_local_models (the two consolidated model tools)
    memory-management.ts   # clear_vram
    registry-search.ts     # search_custom_nodes (search/details)
    node-management.ts     # install_custom_node (install/update/fix/uninstall/enable/disable/list/…)
    node-pack.ts           # node_pack (scaffold/verify/publish/read/write/patch/git/…)
    generation-tracker.ts  # the get_history suggest/stats jobs
    diagnostics.ts         # get_system_stats (action:"logs"), get_history
    process-control.ts     # restart_comfyui (restart/start/stop)
    index.ts               # Registers all tool groups
  utils/
    errors.ts              # Custom error hierarchy with MCP integration
    logger.ts              # stderr-only logging (safe for stdio transport)
    image.ts               # Base64 encoding utilities
plugin/
  .claude-plugin/          # Plugin manifest
  .mcp.json                # MCP server config for plugin
  commands/                # Slash commands
    gen.md                 # /comfy:gen — image generation
    viz.md                 # /comfy:viz — workflow visualization
    node-skill.md          # /comfy:node-skill — skill generation
    debug.md               # /comfy:debug — failure diagnosis
    batch.md               # /comfy:batch — parameter sweeps
    convert.md             # /comfy:convert — format conversion
    install.md             # /comfy:install — node pack installation
    gallery.md             # /comfy:gallery — output browser
    compare.md             # /comfy:compare — workflow diff
    recipe.md              # /comfy:recipe — multi-step pipelines
  skills/                  # Knowledge bases
    comfyui-core/          # Workflow format, node types, pipeline patterns
    prompt-engineering/    # CLIP syntax, model-specific prompting
    troubleshooting/       # Error catalog with patterns and fixes
    model-compatibility/   # Compatibility matrix per model family
  agents/                  # Autonomous agents
    explorer.md            # Research custom node packs, generate skills
    debugger.md            # Diagnose workflow failures
    optimizer.md           # Analyze and optimize workflows
  hooks/                   # Pre/post tool-use hooks
    hooks.json             # Hook configuration
    vram-check.mjs         # VRAM watchdog before execution
    save-warning.mjs       # Save prompt before stop/restart
    job-complete-notify.mjs # Job completion notification via temp files
  scripts/                 # Background scripts
    monitor-progress.mjs   # Real-time WebSocket progress monitor
    launch-server.mjs      # MCP server launcher — global install if present, else npx with a
                           #   cold-start handshake rescue so a first run cannot time out (#1447)

---

故障排除

“未在端口 8188、8000 上检测到 ComfyUI” 请确保 ComfyUI 正在运行。桌面应用默认使用端口 8000；CLI 使用 8188。如果使用自定义端口，请设置 COMFYUI_PORT。

“未配置 COMFYUI_PATH” 自动检测未能找到 ComfyUI 数据目录。请将 COMFYUI_PATH 设置为包含 models/ 文件夹的目录（例如 ~/Documents/ComfyUI）。

“检测到多个 ComfyUI 安装” 这只是提示信息。服务器会使用找到的第一个安装。设置 COMFYUI_PATH 可指定某个安装。

模型下载失败 对于 HuggingFace 受限模型，请设置 HUGGINGFACE_TOKEN。对于 CivitAI，请设置 CIVITAI_API_TOKEN。

工作流执行错误 使用 /comfy:debug 诊断故障。也可以直接调用 get_history（action: "diagnose"）或 get_system_stats (action:"logs")，查看完整错误消息，包括来自 ComfyUI 的 Python 回溯。

内存不足（OOM） 运行大型工作流前，使用 clear_vram 释放 GPU 内存。VRAM 监控钩子会在工作流运行前，当可用空间不足 1GB 时发出警告。有关特定模型的 VRAM 估算，请参阅故障排除技能。

缺少自定义节点 使用 /comfy:install <pack> 从注册表安装缺失的节点包。调试命令会检测缺失的包并提供建议。

---

贡献

欢迎贡献。有关开发环境设置、项目约定、如何添加 MCP 工具以及发布流程，请参阅 CONTRIBUTING.md。

简要步骤：派生仓库 → 创建分支（feat/my-feature）→ 进行更改（确保 npm run build 和 npm test 通过；如果修改了工具，请运行 npm run docs:gen）→ 提交 PR。

---

维护者

由 @artokun 构建并维护。TA 是 Comfy-Org 生态中的常驻贡献者：

• Comfy-Org/ComfyUI_frontend. 合并了 10 个 PR，主要涉及 v2 图形渲染器：子图渲染、提升控件的接入、视口持久化，以及向 cloud/1.41、cloud/1.42、core/1.41 和 core/1.42 回移。
• Comfy-Org/ComfyUI（核心）。修复了 Python 后端视频／音频保存流程中的崩溃问题（#12683、#12550）。

如果你在 Comfy-Org 工作（或正在 ComfyUI 生态中招聘），欢迎联系我。请发邮件至 [email protected]。

---

许可证

MIT。详情请参阅 LICENSE。

---

更新日志

完整、结构化的版本历史请参阅 CHANGELOG.md。