mcpField
H
Hh Mcp Comfyui

Hh Mcp Comfyui

本地服务
github.com/zjf2671媒体与设计2347 周前更新

关于 Hh Mcp Comfyui

Hh Mcp Comfyui 是一个 MCP 服务,通过 API 调用本地 ComfyUI 实例的工作流来生成图片。它面向需要用自然语言生图的用户,可动态替换工作流中的提示词和尺寸等参数。

主要功能

  1. 01通过 MCP 提供文生图与图生图工具
  2. 02动态替换工作流中的提示词和尺寸
  3. 03启动时自动加载 workflows 目录下的 JSON 工作流
  4. 04支持 kontext 图片编辑工作流

适用场景

  1. 01在 Cherry Studio 或 Cline 中用自然语言生成图片
  2. 02基于参考图进行图片编辑或背景移除
  3. 03将本地自定义 ComfyUI 工作流暴露给 AI 客户端调用

MCP 相关

该项目是 MCP 服务,将本地 ComfyUI 工作流以资源和工具的形式提供给 MCP 客户端调用。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"hh-mcp-comfyui": {
"command": "uvx",
"args": [
"hh-mcp-comfyui"
]
}
}
}
启动命令uvx hh-mcp-comfyui

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypihh-mcp-comfyui

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

来自项目 README

MseeP.ai Security Assessment Badge

ComfyUI MCP 服务

English 简体中文 Python 3.12+ License

这是一个基于Model Context Protocol (MCP)的ComfyUI图像生成服务,通过API调用本地ComfyUI实例生成图片。

功能特性

  • 通过MCP协议提供图像生成服务,实现自然语言生图自由
  • 支持动态替换工作流中的提示词和尺寸等参数
  • 自动加载workflows目录下的工作流文件作为资源

新增功能记录

  • [2025-06-29] 支持kontext图片编辑工作流 edit-image-85457440acc11a9f386f8ef284fd62f2.jpg
  • [2025-05-11] 支持工作流文件目录动态配置
  • [2025-05-09] 增加docker构建方式,支持Python 3.12+
  • [2025-05-07] 增加pip构建方式
  • [2025-05-06] 把项目目录src/hh修改成src/hh_mcp_comfyui,增加uvx构建方式
  • [2025-04-26] 增加图生图和移除背景样例工作流及支持图生图工具
  • [2025-04-20] 加入文生图生成工具

效果

  • Cherry Studio中使用效果 image-b8f946109d63fe1ccb5e2d63933e3f9e.png

  • Cline中使用效果 cline_gen_image-48d8515e0b59cd313879c62a1546162d.png ComfyUI_00020_-d9171f87fc9e67fcc1966cdbfb952a0c.png

安装依赖

1. 确保已安装Python 3.12+

2. 使用uv管理Python环境:

  • 安装uv:
    # On macOS and Linux.
    $ curl -LsSf https://astral.sh/uv/install.sh | sh
    
    # On Windows.
    $ powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
    
    # 更新uv(非必要操作):
    $ uv self update
    

测试运行服务

  • uvx方式
    $ uvx hh-mcp-comfyui
    
    INFO:hh_mcp_comfyui.server:Scanning for workflows in: C:\Users\tianw\AppData\Local\uv\cache\archive-v0\dp4MTo0f1qL0DdYF_BYCL\Lib\site-packages\hh_mcp_comfyui\workflows
    INFO:hh_mcp_comfyui.server:Starting ComfyUI MCP Server...
    
  • pip方式
    $ pip install hh_mcp_comfyui
    
    $ python -m hh_mcp_comfyui
    
    INFO:hh_mcp_comfyui.server:Scanning for workflows in: F:\Python\Python313\Lib\site-packages\hh_mcp_comfyui\workflows
    INFO:hh_mcp_comfyui.server:Starting ComfyUI MCP Server...
    

出现上面的信息表示服务启动成功

使用方法

必须确保本地ComfyUI实例正在运行(默认地址: http://127.0.0.1:8188) ComfyUI安装地址

Cherry Studio、Cline、Cursor等客户端的使用方式
uvx MCP服务配置
{
  "mcpServers": {
    "hh-mcp-comfyui": {
      "command": "uvx",
      "args": [
        "hh-mcp-comfyui@latest"
      ],
      "env": {
        "COMFYUI_API_BASE": "http://127.0.0.1:8188",
        "COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
      }
    }
  }
}
pip MCP服务配置

需要先执行命令窗口先执行:pip install hh_mcp_comfyui

{
  "mcpServers": {
    "hh-mcp-comfyui": {
      "command": "python",
      "args": [
        "-m",
        "hh_mcp_comfyui"
      ],
      "env": {
        "COMFYUI_API_BASE": "http://127.0.0.1:8188",
        "COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
      }
    }
  }
}
docker MCP服务配置

前提是已安装docker

{
  "mcpServers": {
    "hh-mcp-comfyui": {
      "command": "docker",
      "args": [
          "run",
          "--net=host",
          "-v",
          "/path/hh-mcp-comfyui/workflows:/app/workflows",
          "-i",
          "--rm",
          "zjf2671/hh-mcp-comfyui:latest"
      ],
      "env": {
        "COMFYUI_API_BASE": "http://127.0.0.1:8188"
      }
    }
  }
}

样例工作流copy到指定工作流目录:

(注意:使用下面uvx或pip方式找到你的安装工作流目录的位置把样例工作流添加进去,然后重启你的MCP服务)

  • uvx

    $ uvx hh-mcp-comfyui
    

    image-2-f89caf964efbccdad7b6fa2672d1cac0.png

  • pip

    #首先安装依赖
    $ pip install hh_mcp_comfyui
    $ python -m hh_mcp_comfyui
    

    image-3-03a069f40492fea9947a351b8707aa3f.png

测试

使用MCP Inspector测试服务端工具

  • uvx方式
    $ npx @modelcontextprotocol/inspector uvx hh-mcp-comfyui
    
  • pip方式
    $ pip install hh_mcp_comfyui
    $ npx @modelcontextprotocol/inspector python -m hh_mcp_comfyui
    
  • docker方式
    $ npx @modelcontextprotocol/inspector docker run --net=host -i --rm zjf2671/hh-mcp-comfyui
    

然后点击连接如图即可调试: image-1-44c6a003ee317093afe5a61cfe028720.png

使用注意事项(针对没有用过comfyui的特别注意)

  • 默认工作流为t2image_bizyair_flux
  • 图片尺寸默认为1024x1024
  • 服务启动时会自动加载workflows目录下的所有JSON工作流文件
  • 如果你使用的是本项目中的样例工作流需要在comfyui中下载个插件,详细操作请查看:样例工作流插件安装教程
  • 如果使用你本地的comfyui工作流的话,先要保证你的工作流能在comfyui正常运行,然后需要导出(API)的JSON格式,并放入到你本地的/path/hh_mcp_comfyui/workflows目录中

添加新工作流

  1. 将工作流JSON文件放入/path/hh_mcp_comfyui/workflows目录中

    如果是uvx和pip启动方式请看上面 《样例工作流copy到指定工作流目录》 的使用方式

  2. 重启服务自动加载新工作流

开发

项目结构
.
├── .gitignore
├── .python-version
├── pyproject.toml
├── README.md
├── uv.lock
├── example/              # 示例工作流目录
│   └── workflows/
│       ├── i2image_bizyair_sdxl.json
│       ├── t2image_bizyair_flux.json
│       ├── i2image_cogview4.json
│       └── t2image_sd1.5.json
├── src/                  # 源代码目录
│   └── hh_mcp_comfyui/
│       ├── comfyui_client.py    # ComfyUI客户端实现
│       ├── server.py            # MCP服务主文件
│       └── workflows/           # 工作流文件目录
初始化项目开发环境:
# Clone the repository.
$ git clone https://github.com/zjf2671/hh-mcp-comfyui.git

$ cd hh-mcp-comfyui

# Initialized venv
$ uv venv

# Activate the virtual environment.
$ .venv\Scripts\activate

# Install dependencies.
$ uv lock
Resolved 30 packages in 1ms

# sync dependencies.
$ uv sync
Resolved 30 packages in 2.54s
Audited 29 package in 0.02ms
检查服务是否正常
$ uv --directory 你本地安装目录/hh-mcp-comfyui run hh-mcp-comfyui

INFO:__main__:Scanning for workflows in: D:\cygitproject\hh-mcp-comfyui\src\hh_mcp_comfyui\workflows
INFO:__main__:Registered resource: workflow://t2image_bizyair_flux -> t2image_bizyair_flux.json
INFO:__main__:Starting ComfyUI MCP Server...
使用MCP Inspector测试服务端工具
$ npx @modelcontextprotocol/inspector uv --directory 你本地安装目录/hh-mcp-comfyui run hh-mcp-comfyui
MCP配置
{
  "mcpServers": {
    "hh-mcp-comfyui": {
      "command": "uv",
      "args": [
        "--directory",
        "项目绝对路径(例如:D:/hh-mcp-comfyui)",
        "run",
        "hh-mcp-comfyui"
      ],
      "env": {
        "COMFYUI_API_BASE": "http://127.0.0.1:8188",
        "COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
      }
    }
  }
}

贡献

  1. Fork项目
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 打开Pull Request

如有问题可以到公众号中联系我:

公众号二维码

👆 扫码关注,发现更多好玩的!

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。