Servidor local Comfy MCP: ejecuta tu ComfyUI desde agentes de IA

El 11 de agosto, Comfy Org anunció que Comfy MCP ahora funciona con tu ComfyUI local. El anuncio destaca tres capacidades que el servidor local ofrece de serie: comprobaciones de hardware, recomendaciones de modelos y ejecución de modelos de vídeo de código abierto como LTX y MiniMax H3 en tu propia GPU.

Comfy MCP dirigiendo una sesión de ComfyUI local (fuente: anuncio de Comfy Org)

Qué es el servidor local Comfy MCP

El servidor local Comfy MCP (Comfy-Org/comfy-mcp) es un servidor MCP de código abierto basado en stdio que permite a cualquier agente de IA compatible con MCP controlar el ComfyUI instalado en tu propia máquina (objetivo predeterminado 127.0.0.1:8188). Está construido sobre comfy-cli, que es el motor detrás de cada llamada a herramienta, y funciona con Claude Code, Claude Desktop, Cursor o cualquier otro cliente MCP.

Complementa el Comfy Cloud MCP existente: el servidor en la nube ejecuta flujos de trabajo en las GPU de Comfy Cloud a través de HTTP, mientras que el servidor local ejecuta flujos de trabajo en el ComfyUI que tú controlas. Ejecutar ambos es posible y normal.

Qué puede hacer el agente con tu ComfyUI local

Generar: ejecutar un JSON de flujo de trabajo (formato API o exportación de UI), o pasar de una instrucción de texto a una imagen en una sola llamada.
Supervisar trabajos: enviar la generación de forma asíncrona y luego esperar, observar o cancelar, leer los diagnósticos de error y recopilar los PNG de salida.
Inspeccionar tu instalación activa: buscar los nodos, modelos y plantillas que tu ComfyUI realmente tiene, incluidos los nodos personalizados, en lugar de un catálogo estático.
Crear flujos de trabajo: validar un gráfico, editar las ranuras de una plantilla y expandir un flujo de trabajo en variantes.
Administrar ComfyUI: iniciar, detener o reiniciar el servidor, seguir sus registros y preparar recursos de entrada.
Comprobaciones de hardware y VRAM: system_stats informa el vram_free / vram_total por dispositivo desde el ComfyUI activo, y free_memory descarga modelos cuando necesitas espacio libre.

Enrutamiento según el hardware

Dado que la generación local solo tiene sentido en una máquina que pueda soportarla, el servidor consulta comfy env al iniciar y añade una instantánea de la máquina (SO, arquitectura, RAM, proveedor/modelo/VRAM de GPU) a las instrucciones que transmite el protocolo de enlace MCP. El agente entonces enruta según los umbrales:

Máquina	Enrutamiento
Menos de 8 GB de VRAM, o sin GPU confirmada	Usar nodos asociados o Comfy Cloud MCP
Apple Silicon con menos de 32 GB de memoria unificada	Usar nodos asociados o Comfy Cloud MCP
VRAM suficiente	Ejecutar difusión local en tu ComfyUI

Los datos de enrutamiento están en el contexto del agente desde el primer mensaje, por lo que puede decidir entre generación local, modelos asociados alojados (Flux, Ideogram, Kling y más mediante partner_generate) y ejecución en la nube sin adivinar.

Local primero, no solo local

Algunos flujos van más allá de tu máquina: partner_generate ejecuta modelos asociados alojados íntegramente en la infraestructura del socio, los nodos de API de socios permiten que un flujo de trabajo ejecutado localmente llame a modelos alojados (Seedream, Veo, Kling y otros), y la variable de entorno COMFYUI_URL apunta las herramientas de ejecución y de trabajos a un ComfyUI en otra máquina que tú controlas.

Primeros Pasos

Instala los componentes:

pip install comfy-mcp "comfy-cli>=1.14.0"
comfy install

Inicia ComfyUI y déjalo en ejecución: comfy launch
Añade el servidor a tu cliente (Claude Code, Claude Desktop o Cursor) usando el fragmento de configuración del README, y luego recarga el cliente.
Pide a tu agente que ejecute un flujo de trabajo, por ejemplo: "Confirma que mi ComfyUI local está en ejecución, luego ejecuta el flujo de trabajo en ~/workflows/txt2img.json y muéstrame la imagen."

Internamente, el agente llama a server_info para confirmar que ComfyUI está activo, run_workflow para ejecutar tu JSON de flujo de trabajo y fetch_outputs para recopilar el resultado. ¿No tienes un flujo de trabajo creado manualmente? El agente puede usar search_templates y fetch_template para escribir un JSON ejecutable y ejecutarlo en su lugar.

Disponibilidad

El servidor es de código abierto en GitHub (Comfy-Org/comfy-mcp) y está publicado en PyPI como comfy-mcp. La versión actual es la v0.10.0.