Comfy MCP Local Server: запустите собственный ComfyUI через AI-агентов

11 августа Comfy Org объявила, что Comfy MCP теперь работает с вашей локальной ComfyUI. В анонсе выделены три возможности, которые локальный сервер открывает сразу из коробки: проверка аппаратного обеспечения, рекомендации по моделям и запуск open-source видеомоделей, таких как LTX и MiniMax H3, на вашем собственном GPU.

Comfy MCP управляет локальной сессией ComfyUI (источник: анонс Comfy Org)

Что такое локальный сервер Comfy MCP

Локальный сервер Comfy MCP (Comfy-Org/comfy-mcp) представляет собой open-source MCP-сервер на базе stdio, который позволяет любому AI-агенту, поддерживающему MCP, управлять ComfyUI, установленной на вашей собственной машине (цель по умолчанию: 127.0.0.1:8188). Он построен на comfy-cli, который является движком каждого вызова инструмента, и работает с Claude Code, Claude Desktop, Cursor или любым другим MCP-клиентом.

Он дополняет существующий Comfy Cloud MCP: облачный сервер выполняет рабочие процессы на GPU Comfy Cloud через HTTP, а локальный сервер запускает рабочие процессы на ComfyUI, которой вы управляете. Запуск обоих поддерживается и является обычной практикой.

Что агент может делать с вашей локальной ComfyUI

Генерировать: запускать JSON рабочего процесса (в формате API или экспорт из UI) либо переходить от текстового запроса к изображению за один вызов.
Отслеживать задания: отправлять генерацию асинхронно, затем ждать, наблюдать или отменять её, читать вердикты об ошибках и собирать выходные PNG-файлы.
Проводить интроспекцию вашей установки: искать узлы, модели и шаблоны, которые фактически есть в вашей ComfyUI, включая пользовательские ноды, вместо статического каталога.
Создавать рабочие процессы: валидировать граф, редактировать слоты шаблона и превращать один рабочий процесс в несколько вариантов.
Управлять ComfyUI: запускать, останавливать или перезапускать сервер, следить за его журналами и подготавливать входные ассеты.
Проверять аппаратное обеспечение и VRAM: system_stats сообщает vram_free / vram_total по каждому устройству из работающей ComfyUI, а free_memory выгружает модели, когда нужно освободить память.

Маршрутизация с учётом аппаратного обеспечения

Поскольку локальная генерация имеет смысл только на машине, которая может её потянуть, сервер при запуске проверяет comfy env и добавляет снимок машины (ОС, архитектура, RAM, производитель/модель GPU, VRAM) к инструкциям, передаваемым при MCP-рукопожатии. Затем агент выполняет маршрутизацию на основе пороговых значений:

Машина	Маршрутизация
Менее 8 ГБ VRAM или GPU не подтверждён	Использовать партнёрские узлы или Comfy Cloud MCP
Apple Silicon с менее чем 32 ГБ унифицированной памяти	Использовать партнёрские узлы или Comfy Cloud MCP
Достаточный объём VRAM	Запускать локальный diffusion на вашей ComfyUI

Показатели для маршрутизации находятся в контексте агента с первого сообщения, поэтому он может выбирать между локальной генерацией, размещёнными партнёрскими моделями (Flux, Ideogram, Kling и другими через partner_generate) и облачным выполнением без догадок.

Сначала локально, но не только локально

Некоторые сценарии выходят за пределы вашей машины: partner_generate запускает размещённые партнёрские модели полностью на инфраструктуре партнёра, партнёрские API-узлы позволяют локально выполняемому рабочему процессу вызывать размещённые модели (Seedream, Veo, Kling и другие), а переменная окружения COMFYUI_URL направляет инструменты запуска и заданий на ComfyUI на другой машине, которой вы управляете.

Начало работы

Установите компоненты:

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

Запустите ComfyUI и оставьте её запущенной: comfy launch
Добавьте сервер в ваш клиент (Claude Code, Claude Desktop или Cursor), используя фрагмент конфигурации из README, затем перезагрузите клиент.
Попросите агента запустить рабочий процесс, например: «Подтверди, что моя локальная ComfyUI запущена, затем запусти рабочий процесс из ~/workflows/txt2img.json и покажи мне изображение».

Под капотом агент вызывает server_info, чтобы подтвердить, что ComfyUI работает, run_workflow для выполнения JSON вашего рабочего процесса и fetch_outputs для сбора результата. Нет рабочего процесса, написанного вручную? Агент может вызвать search_templates и fetch_template, сформировать запускаемый JSON и выполнить его.

Доступность

Сервер имеет открытый исходный код на GitHub (Comfy-Org/comfy-mcp) и опубликован на PyPI как comfy-mcp. Текущая версия: v0.10.0.