Comfy MCP 本地服务器：通过 AI 代理运行您自己的 ComfyUI

8 月 11 日，Comfy Org 宣布 Comfy MCP 现在可以与您的本地 ComfyUI 配合使用。该公告重点介绍了本地服务器开箱即用的三项功能：硬件检查、模型推荐，以及在您自己的 GPU 上运行 LTX 和 MiniMax H3 等开源视频模型。

Comfy MCP 驱动本地 ComfyUI 会话（来源：Comfy Org 公告）

什么是 Comfy MCP 本地服务器

Comfy MCP 本地服务器（Comfy-Org/comfy-mcp）是一个基于 stdio 的开源 MCP 服务器，允许任何使用 MCP 协议的 AI 代理驱动您自己机器上安装的 ComfyUI（默认目标地址 127.0.0.1:8188）。它基于 comfy-cli 构建，该工具是每次工具调用的底层引擎，可与 Claude Code、Claude Desktop、Cursor 或任何其他 MCP 客户端配合使用。

它与现有的 Comfy Cloud MCP 互为补充：云服务器通过 HTTP 在 Comfy Cloud GPU 上执行工作流，而本地服务器则在您掌控的 ComfyUI 上运行工作流。同时运行两者是受支持且正常的情况。

代理可以用您的本地 ComfyUI 做什么

• 生成：运行工作流 JSON（API 格式或 UI 导出），或通过一次调用从文本提示词直接生成图像。
• 监控任务：异步提交生成任务，然后等待、查看或取消，读取失败判定并收集输出的 PNG 文件。
• 检查实时安装：搜索您的 ComfyUI 实际拥有的节点、模型和模板（包括自定义节点），而不是依赖静态目录。
• 构建工作流：验证 graph、编辑模板的插槽，并将一个工作流派生出多个变体。
• 管理 ComfyUI：启动、停止或重新启动服务器，实时跟踪其日志，并暂存输入资产。
• 硬件和显存检查：system_stats 从实时 ComfyUI 报告每个设备的 vram_free / vram_total，当您需要更多空间时，free_memory 会卸载模型。

硬件感知路由

由于本地生成只有在能够承载它的机器上才有意义，服务器会在启动时探测 comfy env，并将机器快照（操作系统、架构、内存、GPU 厂商/型号/显存）附加到 MCP 握手携带的指令中。然后代理根据阈值进行路由：

路由数据从第一条消息起就包含在代理的上下文中，因此它可以在本地生成、托管的合作伙伴模型（通过 partner_generate 使用 Flux、Ideogram、Kling 等）和云执行之间做出决定，无需猜测。

本地优先，而非仅限本地

一些流程超出了您机器的范围：partner_generate 完全在合作伙伴基础设施上运行托管的合作伙伴模型；合作伙伴 API 节点让本地执行的工作流调用托管模型（Seedream、Veo、Kling 等）；COMFYUI_URL 环境变量可将运行和任务工具指向您控制的另一台机器上的 ComfyUI。

入门

1. 安装所需组件：

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

2. 启动 ComfyUI 并保持其运行：comfy launch

3. 将服务器添加到您的客户端（Claude Code、Claude Desktop 或 Cursor），使用 README 中的配置片段，然后重新加载客户端。

4. 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 中的工作流并显示图像。"

在底层，代理会调用 server_info 确认 ComfyUI 已启动，调用 run_workflow 执行您的工作流 JSON，并调用 fetch_outputs 收集结果。没有手动编写的工作流？代理可以通过 search_templates、fetch_template 编写一个可运行的 JSON，然后改用它。

获取方式

该服务器在 GitHub 上开源（Comfy-Org/comfy-mcp），并以 comfy-mcp 名称发布在 PyPI 上。当前版本为 v0.10.0。