ComfyUI-MCP-Server - ComfyUI Model Context Protocol Integration

ComfyUI-MCP-Server 是一个基于 MCP（Model Context Protocol / 模型上下文协议）的服务器实现，将 ComfyUI 中用户定义的工作流转化为参数可配置的 MCP 工具，供 AI 代理（Agents）直接使用。

本项目提供 Python 与 TypeScript 两个独立语言版本，功能基本对等，可按需选用：

注：Python 版本带有更多实验性功能，TypeScript 版本则更稳定。

📋 项目功能

通过本项目，您可以通过连接ComfyUI从而赋予 AI 助手（如 Claude Desktop、Trae、Dify 等）强大的多媒体生成能力：

✨ 项目特色

• 🔌 工作流即工具：将 ComfyUI 的节点图抽象为可供Agent使用的工具。
• 🎛️ 自定义参数暴露：可在工作流中精确定义哪些参数对外可见，限定 AI 在暴露范围内操作，防止模型幻觉与误操作。
• 🔧 零侵入接入：无需修改 ComfyUI 本体或安装任何必要插件，部署即连，开箱即用。
• 📥 自定义工作流导入：可手动导入 API 格式的工作流 JSON 文件，通过校验后即刻对 Agent 可用，无需重启服务。
• 📂 资产管理：支持从本地路径或网络 URL 自动上传资源至 ComfyUI。
• ⚡ 流式与进度支持：支持生成进度报告（需 Client/Host 支持）。
• 🌍 国际化双语支持：内置中英文（zh-CN/en）国际化。
• 🧩 标准 MCP 适配：全面支持 STDIO 与 Streamable HTTP 通信协议。
• 🔬 Skills 支持：包含项目技能手册SKILL.md，针对支持 Skills 的 AI 助手通过 Skills 进行深度优化。

更多详情可查阅 为什么选择我们

🧰 可用工具集

AI 代理可以通过 MCP 协议调用以下内置工具：

🏆 为什么选择我们？

更多详情可查阅 为什么选择我们

🎬 演示视频

默认方式

点击下方图片观看演示视频。

API_JSON 方式

点击下方图片观看演示视频。

🚀 快速开始

仅需两步，快速启动项目。

提醒：安装启动项目后，还需查阅[使用教程]，否则无法使用工作流相关功能。

准备工作（必需）

在启动本项目之前，请确保您的系统中已安装以下软件

• Node.js 18+ [官方链接]
• ComfyUI 0.9.1+ [官方链接]
• MCP 客户端/AI Agent，例如Claude Desktop、Cursor等

第一步：安装项目与依赖

1. 克隆本项目 在终端中执行以下命令：

git clone https://github.com/MetaBrain-Labs/ComfyUI-MCP-Server-TypeScript.git

2. 移动到项目目录

cd ComfyUI-MCP-Server-TypeScript

3. 安装依赖

npm install

第二步：配置环境与启动项目

1. 项目环境配置

进入项目根目录，根据系统实际情况修改 .env 文件中的配置。 详细配置说明请查阅：[环境变量]

2. 连接并运行项目

根据您的需求选择传输方式以启动项目：

模式一：STDIO 连接 (推荐用于 Claude Desktop 等本地客户端)

• MCP客户端启动： 复制下述 JSON 文件，在 MCP 客户端的 MCP 配置中粘贴并修改即可。

  NOTE

  部分 MCP 客户端配置 MCP Server 的方法请查阅：[示例]

  其他项目设置请在环境变量中修改，参数详情请查阅：[环境变量]

  如果 ComfyUI 在云端运行，请将 "SYNC_MODE" 设置为 "manual"

  json

  {
    "mcpServers": {
      "comfy-ui-advanced": {
        "command": "npx",
        "args": [
          "tsx",
          "<项目根目录绝对路径，如 D:/ComfyUI-MCP-Server-TypeScript>"
        ],
        "env": {
          "LOCALE": "en",
          "MCP_SERVER_URL": "http://127.0.0.1:8189/mcp",
          "MCP_SERVER_IP": "127.0.0.1",
          "MCP_SERVER_PORT": "8189",
          "COMFY_UI_SERVER_IP": "http://127.0.0.1:8188",
          "COMFY_UI_SERVER_HOST": "127.0.0.1",
          "COMFY_UI_SERVER_PORT": "8188",
          "SYNC_MODE": "timed",
          "SYNC_POLL_INTERVAL_SECONDS": "3",
          "SYNC_EVENT_FALLBACK_INTERVAL_SECONDS": "300",
          "ONDEMAND_REFRESH_COOLDOWN_SECONDS": "3",
          "COMFY_UI_INSTALL_PATH": "",
          "WORKFLOW_NAME_REGEX": "^==(.+?)==$",
          "WORKFLOW_PARAM_REGEX": "^=>(.+)$",
          "LOG_LEVEL": "INFO"
        }
      }
    }
  }
  

• 终端启动：
  bash

  # 终端连接启动方式无需配置json，直接在项目根目录下执行：
  npm run dev
  

模式二：StreamHTTP 连接 (推荐用于网络化/分布式部署)

• MCP客户端启动： StreamHTTP 的项目设置在 [.env] 中指定，无需在下述 JSON 中配置。

  NOTE

  部分 MCP 客户端配置 MCP Server 的方法请查阅：[示例]

  目前支持 StreamHTTP 的 MCP Client/Host 较少，请根据需求使用。

  如果 ComfyUI 在云端运行，请在 [.env] 中将 "SYNC_MODE" 设置为 "manual"

  json

  {
    "mcpServers": {
      "comfy-ui-advanced-http": {
        "url": "http://127.0.0.1:8189/mcp"
      }
    }
  }
  

• 终端启动：
  bash

  # 启动 Streamable HTTP
  npm run dev
  

至此，项目部署且启动完成。若您需要调试工具，请继续阅读下文，否则请直接跳转至[使用教程]。

调试工具 (MCP Inspector)

Inspector是MCP官方提供的MCP调试工具，推荐使用StreamHTTP作为Inspector的连接方式。

• 克隆项目
• 安装相关依赖
  bash

  npm install
  

• 启动StreamHTTP连接方式的Server：
  bash

  # 1. 在终端 A 启动 HTTP 服务
  npm run dev
  

• 启动Inspector：
  bash

  # 2. 在终端 B 启动 Inspector
  npm run inspector
  

启动完成后，控制台中会出现类似下述地址，复制地址到浏览器后即可开始调试相关工具：

# 每次启动MCP_PROXY_AUTH_TOKEN都不一样，因此每次启动后需要及时切换链接
http://localhost:6274/?MCP_PROXY_AUTH_TOKEN=d66fcf6cbbb3723c60bfef51f020e5e96811002a675e7162b065b44f2fe377f3

inspector启动成功后，浏览器页面配置参考：

<a id="usage"></a>

📖 使用教程

本项目需要对 ComfyUI 工作流进行简单的特定标记，以使 AI Agent 能够准确识别和调用，可以通过以下两种方式添加可用工作流：

标记规则（必须了解）

无论使用哪种方式添加可用工作流，都必须在其工作流中添加以下标记节点：

1. 定义工具名称与功能描述（必须）

• 新建一个 PrimitiveNode (基础节点) 或 PrimitiveStringMultiline (多行字符串节点)，无需与任何节点连线。
• 双击修改节点标题为 ==您的工作流名称==（例：==生图-文生图==）。注意：这是 AI Agent 将看到的工具名，必须确保唯一。
• 在该节点的文本输入框中，写下这段工作流的功能描述（例："这是一个基础文生图流程，适合生成二次元图片"）。描述越清晰，AI 越能准确判断何时调用。

2. 暴露可自主修改的参数（可选）

• 如果您希望 AI 可以动态修改某些节点属性（例如：正向提示词、长宽尺寸、随机种子），需要暴露其参数。
• 找到目标节点（如：CLIP Text Encode (Prompt) 节点）。
• 双击修改其标题为 =>参数描述（例：=>正向提示词 或 =>生成的图片宽度）。
• 保存后，本服务器会自动将其解析为 MCP 工具的可变参数，AI 调用时将能按需填入值。

方式一：在 ComfyUI 画布中设置（推荐）

适用于正在运行 ComfyUI 且支持新版工作流保存机制的用户：

1. 在 ComfyUI 中按照上述标记规则整理好节点。
2. 点击 ComfyUI 面板上的 Save (保存) 按钮。

   建议在保存后，先自行点击一次 Queue Prompt (运行) 测试，确保工作流能够正常跑通。

3. 工作流将被保存至 ComfyUI 的用户数据目录（通常为 userdata/workflows/）。
4. 工作流生效时间视 SYNC_MODE 配置而定：
   • timed 模式（默认）：MCP 服务器会在后台定时轮询，自动发现新保存的工作流，并在自动校验通过后立即挂载成 AI Agent 可用的工具。
   • manual 模式：仅当 AI Agent 尝试调用工具库时才触发一次按需扫描。
   • push 模式（实验性功能）：需配合 ComfyUI 插件，可实现保存后实时主动推送到服务器。

方式二：手动导入 API 格式 JSON 文件

适用于外部导入工作流或直接编写纯 API 格式（API Format）的工作流文件：

1. 准备好您的 ComfyUI API 格式 JSON 文件。

2. 使用文本编辑器打开该 JSON 文件，添加以下内容以符合核心标记规则：

   • 工具名称： 在任意位置添加以下内容：
   json

    "99": {
      "inputs": {
        "value": "**功能描述**"
      },
      "class_type": "PrimitiveStringMultiline",
      "_meta": {
        "title": "==工作流名称=="
      }
    }
   

   "99" 仅为示例，实际使用时请使用未被占用的节点 ID。<br> 添加完毕后请检查json格式是否正确，每个节点后都需添加逗号，否则将导致工作流无法使用。

   • 暴露参数： 找到需要让 AI 修改的参数所在的节点，添加或修改 _meta 对象中的 "title": "=>参数描述"。

3. 将修改后的 JSON 文件直接放入本项目的 workflow/ 目录下（如果该目录不存在，请手动创建）。

4. 工作流生效机制与上述相同，依据 SYNC_MODE 模式：

   • timed 模式（默认）：MCP 服务器将定时扫描该目录，自动解析参数并完成挂载。
   • manual / push 模式：工作流将在 AI Agent 下次请求工作流或执行工具时按需加载生效。

<a id="config"></a>

⚙️ 环境配置

# =============================================================================
# ComfyUI MCP Server - Configuration
# 配置文件说明：
#   [User Config]   用户配置 —— 根据您的部署环境修改此区块
#   [System Config] 系统配置 —— 保持默认即可，无需修改
# =============================================================================

# =============================================================================
# [User Config] 用户配置
# Modify this section based on your deployment environment.
# 根据您的部署环境修改以下内容。
# =============================================================================

# Language for MCP tool descriptions.
# MCP 工具描述的显示语言。可选值：en（英文）| zh（中文）
LOCALE=en

# -----------------------------------------------------------------------------
# ComfyUI Server Connection / ComfyUI 服务器连接
# -----------------------------------------------------------------------------

# Full URL of your ComfyUI server. No trailing slash.
# ComfyUI 服务器的完整地址，末尾不加斜杠。
COMFY_UI_SERVER_IP="http://192.168.0.171:8188"

# Host (without protocol) and port. Used separately for WebSocket connections.
# 主机名（不含协议头）和端口号，WebSocket 连接时单独使用。
COMFY_UI_SERVER_HOST="192.168.0.171"
COMFY_UI_SERVER_PORT="8188"

# -----------------------------------------------------------------------------
# Sync Mode / 同步模式
# -----------------------------------------------------------------------------

# Controls how the server detects workflow updates from ComfyUI.
# 控制服务器检测 ComfyUI 工作流更新的方式。
#
#   timed  — Background loop polls ComfyUI at a fixed interval. (default)
#             后台循环以固定间隔轮询 ComfyUI。（默认）
#
#   push   — [Experiments] ComfyUI plugin sends real-time save events; long fallback poll as safety net.
#             Requires COMFY_UI_INSTALL_PATH (must be on same machine as ComfyUI).
#            [实验性功能] ComfyUI 插件实时推送保存事件；兜底长轮询作为安全网。
#             需要配置 COMFY_UI_INSTALL_PATH（需与 ComfyUI 同机部署）。
#
#   manual — No background loop. Refresh only when tools are called
#             (get_workflows_catalog / mount_workflow / queue_prompt).
#             无后台循环，仅在调用工具时按需刷新
#             （get_workflows_catalog / mount_workflow / queue_prompt）。
#
SYNC_MODE=timed

# Polling interval in seconds for timed mode.
# timed 模式的轮询间隔（秒）。
SYNC_POLL_INTERVAL_SECONDS=3

# Fallback polling interval in seconds for push mode (safety net for missed events).
# push 模式的兜底轮询间隔（秒），用于捕捉遗漏的推送事件。
SYNC_EVENT_FALLBACK_INTERVAL_SECONDS=300

# Cooldown in seconds between manual mode refreshes.
# Prevents excessive ComfyUI API calls when tools are called in quick succession.
# manual 模式两次刷新之间的冷却时间（秒），防止工具短时间内连续调用时频繁请求 ComfyUI API。
ONDEMAND_REFRESH_COOLDOWN_SECONDS=30

# -----------------------------------------------------------------------------
# Push Mode Plugin / 推送模式插件（仅 SYNC_MODE=push 时需要）
# -----------------------------------------------------------------------------

# Absolute path to your LOCAL ComfyUI installation root directory.
# Required when SYNC_MODE=push: MCP Server will automatically deploy a lightweight
# backend plugin that pushes workflow save events in real-time.
# Leave blank if ComfyUI runs on a remote machine or if using timed/manual mode.
#
# 本地 ComfyUI 安装目录的绝对路径。
# 使用 SYNC_MODE=push 时必填：MCP Server 会自动部署一个超轻量推送插件，
# 实现工作流保存后的实时推送通知。
# 若 ComfyUI 部署在远端机器上，或使用 timed/manual 模式，请留空。
#
# Windows 示例 / Example: COMFY_UI_INSTALL_PATH=C:/ComfyUI
# Linux   示例 / Example: COMFY_UI_INSTALL_PATH=/home/user/ComfyUI
COMFY_UI_INSTALL_PATH=

# -----------------------------------------------------------------------------
# Workflow Marker Patterns / 工作流标识符正则表达式
# -----------------------------------------------------------------------------

# Regex identifying the workflow name node (title of a PrimitiveStringMultiline node).
# Must contain ONE capture group that extracts the MCP tool name.
# Default matches titles like "==my_workflow=="
# 工作流名称节点的标识正则（PrimitiveStringMultiline 节点的 title）。
# 必须含一个捕获组提取工具名，默认匹配 ==名称== 格式。
WORKFLOW_NAME_REGEX=^==(.+?)==$

# Regex identifying configurable parameter nodes.
# Must contain ONE capture group that extracts the parameter description.
# Default matches titles like "=>prompt text"
# 参数节点的标识正则，必须含一个捕获组提取参数描述，默认匹配 =>描述 格式。
WORKFLOW_PARAM_REGEX=^=>(.+)$

# =============================================================================
# [System Config] 系统配置
# Internal settings — change only if you know what you are doing.
# 内部运行参数，通常无需修改。
# =============================================================================

# -----------------------------------------------------------------------------
# MCP Server / MCP 服务地址
# -----------------------------------------------------------------------------

# MCP server bind address and listening port.
# MCP 服务器的监听地址和端口（MCP 客户端连接此处）。
MCP_SERVER_URL="http://192.168.0.192:8189/mcp"
MCP_SERVER_IP="192.168.0.192"
MCP_SERVER_PORT="8189"

# -----------------------------------------------------------------------------
# Logging / 日志配置
# -----------------------------------------------------------------------------

# Minimum log level written to stderr.
# 输出到 stderr 的最低日志级别。
# DEBUG | INFO | WARNING | ERROR  (default: INFO)
LOG_LEVEL=INFO

# Optional absolute path for a log file.
# When set, logs are written to BOTH stderr and this file.
# Leave blank to disable file logging.
# 可选：日志文件的绝对路径。填写后同时输出到 stderr 和文件。留空则不开启文件日志。
# LOG_FILE=

# Log file rotation size. Default: 10 MB
# 日志文件切割大小，默认 10 MB。
# LOG_ROTATE=10 MB

# Number of rotated log files to retain. Default: 7
# 保留历史日志文件个数，默认 7。
# LOG_RETAIN=7

<a id="examples"></a>

示例

Cluade Desktop

点击下方图片观看演示视频。

Trae

点击下方图片观看演示视频。

🛠️ 故障排除

常见问题

1. WebSocket 连接失败
   • 确保 ComfyUI 正在运行
   • 检查 ComfyUI 的 WebSocket 端口配置
   • 检查 .env 中的 COMFY_UI_SERVER_HOST 与 PORT 是否准确配置。
2. 工作流执行失败
   • 检查提交的参数类型是否与目标节点的要求（Schema）匹配。
   • 检查 ComfyUI 控制台是否有缺失自定义节点（Custom Nodes）的报错。
   • 查看 MCP Client/Host 对应 MCP Server 日志获取详细错误信息
3. 会话过期
   • 默认 HTTP 会话超时时间为 30 分钟。如果进行超长视频渲染，可通过修改代码中的 SESSION_TIMEOUT 常量来延长。

🔬 技术细节

核心协议

1. MCP (Model Context Protocol)

   What is the Model Context Protocol (MCP)? - Model Context Protocol

2. JSON-RPC 2.0

   JSON-RPC 2.0 Specification

3. WebSocket

   The WebSocket API (WebSockets) - Web APIs | MDN

4. REST API

   About the REST API - GitHub Docs

技术限制与安全考量

• 依赖性：强依赖 ComfyUI 原生 API 与 WebSocket，不支持非 ComfyUI 标准格式的图表导入。
• 安全验证：当前版本未实现强鉴权机制（Token/Auth），请不要将其暴露在公网环境下运行。建议在生产环境中配置 HTTPS 以及额外的网关层访问控制。
• 资源消耗：高并发调用可能导致 ComfyUI 宿主机显存溢出（OOM），请在 AI 系统提示词中限制其并发请求频率。

工作流校验准确性

本项目将工作流校验准确性分为三种模式：

• 通过历史任务：根据已执行完毕且执行结果为SUCCESS的历史任务校验。
  • 此方式可确保在模型等核心不受影响的情况下，保证工作流执行的成功率。
• 仅通过初始工作流：根据无历史任务或历史任务的执行时间在其对应工作流最新修改时间之前的工作流校验。
  • 此方式仅会针对工作流进行初步校验——保证结点间联通无异常，但并不保证工作流完整流程运行成功。
  • 为保证生成图片的成功率，可考虑手动运行相关工作流。在工作流完整流程运行成功之后，历史任务中会产生对应的任务记录，后续AI工具即可识别为通过历史任务校验。
• 外部导入：AI/用户自行提供的 API JSON 文件，在执行工作流前，无任何校验，不保证工作流完整流程运行成功。
  • 此方式不会进行任何校验，一切校验交由ComfyUI后端进行，如API JSON文件格式、结点以及参数范围有问题，ComfyUI后端会进行拦截，并返回相应报错信息。
  • 此方式为兜底生成图片措施，在上述历史任务生成图片、初始工作流生成图片都无法使用的情况下使用。

🗺️ 后续计划

• 增强工作流解析：支持更复杂的嵌套节点与动态参数提取。
• 云服务集成：适配主流 ComfyUI 云端托管平台（鉴权与 API 映射）。
• 连接优化：完善 StreamHTTP 下的断线重连机制与状态保持。
• 性能面板：增加可视化的资源占用与任务排队监控状态反馈。
• ComfyUI 插件：开发 ComfyUI 插件，实现与 MCP 服务的无缝集成。

🤝 贡献

欢迎贡献！请随时提交 Pull 请求。

贡献指南

1. Fork 项目
2. 创建功能分支
3. 提交更改
4. 推送到分支
5. 打开 Pull Request

📄 许可证

本项目基于 MIT 许可证开源 - 详情请参阅 LICENSE 文件。

本项目为第三方社区开源驱动，并非 ComfyUI 官方产品，由 MetaBrain-Labs 贡献孵化。

📬 联系方式

(注：因工作原因，邮件可能无法及时回复，请优先使用 GitHub Issues)

问题/需求提交

MetaBrain-Labs(metabrain0302@163.com)

贡献者

TypeScript 版本作者：

LaiFQZzr(lfq2376939781@gmail.com)

Python 版本作者：

OldDeer(q1498823915@outlook.com)

免责声明