跳转到主要内容
早期预览。 comfy-local-mcp 是一个早期的概念验证。核心循环（server_info → run_workflow → fetch_outputs）已针对运行的本地 ComfyUI 进行了端到端验证，但工具和行为可能仍会发生变化。
comfy-local-mcp 是 Comfy 的第一方本地 MCP 服务器：从 AI 代理（Claude Code、Claude Desktop、Cursor 及其他 MCP 客户端）驱动本地 ComfyUI 安装的官方方式。它是在 comfy-cli 之上的薄封装：每个工具都会调用外部的 comfy 指令，因此 comfy-cli 是引擎，并且与 Comfy Cloud MCP 没有共享任何代码。 与云端和合作伙伴服务器不同，它与运行在您自己的机器上的 ComfyUI 通信，因此它可以运行您的工作流，并检查您的安装实际拥有的节点、自定义节点和模型。

​
要求

  • Python 3.10+
  • 在您的 PATH 中的 comfy-cli（pip install comfy-cli）：每个工具所依赖的引擎
  • 一个 ComfyUI 工作区：如果您还没有，请使用 comfy install 创建一个（已有的检出可通过 comfy set-default <path> 来使用）
  • 正在运行的 ComfyUI：在使用工具之前，请用 comfy launch 启动它；此处的任何操作都不会隐式启动 ComfyUI

​
安装

从仓库的检出副本开始： 
pip install .        # 或 `pip install -e .` 以获得可编辑的副本
这会将一个名为 comfy-local-mcp 的控制台脚本添加到您的 PATH 中。该命令就是 MCP 服务器（它通过 stdio 使用 MCP 协议通信）。请按下方说明将其配置到您的 AI 客户端。
COMFY_BIN（可选）。 MCP 客户端会在自己的环境中启动服务器，该环境通常不包含您 shell 环境中的 PATH。如果 comfy 位于虚拟环境或非标准位置，请将 COMFY_BIN 设置为其绝对路径（例如 /path/to/venv/bin/comfy）。下方的每个客户端示例都会说明其放置位置；如果 comfy 已存在于客户端用来启动服务器的环境中，则可以省略该设置。

​
配置 AI 客户端

所有客户端均使用相同的 MCP stdio 协议：将 comfy-local-mcp 指令作为服务器运行。选择您的客户端。

​
Claude Code

一条指令即可注册服务器： 
claude mcp add comfy-local -e COMFY_BIN=/path/to/venv/bin/comfy -- comfy-local-mcp
或者通过项目根目录下的 .mcp.json 文件将其纳入版本控制： 
{
  "mcpServers": {
    "comfy-local": {
      "command": "comfy-local-mcp",
      "env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
    }
  }
}

​
Claude Desktop

编辑 claude_desktop_config.json（设置 → 开发者 → 编辑配置；macOS 上位于 ~/Library/Application Support/Claude/claude_desktop_config.json），添加服务器，然后重新启动 Claude Desktop： 
{
  "mcpServers": {
    "comfy-local": {
      "command": "comfy-local-mcp",
      "env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
    }
  }
}

​
Cursor

将服务器添加到 ~/.cursor/mcp.json（全局）或 .cursor/mcp.json（按项目）： 
{
  "mcpServers": {
    "comfy-local": {
      "command": "comfy-local-mcp",
      "env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
    }
  }
}

​
快速入门

从零开始到已生成图像：
1

安装组件

pip install comfy-cli     # 引擎
comfy install             # 创建ComfyUI工作区（如果已有则跳过）
pip install .             # 此MCP服务器 → `comfy-local-mcp`指令
2

启动ComfyUI并保持运行

comfy launch
3

将服务器添加到客户端

使用上面适用于您客户端的代码片段，然后重新启动/重新加载它，以便工具出现。
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 中的工作流并向我展示图像。”
在底层，代理调用 server_info 确认ComfyUI已启动，调用 run_workflow 执行工作流JSON，并调用 fetch_outputs 收集结果。

​
工具

每个工具对应一个 comfy-cli 指令，使用 --where local 运行。主要工具如下：
工具用途
server_info()检查本地 ComfyUI 是否正在运行、运行位置以及所属工作区。请优先调用。
run_workflow(workflow_path, wait=True)运行工作流 JSON；wait=False 时异步提交并返回一个 prompt_id。
job_status / wait_for_job / watch_job轮询、等待或流式查看已提交的任务。
fetch_outputs(prompt_id, out_dir)将已完成任务的输出复制到 out_dir。
launch_comfyui / stop_comfyui启动或停止本地的 ComfyUI。
search_templates / fetch_template查找内置模板并写入其可运行的工作流 JSON。
search_nodes / get_node / list_nodes检查本地实时安装中的节点类（包括自定义节点）。
search_models列出磁盘上的模型文件。
validate_workflow在慢速运行之前，针对实时的 object_info 预检工作流。
节点内省和模型搜索会读取您的实时安装（包括自定义节点），这是本地与云端 MCP 的差异所在。请参阅仓库获取完整工具列表和参考。

​
相关