返回市场
舒适UI-MCP服务器

舒适UI-MCP服务器

作者:Overseer6612 星标更新:2025-11-04

项目介绍

ComfyUI MCP 服务器

1. 概述

  • 一个用于集成 ComfyUI 和 MCP 的服务器实现。
  • ⚠️ 重要提示:此服务器需要运行中的 ComfyUI 服务器。
    • 您必须自己托管 ComfyUI 服务器,
    • 或者拥有现有 ComfyUI 服务器地址的访问权限。
<a href="https://glama.ai/mcp/servers/@Overseer66/comfyui-mcp-server"> <img width="380" height="200" src="https://gips1.baidu.com/it/u=1587267266,4282473928&fm=3081&app=3_081&f=PNG?w=760&h=400" alt="ComfyUI Server MCP 服务器" /> </a>

2. 调试

2.1 ComfyUI 调试

python src/test_comfyui.py

2.2 MCP 调试

mcp dev src/server.py

3. 安装与配置

3.1 ComfyUI 配置

  • 编辑 src/.env 文件以设置 ComfyUI 主机和端口:

    COMFYUI_HOST=localhost
    COMFYUI_PORT=8188
    

3.2 添加自定义工作流

  • 若要添加新工具,请将您的工作流 JSON 文件放置在 workflows 目录中,并将其声明为系统中的新工具。

4. 内置工具

  • text_to_image

    • 仅返回生成图像的 URL。
    • 若要获取实际图像:
      • 使用 download_image 工具,或
      • 在浏览器中直接访问该 URL。
  • download_image

    • 使用图像 URL 下载其他工具(如 text_to_image)生成的图像。
  • run_workflow_with_file

    • 通过提供工作流 JSON 文件路径来运行工作流。

      # 您应该像这样请求代理。
      运行 comfyui 工作流,使用 text_to_image.json
      
    • 示例图像(CursorAI)

  • run_workflow_with_json

    • 通过直接提供工作流 JSON 数据来运行工作流。

      # 您应该像这样请求代理。
      运行 comfyui 工作流,使用以下内容
      {
        "3": {
            "inputs": {
                "seed": 156680208700286,
                "steps": 20,
          ... (工作流 JSON 示例)
      }
      

5. 如何运行

5.1 使用 UV(推荐)

  • 示例 mcp.json

    {
      "mcpServers": {
        "comfyui": {
          "command": "uv",
          "args": [
            "--directory",
            "PATH/MCP/comfyui",
            "run",
            "--with",
            "mcp",
            "--with",
            "websocket-client",
            "--with",
            "python-dotenv",
            "mcp",
            "run",
            "src/server.py:mcp"
          ]
        }
      }
    }
    

5.2 使用 Docker

  • 使用 download_image 将图像下载到本地文件夹可能会比较困难,因为 Docker 容器不共享主机文件系统。
  • 当使用 Docker 时,请考虑:
    1. .env 中设置 RETURN_URL=false 以接收图像数据作为字节。
    2. .env 中设置 COMFYUI_HOST 为适当的地址(例如 host.docker.internal 或您服务器的 IP 地址)。
    3. 注意:当使用二进制数据时,大型图像负载可能会超过响应限制。

5.2.1 构建 Docker 镜像

# 首先构建镜像
docker image build -t mcp/comfyui .
{
  "mcpServers": {
    "comfyui": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-p",
        "3001:3000",
        "mcp/comfyui"
      ]
    }
  }
}

5.2.2 使用预构建镜像

也可以使用预构建的镜像。

{
  "mcpServers": {
    "comfyui": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-p",
        "3001:3000",
        "overseer66/mcp-comfyui"
      ]
    }
  }
}

5.2.3 使用 SSE 传输

  1. 使用 Docker 运行 SSE 服务器:

    docker run -i --rm -p 8001:8000 overseer66/mcp-comfyui-sse
    
  2. 配置 mcp.json(如果需要,将 localhost 更改为您的 IP 或域名):

    {
      "mcpServers": {
        "comfyui": {
          "url": "http://localhost:8001/sse" 
        }
      }
    }
    

注意:当添加新的工作流作为工具时,您需要重新构建并重新部署 Docker 镜像以使其可用。