hh-mcp-comfyui
通过Model Context Protocol调用本地ComfyUI实例生成图片,支持动态替换工作流中的提示词和尺寸等参数。
README
ComfyUI MCP 服务
这是一个基于Model Context Protocol (MCP)的ComfyUI图像生成服务,通过API调用本地ComfyUI实例生成图片。
功能特性
- 通过MCP协议提供图像生成服务,实现自然语言生图自由
- 支持动态替换工作流中的提示词和尺寸等参数
- 自动加载workflows目录下的工作流文件作为资源
新增功能记录
- [2025-06-29] 支持kontext图片编辑工作流

- [2025-05-11] 支持工作流文件目录动态配置
- [2025-05-09] 增加docker构建方式,支持Python 3.12+
- [2025-05-07] 增加pip构建方式
- [2025-05-06] 把项目目录src/hh修改成src/hh_mcp_comfyui,增加uvx构建方式
- [2025-04-26] 增加图生图和移除背景样例工作流及支持图生图工具
- [2025-04-20] 加入文生图生成工具
效果
-
Cherry Studio中使用效果

-
Cline中使用效果

安装依赖
1. 确保已安装Python 3.12+
2. 使用uv管理Python环境:
- 安装uv:
# On macOS and Linux. $ curl -LsSf https://astral.sh/uv/install.sh | sh # On Windows. $ powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" # 更新uv(非必要操作): $ uv self update
测试运行服务
- uvx方式
$ uvx hh-mcp-comfyui INFO:hh_mcp_comfyui.server:Scanning for workflows in: C:\Users\tianw\AppData\Local\uv\cache\archive-v0\dp4MTo0f1qL0DdYF_BYCL\Lib\site-packages\hh_mcp_comfyui\workflows INFO:hh_mcp_comfyui.server:Starting ComfyUI MCP Server... - pip方式
$ pip install hh_mcp_comfyui $ python -m hh_mcp_comfyui INFO:hh_mcp_comfyui.server:Scanning for workflows in: F:\Python\Python313\Lib\site-packages\hh_mcp_comfyui\workflows INFO:hh_mcp_comfyui.server:Starting ComfyUI MCP Server...
出现上面的信息表示服务启动成功
使用方法
必须确保本地ComfyUI实例正在运行(默认地址: http://127.0.0.1:8188) ComfyUI安装地址
Cherry Studio、Cline、Cursor等客户端的使用方式
<details> <summary>uvx MCP服务配置</summary>
{
"mcpServers": {
"hh-mcp-comfyui": {
"command": "uvx",
"args": [
"hh-mcp-comfyui@latest"
],
"env": {
"COMFYUI_API_BASE": "http://127.0.0.1:8188",
"COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
}
}
}
}
</details>
<details> <summary>pip MCP服务配置</summary>
需要先执行命令窗口先执行:pip install hh_mcp_comfyui
{
"mcpServers": {
"hh-mcp-comfyui": {
"command": "python",
"args": [
"-m",
"hh_mcp_comfyui"
],
"env": {
"COMFYUI_API_BASE": "http://127.0.0.1:8188",
"COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
}
}
}
}
</details>
<details> <summary>docker MCP服务配置</summary>
前提是已安装docker
{
"mcpServers": {
"hh-mcp-comfyui": {
"command": "docker",
"args": [
"run",
"--net=host",
"-v",
"/path/hh-mcp-comfyui/workflows:/app/workflows",
"-i",
"--rm",
"zjf2671/hh-mcp-comfyui:latest"
],
"env": {
"COMFYUI_API_BASE": "http://127.0.0.1:8188"
}
}
}
}
</details>
样例工作流copy到指定工作流目录:
(注意:使用下面uvx或pip方式找到你的安装工作流目录的位置把样例工作流添加进去,然后重启你的MCP服务)
-
uvx
$ uvx hh-mcp-comfyui
-
pip
#首先安装依赖 $ pip install hh_mcp_comfyui $ python -m hh_mcp_comfyui
测试
使用MCP Inspector测试服务端工具
- uvx方式
$ npx @modelcontextprotocol/inspector uvx hh-mcp-comfyui - pip方式
$ pip install hh_mcp_comfyui $ npx @modelcontextprotocol/inspector python -m hh_mcp_comfyui - docker方式
$ npx @modelcontextprotocol/inspector docker run --net=host -i --rm zjf2671/hh-mcp-comfyui
然后点击连接如图即可调试:

使用注意事项(针对没有用过comfyui的特别注意)
- 默认工作流为
t2image_bizyair_flux - 图片尺寸默认为1024x1024
- 服务启动时会自动加载workflows目录下的所有JSON工作流文件
- 如果你使用的是本项目中的样例工作流需要在comfyui中下载个插件,详细操作请查看:样例工作流插件安装教程
- 如果使用你本地的comfyui工作流的话,先要保证你的工作流能在comfyui正常运行,然后需要导出(API)的JSON格式,并放入到你本地的
/path/hh_mcp_comfyui/workflows目录中
添加新工作流
-
将工作流JSON文件放入
/path/hh_mcp_comfyui/workflows目录中如果是uvx和pip启动方式请看上面 《样例工作流copy到指定工作流目录》 的使用方式
-
重启服务自动加载新工作流
开发
项目结构
.
├── .gitignore
├── .python-version
├── pyproject.toml
├── README.md
├── uv.lock
├── example/ # 示例工作流目录
│ └── workflows/
│ ├── i2image_bizyair_sdxl.json
│ ├── t2image_bizyair_flux.json
│ ├── i2image_cogview4.json
│ └── t2image_sd1.5.json
├── src/ # 源代码目录
│ └── hh_mcp_comfyui/
│ ├── comfyui_client.py # ComfyUI客户端实现
│ ├── server.py # MCP服务主文件
│ └── workflows/ # 工作流文件目录
初始化项目开发环境:
# Clone the repository.
$ git clone https://github.com/zjf2671/hh-mcp-comfyui.git
$ cd hh-mcp-comfyui
# Initialized venv
$ uv venv
# Activate the virtual environment.
$ .venv\Scripts\activate
# Install dependencies.
$ uv lock
Resolved 30 packages in 1ms
# sync dependencies.
$ uv sync
Resolved 30 packages in 2.54s
Audited 29 package in 0.02ms
检查服务是否正常
$ uv --directory 你本地安装目录/hh-mcp-comfyui run hh-mcp-comfyui
INFO:__main__:Scanning for workflows in: D:\cygitproject\hh-mcp-comfyui\src\hh_mcp_comfyui\workflows
INFO:__main__:Registered resource: workflow://t2image_bizyair_flux -> t2image_bizyair_flux.json
INFO:__main__:Starting ComfyUI MCP Server...
使用MCP Inspector测试服务端工具
$ npx @modelcontextprotocol/inspector uv --directory 你本地安装目录/hh-mcp-comfyui run hh-mcp-comfyui
MCP配置
{
"mcpServers": {
"hh-mcp-comfyui": {
"command": "uv",
"args": [
"--directory",
"项目绝对路径(例如:D:/hh-mcp-comfyui)",
"run",
"hh-mcp-comfyui"
],
"env": {
"COMFYUI_API_BASE": "http://127.0.0.1:8188",
"COMFYUI_WORKFLOWS_DIR": "/path/hh-mcp-comfyui/workflows"
}
}
}
}
贡献
- Fork项目
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 打开Pull Request
如有问题可以到公众号中联系我:
<center>
</center>
<center><u>👆 扫码关注,发现更多好玩的!</u></center>
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。
