ComfyUI-MCP-Server - ComfyUI Model Context Protocol 통합

[!NOTE] ⭐ 이 프로젝트가 마음에 들거나 도움이 되었다면, 프로젝트에 Star를 눌러 주세요. 여러분의 지원이 저희가 지속적으로 개선하는 원동력입니다!

ComfyUI-MCP-Server는 MCP(Model Context Protocol / 모델 컨텍스트 프로토콜) 기반의 서버 구현으로, ComfyUI에서 사용자가 정의한 워크플우로를 매개변수를 설정할 수 있는 MCP 도구로 변환하여 AI 에이전트(Agents)가 직접 사용할 수 있게 합니다.

본 프로젝트는 Python 및 TypeScript 두 개의 독립된 언어 버전을 제공합니다. 두 버전의 기능은 기본적으로 동등하며, 필요에 따라 선택할 수 있습니다:

참고: Python 버전에는 더 많은 실험적 기능이 포함되어 있으며, TypeScript 버전은 더 안정적입니다.

📋 프로젝트 기능

본 프로젝트를 사용하면 ComfyUI에 연결하여 AI 어시스턴트(Claude Desktop, Trae, Dify 등)에게 강력한 멀티미디어 생성 기능을 부여할 수 있습니다:

Related MCP server: ComfyUI-MCP-Server-Python

✨ 프로젝트 특징

• 🔌 워크플로우가 곧 도구 : 위치 ComfyUI의 노드 그래픽을 Agent가 사용할 수 있는 도구로 추상화합니다. 합니다.

• 🎛️ 사용자 정의 매개변수 노출 : 워크플로우에서 어떤 매개변수가 외부에 공개될지 정밀하게 정의할 수 있으며, AI가 노출된 범위 내에서만 작업하도록 제한하여 모델 환각과 오작동을 방지합니다.

• 🔧 무점입 접근 : ComfyUI 본체를 수정하거나 필요한 플러그인을 설치할 필요 없이, 배포 즉시 연결되어 설치 즉시 사용할 수 있습니다.

• 📥 사용자 정의 워크플로우 가져오기 : API 형식의 워크플로우 JSON 파일을 수동으로 가져올 수 있으며, 검증을 통과하면 서비스를 재시작하지 않고도 즉시 Agent가 사용할 수 있습니다.

• 📂 자산 관리 : 로컬 경로 또는 네트워크 URL에서 자동으로 자산을 ComfyUI에 업로드할 수 있습니다.

• ⚡ 스트리밍 및 진행 상황 지원 : 생성 진행 상황 보고서를 지원합니다(Client/Host 지원 필요) 필요).

• 🌍 국제화 이중 언어 지원 : 중문 및 영문(zh-CN/en) 국제화가 내장되어 있습니다.

• 🧩 표준 MCP 지원 : STDIO 및 Streamable HTTP 통신 프로토콜을 완벽하게 지원합니다.

• 🔬 Skills 지원 : 프로젝트 기술 매뉴얼 SKILL.md가 포함되어 있으며, Skills를 지원하는 AI 어시스턴트에 대해 Skills를 통한 심층 최적화를 제공합니다.

자세한 내용은 왜 우리를 선택해야 하나요를 참조하세요.

🧰 사용 가능한 도구 세트

AI 에이전트는 MCP 프로토콜을 통해 다음의 내장 도구를 호출할 수 있습니다:

🏆 우리를 선택해야 하는 이유는 무엇인가요?

자세한 내용은 왜 우리를 선택해야 하나요 확인하세요.

📹 데모 영상

기본 방식

아래 이미지를 클릭하여 데모 비디오를 시청하세요.

API_JSON 방식

아래 이미지를 클릭하여 데모 비디오를 시청하세요.

🚀 빠른 작업 시작

두 가지만 하시면 프로젝트를 빠르게 시작할 수 있습니다.

참고: 프로젝트를 설치하고 시작한 후에도 [[사용 가이드](#usage]도 참조합니다. ]을 읽어야 워크플로우 관련 기능을 사용할 수 있습니다.

준비 작업 (필수)

프로젝트를 시작하기 전에 아래 소프트웨어가 시스템에 설치되어 있는지 확인하세요:

• Node.js 18+ [공식 링크]

• ComfyUI 0.9.1+ [공식 링크]

• MCP 클라이언트/AI 에이전트, 예를 들어 Claude Desktop, Cursor 등

1단계: 프로젝트 및 종속성 설치

1. 프로젝트 클론 터미널에서 아래 명령을 실행하세요:

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

2. 프로젝트 디렉토리로 이동

cd ComfyUI-MCP-Server-TypeScript

3. 종속성 설치

npm install

2단계: 환경 구성 및 프로젝트 시작

1. 프로젝트 환경 구성

프로젝트 루트 디렉토리에서 시스템의 실제 상황에 따라 .env 파일의 구성을 수정하세요. 자세한 구성 설명은 [환경 변수]를 참조하세요.

2. 프로젝트 연결 및 실행

요구 사항에 따라 전송 방식을 선택하여 프로젝트를 시작하세요:

[!TIP] MCP 전송 메커니즘

MCP 프로토콜은 현재 클라이언트-서버 통신의 두 가지 표준 전송 메커니즘을 정의하고 있습니다:

• STDIO

• Streamable HTTP

본 프로젝트는 둘 다 지원하므로, 본인의 MCP 클라이언트의 기능에 따라 선택하세요.

이 서버를 사용하는 것이 관련 약관 및 귀하에게 적용되는 법률, 규칙, 규정, 정책 또는 표준을 준수하는지 확인하는 것은 귀하의 책임입니다.

모드 1: STDIO 연결 (Claude Desktop 같은 로컬 클라이언트 권장)

• MCP 클라이언트 시작: 위 JSON 파일을 복사하여 MCP 클라이언트의 MCP 구성에 붙여 넣고, 필요 시 수정하세요.

  [!NOTE]

  일부 MCP 클라이언트의 MCP Server 구성 방법은 [예시]를 참조하세요.

  그 외의 프로젝트 설정은 환경 변수에서 수정하십시오. 자세한 내용은 [환경 변수]를 참조합니다.

  ComfyUI가 클라우드에서 실행되고 있는 경우, "SYNC_MODE"를 "manual"로 설정하세요. GXP4

• 터미널 시작:

  # 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

모드 2: StreamHTTP 연결 (네트워크/분산 배포에 권장)

• MCP 클라이언트 시작: StreamHTTP 설정은 [.env]에서 지정했으며, 아래 JSON에는 구성할 필요가 없습니다.

  [!NOTE]

  일부 MCP 클라이언트의 MCP Server 구성 방법은 [[예시]]를 참조하세요.

  현재 StreamHTTP를 지원하는 MCP Client/Host가 적으므로, 요구에 따라 사용하세요.

  ComfyUI가 클라우드에서 실행 중인 경우, [.env]에서 "SYNC_MODE"를 "manual"로 설정하십시오. GXP6 (MCP client start)

• 터미널 시작:

  # 启动 Streamable HTTP
  npm run dev

이제 프로젝트 배포 및 시작이 완료되었습니다. 도구를 디버깅해야 한다면 아래 내용을 계속 읽으시고, 그렇지 않으면 [사용 가이드]로 바로 이동할 수 있습니다.

디버깅 도구 (MCP Inspector)

Inspector는 MCP 공식에서 제공하는MCP 디버깅 도구입니다. Inspector는 StreamHTTP를 통해 연결하는 것이 좋습니다.

• 프로젝트 클론

• 관련 의존성 설치

  npm install

• StreamHTTP 방식의 서버 시작:

  # 1. 在终端 A 启动 HTTP 服务
  npm run dev

• Inspector 시작:

  # 2. 在终端 B 启动 Inspector
  npm run inspector

시작이 완료되면, 콘솔에서 유사한 주소가 나타나며, 주소를 복사 브라우저에 열어 디버깅하세요:

# 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

Inspector가 실행되면, 브라우저의 페이지 구성은 다음을 참고하세요:

📖 사용 가이드

이 프로젝트에서는 ComfyUI 웹크플로에 대해 특별한 표시 태그를 지정해야 AI 에이전트가 정확하게 식별하고 호출할 수 있습니다. 사용 가능한 워크플로우를 추가하는 방법은 다음과 같습니다:

마킹 규칙 (반드시 참조 필수)

어떤 방식으로 워크플로우를 추가하든 기본적으로 아래의 표시 노드를 생성해야 합니다:

1. 도구 이름과 기능 설명 정의 (필수)

• PrimitiveNode(기본 노드) 또는 PrimitiveStringMultiline(여러 줄 문자열 노드)를 하나 새로 만드세요. 다른 노드와 연결할 필요가 없습니다.

• 노드 제목을 두 번 클릭하여 ==워크플로우 이름==(예: ==생성-텍스트로 이미지 생성==)으로 수정합니다. 참고: AI 에이전트가 볼 도구 이름이며, 반드시 고유해야 합니다.

• 이 노드의 텍스트 상자에 해당 워크플로우의 기능 설명을 작성합니다(예: "이것은 기본 텍스트로 이미지 생성 과정이며, 2차원 이미지 생성에 적합합니다."). 설명이 더 명확해지면 AI가 언제 호출할지 정확하게 판단할 수 있는 것입니다.

} 자동 필터링. 이 프로젝트는 ==Workflow Name== 형식이 없는 워크플로우 알 수 없는 것을 자동으로 무시하여, AI가 지정된 안전 범위 내에서만 조작하도록 하고 모델 환각을 방지합니다.


2. 에이전트가 수정할 수 있는 매개 변수 노출 (선택)

• AI가 특정 노드의 속성(예: 긍정 프롬프트, 가로/세로 크기, 랜덤 시드)을 동적으로 수정하기를 원한다면, 해당 매개변수를 노출해야 합니다.

• 대상 노드를 찾습니다(예: CLIP Text Parse (Prompt) 노드).

• 노드 제목을 두 번 클릭하여 =>매개변수 설명(예: =>긍정 프롬톤트 또는 =>생성 이미지 폭)으로 수정합니다.

• 저장하면, 서버는 이를 자동으로 MCP 도구의 가변 인자로 해석하며, AI 호출 시 필요에 따라 값을 입력할 수 있습니다.

[!TIP] 자동 필터링 : 이 프로젝트는 => 제목 접두사가 없는 다른 모든 일반 노드 매개변수 및 노드 연결 관련 매개변수를 자동으로 무시합니다. AI가 명시된 안전 범위 내에서만 작업하도록 하고, 모델 환각을 피하기 위해 매뉴얼.

방법 1: ComfyUI 캔버스에서 설정 (권장)

실행 중인 ComfyUI 및 새 워크플로우 저장 내역을 지원하는 사용자에게 적합합니다:

1. ComfyUI에서 위의 마킹 지정 규칙에 따라 노드를 정리합니다.

2. ComfyUI 패널의 저장 (Save) 버튼을 누크 하세요.

   저장 후 직접 '실행 대기열 (Queue Prompt)' 버튼을 사용해 워크플로우가 정상적으로 동작하는지 확인하는 것을 권장합니다.

3. 워크플로우는 ComfyUI의 사용자 데이터 디렉토리에 저장됩니다(기본적으로 userdata/workflows/).

4. 실행을 하는 워크플로우가 적용되는 시점은 SYNC_MODE 설정에 따라 달라집니다.

   • timed 모드(기본값): MCP 서버가 백그라운드에서 주기적으로 폴링하여 새로 저장된 워크플로우를 자동으로 발견하고자 검증을 통과하면 AI 에이전트가 사용할 수 있는 도구로 즉시 연결합니다.

   • manual 모드: AI 에이전트가 도구 라이브러리를 호출하려는 시점에 필요한 때 한 번 스캔을 실행합니다.

   • push 모드(실험적 기능): ComfyUI 플러그인을 함께 사용해야 하며, 저장 직후 실시간으로 서버에 생산이 가능합니다.

방법 2: API 형식의 JSON 파일을 수동으로 가져오기

외부에서 워크플로우를 가져오거나, API 형식(API Format) 파일을 직접 작성하는 경우에 적합:

1. ComfyUI API 형식의 JSON 파일을 준비합니다.

2. 텍스트 편집기로 JSON 파일을 열어 다음의 내용을 핵심 표시 규칙을 준수해서 추가/수정하세요:

   • 도구 이름: 아무 곳이나 다음 내용을 추가하세요:

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

   "99"는 단지 예시일 뿐이며, 실제 사용 시에는 사용 중이 아닌 노드 ID를 사용하세요. 추가 후 JSON 형식이 올바른지 확인하세요. 각 노드 뒤에는 탄콤를 추가로 기입해야 합니다. 그렇지 않으면 워크플로우를 사용할 수 없습니다.

   • 매개변수 노출: AI에 수정하도록 설정하는 매개변수가 있는 노드로 가주고, 해당 노드의 _meta 객체의 "title": "=>매개변수 설명"을 추가/수정하세요.

3. 변경한 JSON 파일을 프로젝트의 workflow/ 디렉토리에 넣으세요( 해당 디렉토리가 없다면 수동으로 생성하세요).

4. 적용되는 방법은 위와 동일하며, SYNC_MODE 모드에 따라 진행됩니다:

   • timed 모드(기본값): MCP 서버가 해당 디렉토리를 정기적으로 스캔하여, 매개변수를 자동으로 해석하고 마운트합니다.

   • manual / push 모드: 워크플로우는 다음 AI 에이전트가 워크플로우를 요청하거나 도구를 실행할 때 필요에 따라 로드되어 적용됩니다.

[!NOTE]

대기열에 오류/실패한 작업이 표시 되는 것에 대하여

이 프로젝트를 사용하는 동안, ComfyUI의 작업 큐(Queue)에 측종 오류 붉은 상자나 실패한 작업이 표시될 수 있습니다. 이 것은 MCP 서버가 백그라운드에서 ComfyUI 엔진을 사용하여 워크플로우의 토폴로지 및 노드 유효성을 검색하고, AI 호출에 적합한지 확인하기 때문입니다. 이것은 정상적인 현상이며, 기존의 그리기나 AI의 정상적인 동작에는 전혀 영향을 미치지 않으니 안심하고 무시하십시오.

⚙️ 환경 구성

[!TIP] 주목

서버의 모든 환경 구성 매개 변수와 해당하는 설명을 우선적으로 읽어 주십시오.

이후 환경 변수 중 일부는 아직 실행되지 않았습니다, 활성화되지 않은 변수들은 모두 향후 계획에서 사용될 것입니다.

# =============================================================================
# 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

예시

Claude Desktop

아래 이미지를 클릭하여 데모 비디오를 시청하세요.

Trae

아래 이미지를 클릭하여 데모 비디오를 시청하세요.

🛠️ 문제 해결

자주 묻는 문제

1. WebSocket 연결 실패

   • 실행 중인 ComfyUI가 있는지 확인하세요.

   • ComfyUI의 WebSocket 포트 구성을 확인하세요.

   • .env의 COMFY_UI_SERVER_HOST 및 PORT 설정이 정확한지 확인하세요.

2. 워크플로우 실행 실패

   • 전송된 매개변수 타입이 대상 노드의 요구 사항(Schema)과 일치하는지 확인하세요.

   • ComfyUI 콘솔에서 사용되지 않은 사용자 정의 노드(Custom Nodes)의 오류가 있는지 확인하세요.

   • MCP 클라이언트/호스트의 해당 MCP Server 로그에서 자세한 오류 정보를 확인하세요.

3. 세션 만료

   • 기본 HTTP 세션 시간은 30분입니다. 더 긴 동영상 렌더링이 있다면, 코드에서 SESSION_TIMEOUT 상수를 변경하여 시간을 확장할 수 있습니다.

🔬 기술 세부 사항

핵심 프로토콜

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

기술 제한 및 보안 고려 사항

• 의존성: ComfyUI 기본 API와 WebSocket에 강하게 의존하며, ComfyUI 표준 형식이 아닌 파생적으로는 지원하지 않습니다.

• 보안 검증: 현재 버전은 강력한 인증 계층(Token/Auth)을 구현하지 않았습니다. 반드시 공용 인터넷 환경에 노출하지 마십시오. HTTP 및 추가적인 게이트웨이 접근 제어를 배포 환경에서 구성할 것을 권장합니다.

• 리소스 비용: 높은 동시성 호출은 ComfyUI 호스트의 GPU(Vi) 메모리 부족(OOM)을 초래할 수 있습니다. AI 시스템 프롬프트에서 동시 요청 빈도를 제한하십시오.

워크플로우 검증 정확성

본 프로젝트는 워크플로우 검증 정확성을 세 가지 모드로 구분합니다.

• 과거 작업 기반 검증: 실행이 완료되고 실행 결과가 SUCCESS인 과거 작업을 기준으로 검증합니다.

  • 이 방식은 모델 등 핵심 요소에 영향을 주지 않으면서 워크플로우 실행의 성공률을 보장할 수 있습니다.

• 초기 워크플로우 기반 검증: 과거 작업이 없거나, 과거 작업의 실행 시간이 해당 워크플로우의 최신 수정 시간보다 이전인 워크플로우를 기준으로 검증합니다.

  • 이 방식은 워크플로우에 대해 초기 검증만 수행합니다. 즉, 노드 간 연결이 정상인지를 확인하지만, 워크플로우 전체 프로세스의 실행 성공까지는 보장하지 않습니다.

  • 이미지 생성의 성공률을 보장하려면 관련 워크플로우를 수동으로 실행하는 것을 고려할 수 있습니다. 워크플로우 전체 프로세스가 성공적으로 실행되면 과거 작업에 해당 기록이 생성되며, 이후 AI 도구는 이를 과거 작업 기반 검증을 통과한 것으로 인식할 수 있습니다.

• 외부 가져오기: AI/사용자가 직접 제공한 API JSON 파일로, 워크플로우를 실행하기 전에 어떠한 검증도 수행하지 않으며 워크플로우 전체 프로세스의 성공적인 실행을 보장하지 않습니다.

  • 이 방식은 어떤 검증도 수행하지 않으며, 모든 검증은 ComfyUI 백엔드로 넘어갑니다. API JSON 파일 형식, 노드, 파라미터 범위에 문제가 있으면 ComfyUI 백엔드가 차단하고 해당 오류 정보를 반환합니다.

  • 이 방식은 이미지 생성의 최후 수단으로, 위의 과거 작업 기반 이미지 생성 및 초기 워크플로우 기반 이미지 생성을 모두 사용할 수 없는 상황에서 사용합니다.

🗺️ 향후 계획

[!TIP] 참고

저희는 프로젝트 기능을 적극적으로 확장하고 있습니다. 좋은 제안이 있으면 언제든 Issue를 제출해 주세요!

• 워크플로우 파싱 강화: 더 복잡한 중첩 노드와 동적 파라미터 추출을 지원합니다.

• 클라우드 서비스 통합: 주요 ComfyUI 클라우드 호스팅 플랫폼을 지원합니다(인증 및 API 매핑).

• 연결 최적화: StreamHTTP 전송에서의 끊김 재연결 메커니즘과 상태 유지를 개선합니다.

• 성능 패널: 리소스 사용량 및 작업 대기열에 대한 가시적인 모니터링 상태 피드백을 추가합니다.

• ComfyUI 플러그인: ComfyUI 플러그인을 개발하여 MCP 서비스와 완벽하게 통합합니다.

🤝 기여

기여를 환영합니다! 언제든지 Pull Request를 제출해 주세요.

기여 가이드

1. 프로젝트를 Fork합니다.

2. 기능 브랜치를 생성합니다.

3. 커밋(commit)하여 브랜치에 적용합니다.

4. 브랜치에 Push합니다.

5. Pull Request를 엽니다.

📄 라이선스

이 프로젝트는 MIT 라이선스로 오픈소스입니다 — 자세한 내용은 LICENSE 파일을 참조하세요.

이 프로젝트는 커뮤니티 주도의 오픈소스 프로젝트로, ComfyUI 공식 제품이 아닙니다. MetaBrain-Labs의 기여로 만들어졌습니다.

📬 연락처

(참고: 업무 관계로 이메일 답변이 늦을 수 있으니, 가능하면 GitHub Issues를 이용해 주시기 바랍니다.)

문제/요청 제출

MetaBrain-Labs(metabrain0302@163.com)

기여자

TypeScript 버전 작성자:

LaiFZQZzr

Python 버전 작성자:

기여자

면책 조항

[!WARNING] 면책 조항

저희는 현재 공식 웹사이트가 없습니다. 인터넷에서 볼 수 있는 어떤 웹 사이트도 비공식이며 이 오픈소스 프로젝트와는 무관하므로, 위험은 직접 파악해 주시기 바랍니다.

또한 저희는 유료 서비스를 제공하지 않으며, 사용자는 TOKEN 사용량에 유의해 주시기 바랍니다. 이로 인해 발생하는** 손실**에 대해 저희는 책임지지 않습니다.