this repo

Comfy-Org/comfy-mcp

ComfyUI との通信方法

その HTTP API（/prompt、/object_info、/view）

comfy-cli サブプロセス（comfy … --json）

追加依存

なし（httpx、pillow）

comfy-cli ≥ 1.14、およびそれが認識するインストール

インストールしていない ComfyUI も扱える

はい — URL が到達できるものすべて（シェルを持たないボックスを含む）

部分的に。一部のツールは構造上ローカルのみ

結果を見る

get_image、get_video_frame — ピクセルをモデルに返す

fetch_outputs(inline_images=True)

結果を評価する

compare_images（差分モード）、image_diff_stats、measure_image（タイルシーム / シャープネス）、video_temporal_stats

—

最良のものを保持する

loop_*: ディスク上のラチェット＋台帳。元に戻す操作はツール呼び出し

—

パラメータを探索する

loop_sweep — 1 つの入力、N 個の値、1 回の呼び出し、実行に記録

vary_workflow — スロット値の直積をファイルに出力

グラフの事前チェック

check_workflow — 欠落パック、欠落モデルファイル、未設定の必須入力、デッドワイヤー、出力ノードなし、を 1 つの回答で

validate_workflow + workflow_deps + テンプレート local_check

サブグラフテンプレート

展開され再配線される（昇格したウィジェットは保持）

クライアント側で展開

探索のトークンコスト

コンパクトなノード表記（object_info 比 93% 削減、987 ノード）; FlowZip グラフは litegraph 比 ~72% 削減

明言された目標ではない

不足分のインストール

ComfyUI-Manager: install_node_pack, install_model, restart_comfyui, update_comfyui

レジストリ install_node, download_model（バックグラウンド実行、キャンセル可能）、完全アップデート/バージョン切り替え

ゼロから稼働まで

エージェントが行う: comfy_install はこのマシンから埋められたプロンプト（既存インストール、この Python、このマシンのアクセラレータ）であり、失敗した呼び出しは開始/インストールコマンドを返す

ターミナルで comfy install を実行するよう指示する; launch_comfyui / stop_comfyui / switch_comfyui_version は既に存在するインストールを操作する

ComfyUI プロセスの実行

いいえ — 再起動のみ（Manager 経由）; シェルはエージェントが所有

comfy-cli サブプロセスなので、可能

ホスト型/パートナーモデル、アカウント、クレジット

意図的になし

auth_login, partner_generate, 支出同意ゲート

ジョブ制御

submit_workflow, job_status, cancel_job, get_queue, interrupt

1 つの job ツール: status / wait / watch / cancel / queue

MCP サーフェス

43 ツール + 2 プロンプト + 3 リソース

39 ツール

サイズ / ライセンス

約 3,700 行、MIT

約 16,000 行、AGPL-3.0-or-later または商用

作者

Alienrobot — 当社自身の VFX/生成的作業のために構築され、使用されている

ComfyUI チーム、プラットフォーム本体と並行して

対応範囲

ループ: 発見、変換、出力の評価

インストール全体: ライフサイクル、アカウント、パートナー API、パック

プリミティブ

公開内容

ループ工程

ツール

check_comfyui, list_nodes, get_node, list_models, search_models, search_templates, get_template

推測するな、発見せよ

find_missing_nodes, install_node_pack, install_model, restart_comfyui, update_comfyui

拡張（テンプレートが必要とするものをインストール）

check_workflow

GPUが関与する前に検証

inflate_workflow, flowzip_to_api

圧縮（トークン効率の高いグラフ）

template_slots, run_template

上書き付きで実績のあるテンプレートを実行（グラフはコンテキスト不要）

upload_image, submit_workflow

ビルド → 実行

get_result, get_image（実際の画像を返す）

見る

loop_start, loop_record, loop_sweep, loop_best, loop_ledger, loop_finish, loop_report

ラチェット＋台帳、ディスク上

system_stats, get_queue, job_status, cancel_job, interrupt, free_vram, comfyui_logs

制御

プロンプト

comfy_loop（完全メソッド）、comfy_skill（コンパクト）、comfy_install（ブートストラップ）

規律全体をひとつのコマンドで

リソース

comfyui://object_info（ライブ）、comfyui://loop-method、comfyui://skill

真実＋ドキュメント

ツール

引数

戻り値

check_comfyui

—

ループステップ 0、および実際の事前チェック。何も応答しない場合、このマシン固有の対処方法を返します — 見つかったインストールを開始するか、新規作成するか、リモート URL のトンネルを開くか（トラブルシューティング を参照）。応答する場合も、ここからレンダリング成功までの間に何が立ちはだかっているかを挙げます: CPU 上で動作している torch（すべてのレンダリングは動作しますが、約50倍遅く、エラーは報告されません）、ディスク上に重みがない（完全に機能する ComfyUI だが何もレンダリングできない）、ComfyUI-Manager がない（修正するための2つのコマンド付き。restart_comfyui 自体が Manager ルートのため）。それ以外は: ノード数、ComfyUI/torch のバージョン、デバイスごとの VRAM 空き vs 合計、ComfyUI-Manager が存在するか（Manager なし = インストール不可、再起動不可）、キューがすでにビジーかどうか — または明確な「到達不能」。

list_nodes

keyword=""

クラス名または表示名が一致するノード（スキルのクラス限定検索の厳密なスーパーセット）。キーワードを省略すると件数を返します。

get_node

class_name, verbose=False

1つのノードのインターフェースをコンパクトな @Name +req:T ?opt:T -out:T として返します（トークン約90%減）。verbose=True では完全な JSON（デフォルト値、最小/最大）を返します。

list_models

class_name, input_name=""

ローダーがディスク上で提供する実際のモデルファイル（グラウンドトゥルース）を、その enum から読み取ります。レガシーリストと COMBO エンコーディングの両方に対応します。ファイル名を捏造することはありません。

search_models

keyword="", model_type=""

ダウンロード可能なモデルのカタログ（ComfyUI-Manager のリスト）。まだ持っていない checkpoints/LoRAs/VAEs/upscalers を見つけられます。各結果はインストール済みかどうかを示します。インストールは install_model を使用します。

search_templates

keyword="", source="online"

online（デフォルト）: 完全なオープンカタログ（Comfy-Org/workflow_templates、約550件）を、名前/タイトル/説明で GitHub からライブ検索します — インストール不要。installed: この ComfyUI にあるものだけ。

get_template

name, pack="", source="online", fmt="flowzip"

テンプレートを取得します。fmt="flowzip"（デフォルト）はコンパクトな FlowZip テキストです（未加工の litegraph JSON より中央値で約72%小さい）。fmt="json" は完全な litegraph。どちらにせよ litegraph です — 送信前に flowzip_to_api で変換してください。オンラインテンプレートには、あなたが持っていないノード/モデルが必要な場合があります — find_missing_nodes で確認してください。

inflate_workflow

flowzip

FlowZip テキストを完全な litegraph JSON に展開し直します。

flowzip_to_api

flowzip

FlowZip/litegraph → API/プロンプト形式（submit_workflow 用）に変換します: リンクを解決し、ウィジェット値を名前付き入力にマッピングし（型強制）、Reroute パススルーをたどって実際の生成元まで戻ります — Reroute ノードにはバックエンドクラスがないため、それを指すリンクは配線し直す必要があります。そうしないと API グラフが存在しないノードを参照することになります（未接続および循環チェーンは報告され、クラッシュしません）。サブグラフは展開され、スキップされません: 内部は <instance>:<inner> という名前空間で届き、境界をまたいで配線し直され、プロモートされたウィジェット値は保持されます。未知のクラスは引き続きスキップされ報告されます。実行前に確認してください。check_workflow が GPU 時間を費やす前に残りを捕捉します。

template_slots

name, source="online", pack=""

テンプレートの上書き可能な入力（node_id → params + 現在の値）を完全なグラフを読み込まずに一覧表示します — サブグラフ内のパラメータも含みます。また、作者自身の Note/MarkdownNote テキストも返します。そこにはトリガーワードと必要な重みが実際に含まれており、命令としてではなく信頼できないデータとして引用符付きで示されます。

run_template

name, overrides={}, source="online", pack=""

動作確認済みのテンプレートを {node_id: {input: value}} オーバーライドで実行します — 取得 → 変換 → 適用 → 送信 — グラフをコンテキストに展開せずに。その後 get_result/get_image を使用します。サブグラフテンプレートも実行されます — その内部は途中で展開されます。

ツール

引数

戻り値

find_missing_nodes

name, pack="", source="online", workflow=None

ノードクラスを /object_info と差分比較し、欠落している各ノードをインストール可能なパック ID に解決します。テンプレートまたは既に持っている workflow（API形式または litegraph）に対して動作し、サブグラフを再帰的に走査します。読み取り専用。

install_node_pack

pack_id, version="latest"

ComfyUI-Manager のキューを介してパックをインストールします（信頼されたレジストリ、任意のコードは実行されません）。その後、再起動が必要です。

install_model

name

search_models からカタログモデルを Manager 経由で適切な models/<type>/ フォルダにダウンロードします。再起動は不要です — list_models で確認してください。

restart_comfyui

—

ComfyUI を（Manager 経由で）再起動し、新しいノードが /object_info に登録されるようにします。失敗を正直に報告します。HTTP レスポンス が返っても、再起動されたわけではありません。

update_comfyui

target="comfyui"|"nodes"|"all"

Manager のキューを介して ComfyUI コアおよび/またはインストール済みのすべてのパックを更新し、その後再起動が必要だと伝えます。サードパーティのコードを実行します — 先にその旨を伝えてください。ループ途中では実行しないこと: 以前のパスが古いコードに対して測定されたラチェットの下にノードの動作を移します。

ツール

引数

戻り値

check_workflow

workflow（API辞書または litegraph）

"これはこのマシンで実行できるか" へのひとつの答え: 所持していないノードクラス（同じパスでパック ID に解決済み）、そのローダーのリストにないモデルファイル名（実際に持っている最も近いもの付き）、未設定のままの必須入力、存在しないノードを指す接続、ノードで宣言された範囲外の値、そして出力ノードのないグラフ — これはグリーンで実行され、表示するものが何も生成されません。/prompt もこれらを検出します: 送信ごとに1つ、チェックポイントの欠落はパックの欠落とまったく同じに見えます。ここでクリーンとは整形式という意味であり、正しいという意味ではありません — それでもピクセルを確認する必要があります。

ツール

引数

戻り値

upload_image

path, overwrite=True

ローカル画像を ComfyUI の input/ ディレクトリにアップロードし、LoadImage ノードで参照する名前を返します。

submit_workflow

workflow（API形式の dict）, client_id

成功時: prompt_id + 「今すぐ確認せよ」という促し。失敗時: node_errors + 「そのノードを修正して再送信せよ」という促し。

get_result

prompt_id, timeout_s=120

/history をポーリングし、各出力の filename/subfolder/type を返し、キャッシュから提供されたノード数を報告します（シードを固定していれば、編集箇所より下流のノードだけが再実行されます — 反復は意図的に安価です）。さらに、確認して反復するよう指示します。実行途中で停止した実行は、誤解を招く「完了したが出力なし」ではなく、失敗したノードとその例外として返されます（OOM の場合は「free_vram してから解像度を下げる」という促し）。

get_image

filename, subfolder="", image_type="output"

実際の画像をモデルに返し、ピクセルを判断できるようにします。

compare_images

filename_a, filename_b, mode="side_by_side"|"difference", amplify=1.0

比較結果を画像として返します。difference = 0.5+0.5*(a−b): 同一の領域はフラットな中間グレーになり、目では決して気づかないドリフトが浮き上がります。MCP クライアントには ffmpeg を実行するシェルがありません — これがないと「出力を diff する」ことは実行できません。

image_diff_stats

filename_a, filename_b

平均/最大絶対差分 + 変化したピクセルの割合（%） — 「意図した箇所だけを変更した」ことを確認するゲート。フレームをこっそり書き換えてしまう「小さな調整」を捕捉します。

measure_image

filename, metric="sharpness"|"tile_seam"|"brightness"

要件に客観的テストがある場合の、ラチェット用の客観的スコア。tile_seam は、ラップアラウンドの継ぎ目を内部の継ぎ目と比較します（~1.0 = 正真正銘のタイル、>2 = 実際のシーム — 目が素通りするような主張）。sharpness = エッジエネルギーで、実際のディテールで上昇し、パスが単に画像をぼかしただけなら低下します。

video_info

filename, subfolder=""

ビデオ出力の寸法、fps、フレーム数。フレームにインデックスを付ける前に呼び出してください — 範囲が必要ですし、比較しようとしている2つのクリップがそもそも同じ長さかどうかを知る必要があります。

get_video_frame

filename, frame=0, subfolder=""

ビデオ出力の1フレームをフレームインデックス指定で画像として返します。get_image のビデオ版: get_result はすでに gifs/videos を報告しますが、他のすべての確認ツールは Pillow のみで mp4 をデコードできません。そのため、VHS/AnimateDiff/WAN のグラフでは「get_image を呼び出して確認する」ことは実行不可能でした。

compare_video_frames

filename_a, filename_b, frame=0, mode="side_by_side"|"difference", amplify=1.0

両クリップの同じフレームインデックスで同じ比較を行います。タイムスタンプで比較すると、長さが異なった時点で（フレーム上限、トリム、fps の違い）静かに誤ります — 無関係な2つの瞬間を完全な自信を持って比較することになります。フレーム数が一致しない場合、警告は画像に焼き付けられ、読み飛ばせるテキストとしては残りません。

video_temporal_stats

filename, stride=1, max_frames=120, roi=None

フレーム間の不安定性を数値化したもの — 「ボイル（チラつき）するか?」に対する客観的なゲートであり、これは単一の静止画では決して示せません。単純な連続フレーム差分なので、実際の動きもカウントされます。変更前後の同じクリップに対して使うか、静的であるべき領域に roi を渡してください。既知のペアで検証済み（生のフレーム入れ替え 3.53 → オプティカルフロー平滑化 2.38）。

ツール

引数

戻り値

loop_start

brief, gate=""

実行を開始 → run_id。gate はブリーフに含まれる場合の客観的テスト（「シームレスにタイル状に並ぶ」「りんごがちょうど3個」）。

loop_record

run_id, change, outcome, graph=None, score=None

パスを記録し、ラチェットを適用する。"better" はそのグラフを新しい最良として保存する（元に戻し可能）。"worse"/"same" は最良のグラフをそのまま返すので、元に戻すのは1回の呼び出しで済む — さらに、すでに試した変更のリストも返すので、行き詰まりを繰り返さない。両方のパスが客観的な score を持つ場合、数値が判定を上書きする — 終わりにしたいモデルは退行を "better" と呼ぶからだ。

loop_sweep

run_id, workflow, node_id, input_name, values

同じグラフを1つの入力の最大8つの値にわたって、1回の呼び出しで実行する — 推論で到達できない値（denoise、cfg、strength）のため。他のすべては同一に保たれるため、出力はちょうど1つの変数だけが異なる。値 → prompt_id テーブルは実行内に書き込まれるので、圧縮されたモデルはスイープを再実行する代わりに loop_ledger からそれを復元する。スイープは1つの記録されたパスを生成し、N個ではない。

loop_best

run_id

現時点での最良のグラフ。圧縮後の真実の源 — あなたの記憶ではない。

loop_ledger

run_id

追記専用のループログ：すべてのパス、何が変わったか、それが何をしたか。圧縮後にスレッドを復元する。また、承認時にユーザーに渡すログでもある。

loop_finish

run_id, summary=""

収束チェックポイントで閉じ、承認のために提示する最終的な台帳と最良のグラフを返す。

loop_report

run_id, out_path=""

実行全体を1つの自己完結型HTMLページとしてレンダリングする — すべてのパス、何が保持されたか、何が元に戻されたか、サムネイルはbase64でインライン化され、ComfyUIをオフにしても開ける。最終画像は何も証明しない。捨てたパスこそが、ループが収束したことを示すのだ。

ツール

引数

戻り値

save_workflow

workflow (API dict), name="", save=True

API → UI/litegraph に変換し、人間が開いて編集できるようにし、ComfyUIのワークフローリストに保存する。ラウンドトリップ検証済み：結果はAPIに変換し直され、入力と差分比較される。widgets_values は位置指定であり、静かな1つずれがパラメータをずらすからだ — もっともらしいが間違ったファイルは、何もないより悪い。

ツール

引数

戻り値

system_stats

—

デバイス / VRAM（解像度やバッチの調整時、またはOOM後に有用）。

get_queue

—

実行中と保留中のもの。

job_status

prompt_id

ブロックせずに1つの実行の状態：キュー済み（位置付き）、実行中、N個の出力で完了、またはそれを殺した実行エラー。複数が進行中の場合に必要なもの — たとえば loop_sweep。

cancel_job

prompt_id=""

1つのキュー済み実行を削除する。または、そのIDが実行中のものであれば中断する。IDなしでは保留キューをクリアし、実行中のジョブには触れない。interrupt は乱暴なバージョン。

interrupt

—

現在の実行をキャンセルする。

free_vram

unload_models=True

モデルをアンロードし、エグゼキュータのキャッシュをリセットする（POST /free）。ループ自身の軽量さはここでは逆効果になる — キャッシュされたパスはVRAMだからだ — したがって、OOMしたグラフを書き直す前に試すべき安価な方法。即時ではない（キューワーカーの次の反復で反映される）。別のプロセスのVRAMには触れない。system_stats で確認すること。

comfyui_logs

lines=60, grep=""

ComfyUI自身のログの末尾を表示する。そこでは失敗が自ら説明する：ノード内のトレースバック、OOM、起動時にインポートに失敗したカスタムノード（それが object_info にそのクラスが存在しない理由だ）。

パス

1つの変更

シャープネス (varLap)

見た目による判定

1

ベースライン — 6ステップ、cfg 2.5

425

柔らかく、平らで、マット。最も弱い。

2

ステップ 6 → 24

1204

よりシャープ — ただし高い数値は木目によるもので、りんごの皮はまだプラスチックのよう。

3

cfg 2.5 → 7.5

515

りんごは豊かになる（彩度が上がり、皮に斑点）— 背景が柔らかくなったため指標は下がる。

4

euler → dpmpp_2m + karras

740

勝者。 くっきりしたハイライト、目に見える皮目、信じられる木。

5

ステップ 24 → 36

661

≈ パス4。収穫逓減 → 停止。

パス

1 つの変更

tile_seam

ラチェット

1

ベースライン SDXL

h 1.77 · v 1.23 → 境界値

保持(初回)

2

SeamlessTile + MakeCircularVAE

h 0.78 · v 1.12 → シームレス

新記録

3

tiling → x_only

h 1.03 · v 1.56 → シーム復活

差し戻し

環境変数

デフォルト

目的

COMFYUI_URL

http://localhost:8188

ComfyUI サーバー

COMFYUI_ONBOARDING_DIR

このパッケージの上のリポジトリルート

comfy_loop / comfy_skill プロンプトがマークダウンを読み込む場所

COMFYUI_TEMPLATES_REF

main

オンラインテンプレートカタログが読み込む Comfy-Org/workflow_templates の Git 参照

COMFYUI_TEMPLATES_LIVE

未設定

1 に設定すると、バンドルされた圧縮スナップショットではなく GitHub から最新のカタログインデックスを取得する

COMFY_LOOP_STATE_DIR

~/.comfyui-loop-mcp/runs

ラチェットと台帳の置き場所。実行がすでにある場合は旧名の ~/.comfy-mcp/runs にフォールバックする