Skip to main content
Glama

LM Studio → ComfyUI-Bildgenerator

ComfyUI MCP Server

Ein MCP-Server (Model Context Protocol), der die Bild- & 3D-Generierung von ComfyUI als ein einziges Werkzeug bereitstellt.
Er klassifiziert deinen Prompt automatisch (Personen, Gebäude, allgemein oder 3D) und wählt automatisch den richtigen Workflow.

Perfekt für KI-Assistenten – verbinde es über MCP und lass dein LLM Assets direkt generieren.


Funktionen

  • 🧠 Intelligente Prompt-Klassifizierung – erkennt, ob du eine Person, ein Gebäude oder ein 3D-Modell möchtest.

  • 🖼️ 2D-Generierung – verwendet deine eigenen ComfyUI-Workflows (general, people, buildings).

  • 🤖 3D-Generierung (Hunyuan3D) – generiert zuerst ein Referenzbild und führt dann den 3D-Workflow aus.

  • 🔌 MCP-Tool – stellt generate_asset_tool(prompt, workflow_type, size) jedem MCP-Client zur Verfügung.

  • 📂 Workflow-Ordner – lege deine .json-Workflows in ./workflows/ ab.


Related MCP server: comfyui-mcp

Einrichtung

1. Voraussetzungen

  • Python 3.10+

  • ComfyUI läuft lokal mit aktivierter API (Standard: http://127.0.0.1:8188).

  • Deine ComfyUI-Workflows, exportiert als .json-Dateien.

2. Abhängigkeiten installieren

pip install -r requirements.txt

3. Lege deine Workflows ab

Lege deine ComfyUI-Workflow-JSON-Dateien in den Ordner workflows/. Die Dateinamen müssen exakt übereinstimmen:

general.json

people.json

buildings.json

3d_simple.json

⚠️ Wichtig für 3D: Deine 3d\_simple.json MUSS einen LoadImage-Knoten mit der ID "26" enthalten. Der Code fügt das hochgeladene Referenzbild in workflow\["26"]\["inputs"]\["image"] ein.

4. Konfiguration (optional)

Erstelle eine .env-Datei, um die ComfyUI-URL zu überschreiben:

text COMFY_URL=http://127.0.0.1:8188 Falls nicht gesetzt, wird standardmäßig http://127.0.0.1:8188 verwendet.

Verwendung MCP-Server ausführen bash python mcp_server.py Der Server startet und registriert das Tool generate_asset_tool.

Tool-Parameter prompt (str, erforderlich): Beschreibung dessen, was generiert werden soll.

workflow_type (str, optional): "people", "buildings", "general" oder "3d_simple". Falls weggelassen – automatisch erkannt.

size (str, optional): "512x512", "512x768" oder "768x512". Falls weggelassen – automatisch ausgewählt.

Beispiel von MCP-Client json { "tool": "generate_asset_tool", "arguments": { "prompt": "a futuristic cyberpunk girl with neon hair" } } → Erkennt automatisch Personen, verwendet people.json mit der Größe 512x768 und gibt eine Bild-URL zurück.

json { "tool": "generate_asset_tool", "arguments": { "prompt": "turn this into a 3d model: a wooden chair", "workflow_type": "3d_simple" } } → Generiert ein Referenzbild (über general) und führt dann 3d_simple.json darauf aus. Gibt beide URLs zurück.

So funktioniert es Klassifizierung – durchsucht deinen Prompt nach Schlüsselwörtern (girl, building, 3d, usw.), um den richtigen Workflow und die richtige Auflösung auszuwählen.

Prompt-Injektion – findet CLIPTextEncode-Knoten und füllt den positiven Prompt (den Benutzer-Prompt) und den negativen Prompt (integrierte Voreinstellungen).

Zufällige Seeds – randomisiert KSampler-Seeds für jedes Mal einzigartige Ergebnisse.

Warteschlange & Abfrage – sendet den Workflow über /prompt an ComfyUI und fragt /history ab, bis das Ergebnis bereit ist.

Ausgabe – gibt die vollständige URL zurück, um die generierte Datei anzusehen/herunterzuladen.

Fehlerbehandlung Wenn ComfyUI nicht läuft – wird ERROR zurückgegeben.

Bei einem Fehler – wird automatisch bis zu 2-mal erneut versucht.

Detaillierte Logs werden in der Konsole ausgegeben.

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    D
    maintenance
    MCP server exposing a local (or LAN) ComfyUI instance's HTTP API as tools, so an LLM client can queue generations, inspect the queue/history, upload reference images, browse installed models/nodes, and pull back generated images.
    -
  • A
    license
    Not graded
    quality
    D
    maintenance
    MCP server that enables AI agents to control a local ComfyUI instance for image generation, allowing workflow understanding, parameter modification, execution, and model discovery.
    11 npm
    3
    Apache 2.0