ComfyUI MCP 接入实战：把出图出视频搬进聊天框，云端与本地两条路

在聊天框里出图，靠的是什么

对着 Claude、Cursor 这类 AI 客户端的聊天框说一句「给我生成一张宇航员猫咪的图片」，等一会儿，图片文件就落进了你的文件夹——全程不打开 ComfyUI 的节点画布，不用自己拖一根连线。这篇教程带你把这条链路接通：把 Comfy 官方的 MCP 服务挂进你的 AI 客户端，之后出图、出视频、搜模板、跑工作流，都在聊天里完成。

MCP（Model Context Protocol）可以理解成 AI 代理与外部工具之间的通用插口。你的客户端插上这个插口，就能直接调用 ComfyUI 的能力：搜工作流模板、搜模型、提交生成任务、取回结果。Comfy 官方提供 Comfy MCP 服务，分两条连接——云端连接（工作流跑在 Comfy Cloud 的 GPU 上）和本地连接（跑在你自己机器装的 ComfyUI 上），本地部分完全开源。

有一点先说在前面：官方文档标注该服务目前处于公开测试（public beta）阶段，接口、工具和行为都可能在迭代中调整，细节以官方页面为准。本文步骤与图片均整理自 ComfyUI 官方文档，属于 AI 视频教程系列的工具接入篇（总纲见：从一句话到成片），ComfyUI 产品页：ComfyUI。

两条连接，先选对再动手

官方给的选择逻辑很直白。新用户、主要用 claude.ai / ChatGPT / Claude Desktop 网页或桌面聊天的，选云端连接，安装最少；已经在本地跑 ComfyUI、或者日常在 Claude Code、Cursor、Codex 这类编码代理里干活的，从本地连接开始。

Mac 用户有一条专门的建议：今天的开源权重模型——官方点名了本地版 MiniMax H3、LTX-2.3 这个量级——体积太大，在 Apple GPU 上跑不出可用的速度，生成任务走云端连接更实际。

两条连接可以同时挂，大多数客户端都能同时承载两个 MCP 服务器，代理自己会分清哪个任务走哪条线。但两次登录是分开的：用的是同一个 Comfy 账号，在其中一条上签了名，另一条不会自动跟着通。

云端连接：账号准备与四类客户端接法

云端连接的宿主服务运行在 https://cloud.comfy.org/mcp。动手前需要一个 Comfy Cloud 账号，注册后新用户有 5 次免费运行额度可以试水。搜索类功能（找模板、找模型）只要登录就能用，真正跑生成则涉及订阅，规则放在后面「积分与下载」一节细说。

四类主流客户端的接法各不相同，挑你用的那个跟着点。

Claude Desktop：图形界面加自定义连接器

Claude Desktop 把 MCP 服务当作「自定义连接器（custom connector）」添加，全程点选，最后跑一次 OAuth 登录。

1. 侧边栏点开 Customize；
2. 进入 Connectors；
3. 点连接器列表头部的 + 按钮，选 Add custom connector；
4. 名称随便填一个（比如 Comfy Cloud MCP），Remote MCP server URL 填 https://cloud.comfy.org/mcp，点 Add；
5. 浏览器会自动弹出授权页，选好工作空间（比如 Personal Workspace），点 Continue，连接完成。

Claude Desktop 侧边栏的 Customize 入口，官方文档将其标注为第 1 步

Connectors 面板，从这里管理已连接的 MCP 服务（第 2 步）

连接器头部的 + 按钮与 Add custom connector 选项（第 3、4 步）

填写名称与 Remote MCP server URL 的表单，地址填 cloud.comfy.org/mcp（第 5 至 7 步）

OAuth 授权页：选定工作空间后点 Continue 即完成登录

Claude Code：一条插件装完连接和命令

命令行用户可以装官方的 comfy-cloud 插件，它把 MCP 连接和一组斜杠命令一次配齐。插件发布在 Comfy Skills 仓库里，两步装好：

/plugin marketplace add Comfy-Org/comfy-skills
/plugin install comfy-cloud@comfy-skills

然后运行 /mcp，选 comfy-cloud → Authenticate，浏览器弹出后完成登录，令牌会自动刷新。不想装插件、只要裸连接的话，等价的一条命令是：

claude mcp add --transport http comfy-cloud https://cloud.comfy.org/mcp

加 -s user 可以让它在所有项目里可用。插件的好处是把 MCP 提示词包装成了好记的命令，比如 /comfy-cloud:generate-image、/comfy-cloud:search-models，直接连接则要用 /mcp__comfy-cloud__generate-image 这种前缀写法。

Cursor：不支持 OAuth，走 API Key

Cursor 目前不支持 MCP OAuth，所以只能用 API 密钥认证。先到 platform.comfy.org/profile/api-keys 创建一个密钥（以 comfyui- 开头），然后编辑 ~/.cursor/mcp.json（全局）或项目里的 .cursor/mcp.json：

{
  "mcpServers": {
    "comfy-cloud": {
      "url": "https://cloud.comfy.org/mcp",
      "headers": {
        "X-API-Key": "${env:COMFY_API_KEY}"
      }
    }
  }
}

在 shell 或系统环境里设好 COMFY_API_KEY。官方特意提醒：用 ${env:COMFY_API_KEY} 的环境变量写法，别把密钥明文写进可能提交到 Git 的文件里。

Cursor 设置里的 Tools & MCPs 面板，从此处新建 MCP Server 后再编辑 mcp.json

Codex 与其他客户端

Codex 走 Streamable HTTP：设置面板 → MCP servers → + Add server，连接类型选 Streamable HTTP，名称填 Comfy Cloud MCP，URL 填 https://cloud.comfy.org/mcp，保存后在条目上点 Authenticate 走浏览器登录。偏好命令行的话同样有两条命令：

codex mcp add comfy-cloud --url https://cloud.comfy.org/mcp
codex mcp login comfy-cloud

无浏览器的无人值守或 CI 环境，改用环境变量传密钥头，写进 ~/.codex/config.toml：

[mcp_servers.comfy-cloud]
url = "https://cloud.comfy.org/mcp"
env_http_headers = { "X-API-Key" = "COMFY_API_KEY" }

其他任何支持远程 HTTP 传输的 MCP 客户端（官方举例 Windsurf、Amp）都遵循同一模式：加一条指向 https://cloud.comfy.org/mcp 的远程 MCP 配置，能 OAuth 就浏览器登录，不能就挂 X-API-Key 头。 Windsurf 的字段名是 serverUrl 而不是 url，这是官方点名的唯一差异。配置完重启客户端，应当能看到 search_templates、submit_workflow、get_output 等工具注册在 comfy-cloud 名下——看到它们，就说明通了。

接通之后：怎么说话，有哪些工具

MCP 工具不是你手动调的，代理根据你说的话自己挑工具。官方给的标准用法示例长这样，直接照抄就能试：

generate an image of a cat astronaut
find a Wan 2.2 video template

翻译过来就是「生成一张宇航员猫咪图片」「找一个 Wan 2.2 视频模板」。也可以用中文提需求再让它翻译执行。一次典型的完整流程分三段：先发现（search_templates / search_models / search_nodes，结构化问题用 cql），再运行（有现成模板用 run_template，自定义工作流用 submit_workflow，调 Flux、Grok、Gemini、OpenAI、Ideogram、Seedance 这些合作方模型用 partner_generate），最后等待并取回（wait_for_job → get_output）。服务器会优先匹配预构建模板而不是从零搭工作流，官方说这样出结果更快、质量更稳。

按用途分，代理手里的工具大致有六组，挑常用的列一张表：

Claude Code 插件用户还有一组现成斜杠命令，与上面这些工具一一对应：/comfy-cloud:generate-image、/comfy-cloud:generate-video、/comfy-cloud:generate-audio、/comfy-cloud:generate-3d、/comfy-cloud:remove-background、/comfy-cloud:upscale-image、/comfy-cloud:search-templates、/comfy-cloud:search-models、/comfy-cloud:search-nodes、/comfy-cloud:help。Claude Desktop 不支持斜杠命令，但有等价的提示词选择器（prompt picker），或者干脆用大白话。

积分、订阅和文件怎么落到你电脑上

费用规则官方写得很硬：搜索发现类功能免费，只要有 Comfy 账号就能用；跑生成需要有效订阅——注意官方原话特别强调，光有充值余额或积分结余不够，没有生效中的订阅，即使积分没花完也不能跑生成。

文件这块的机制值得单独讲。云端 MCP 服务器不会主动往你机器上写文件：生成完成后，代理调用 get_output，拿到两样东西——一个短期有效的临时签名下载 URL，和一条已经拼好、可以直接执行的下载命令（macOS 和 Linux 是 curl，Windows 是 curl.exe），命令里连保存路径和文件名都写好了。你的代理会在 shell 里替你执行这条命令。

这里有一条官方反复强调的纪律：下载命令要原样执行。签名在 URL 的查询串里，改一个字符签名就失效。如果你的客户端是纯图形界面、跑不了 shell 命令，就把命令复制出来自己到终端里跑。官方还提到，上传下载依赖客户端的文件访问能力，Claude 用户推荐用 Claude Code（桌面或终端版），其他代理家族同样通常是编码版强于网页聊天版。

本地连接：让代理指挥你自己的 ComfyUI

本地连接走的是开源的 comfy-mcp 服务器，由客户端在你机器上把它启动起来（MCP over stdio），驱动的是你本机安装的那个 ComfyUI。它和云端最大的区别：代理能看到你实际安装的模型、LoRA、自定义节点，任务跑在你自己的 GPU 上。官方称之为「第一条第一方本地 MCP 服务器」，也是官方认可的用 AI 代理驱动本地 ComfyUI 的方式。它不会替你启动 ComfyUI——执行类工具需要 ComfyUI 已经在跑。

准备三样东西：Python 3.10+；PATH 里有 comfy-cli（pip install "comfy-cli>=1.14.0"，官方称它是所有工具包裹的引擎）；一个 ComfyUI 工作区（没有就 comfy install 建一个，已有的旧检出用 comfy set-default <path> 认一下）。然后装服务器本体：

pip install "comfy-cli>=1.14.0"   # 引擎
comfy install                    # 建工作区，已有则跳过
pip install comfy-mcp            # MCP 服务器，提供 comfy-mcp 命令
comfy launch                     # 启动 ComfyUI 并保持运行

有个容易踩的环境坑：MCP 客户端启动服务器时用的是它自己的环境，经常不带你 shell 的 PATH。如果 comfy 装在虚拟环境或非常规位置，要在配置里加 COMFY_BIN 环境变量指到 comfy 的绝对路径（例如 /path/to/venv/bin/comfy）；comfy 本来就在客户端环境里的话可以不设。

三个客户端的挂法，官方各给了一份配置。Claude Code 最省事，一条命令注册：

claude mcp add comfy-mcp -e COMFY_BIN=/path/to/venv/bin/comfy -- comfy-mcp

项目级复用则在仓库根放一个 .mcp.json。Claude Desktop 与 Cursor 都是改 JSON 配置文件（前者是 ~/Library/Application Support/Claude/claude_desktop_config.json，后者是 ~/.cursor/mcp.json 或项目内同名文件），内容一样：

{
  "mcpServers": {
    "comfy-mcp": {
      "command": "comfy-mcp",
      "env": {
        "COMFY_BIN": "/path/to/venv/bin/comfy"
      }
    }
  }
}

配置完重启客户端让工具出现。官方的 Quickstart 示例任务是这么说的：

Confirm my local ComfyUI is running, then run the workflow at ~/workflows/txt2img.json and show me the image.
（确认我本地的 ComfyUI 在运行，然后跑 ~/workflows/txt2img.json 这个工作流，把图给我看。）

代理在背后会依次调 server_info 确认 ComfyUI 在线、run_workflow 执行工作流 JSON、fetch_outputs 把产物收进你指定的目录。本地工具还有一个亮点：节点检查类工具（search_nodes / get_node / list_nodes）和模型搜索读的都是你本机的实况安装，自定义节点也算在内；validate_workflow 能在慢任务开跑前先对照线上 object_info 做预检。本地跑任务本身免费，唯一例外是合作方模型——它们在合作方基础设施上执行，照样消耗积分。

你的机器带不带得动？官方 FAQ 给了显存分档参考：显存 24 GB 及以上，绝大多数任务包括视频都能应付；8–24 GB 出图没问题，视频会慢或干脆放不下；8 GB 以下直接用云端。拿不准就先问你的代理，官方说它会先读你的硬件再决定动不动重活。两条连接同时挂着的用户，切换不需要任何模式开关——在消息里说「这个跑云端」「这个本地跑」，代理自己换线。

官方文档写明的限制

这类信息通常散在各处，Comfy 官方专门开了一节「Known limitations」，逐条照录：

• 通过 submit_workflow 生成的资产可能不嵌入工作流元数据，在 ComfyUI 里打开时不一定能还原出产生它的工作流；
• 工作流构建依赖代理的准确度，复杂的多节点工作流可能需要重试或返工；
• 产物需要一步 shell 下载才能落盘（见前文「原样执行」那条）；上传体积上限取决于所用 MCP 客户端，有些客户端自带限制；
• 认证方面，Claude Code 与 Claude Desktop 走一次性浏览器 OAuth，Cursor 必须用 Comfy Cloud API 密钥（暂无 OAuth），无浏览器客户端的设备码 OAuth 流程官方说在计划中。

另外三个高频疑问，官方 FAQ 也有现成答案。一，斜杠命令在 Claude Desktop 里不可用——那是 Claude Code 插件的功能，Desktop 端用大白话或提示词选择器。二，输入 /comfy 或 /cloud 没有反应——没有这两个命令，正确前缀是 /comfy-cloud:（插件方式）或 /mcp__comfy-cloud__（裸连接方式），输一半就能看到补全列表。三，登录时浏览器没弹出来——Claude Code 里跑 /mcp 选 comfy-cloud → Authenticate；Claude Desktop 里从 Customize → Connectors 重新打开连接器触发登录。

本文步骤与图片均依据 ComfyUI 官方文档（docs.comfy.org/agent-tools/mcp）整理，版权归原作者所有；服务处于公开测试期，具体细节以官方页面为准。