Comfy Agent：ComfyUI 官方内置的自然语言工作流搭建助手

一、Comfy Agent 是什么

Comfy Agent 是 ComfyUI 官方内置的应用内 AI 智能体（In-App Agent），直接嵌入在 ComfyUI 画布界面中。你不需要写代码、不需要手动拖拽连线，只要用自然语言描述想要做什么，它就会自动理解需求、规划节点拓扑、在画布上搭建并运行完整的 ComfyUI 工作流。

根据 Comfy 官方文档，Comfy Agent 与 Comfy MCP、Comfy CLI 是三个相互独立的产品形态：MCP 负责把外部 AI 客户端接到 Comfy，CLI 面向终端脚本场景，而 Comfy Agent 就活在 ComfyUI 界面里，边看画布边对话式创作。

当前可用状态：

• Comfy Cloud（云端）：已全面正式可用，注册 Comfy 账号即可使用，无需安装本地包。

• Comfy Desktop（本地桌面版）：尚未发布，官方开放候补名单，上线后将支持调用本地 GPU、自有模型和自定义节点。

二、功能特色

Comfy Agent 围绕"对话式工作流工程"这一核心，提供了一整套从理解到执行的闭环能力：

1. 环境感知与检索：自动查找当前 ComfyUI 环境中可用的模板、模型和节点清单，不会盲目使用你机器上根本没装的模型。

2. 模板优先的工作流构建：从零搭建新工作流时，它会先搜索匹配的官方模板（模板包含连通的节点图和输出节点），再在模板基础上自定义提示词与参数，而不是从孤立节点硬拼。

3. 局部编辑不破坏全局：修改现有工作流时，你可以明确说"保留模型和采样器设置，只把提示词改成水彩风景"，Agent 只改动指定部分，不动其余连线。

4. 节点级精确操作：支持添加、连接、配置和移除节点，包括"在图像生成后加一个放大阶段""把工作流切换为 Flux 模型"这类结构性改动。

5. 运行前自动校验：正式跑图前会检查节点连接、模型名称、必填参数和输出节点，把"工作流本身的错误"和"还缺用户输入的图片/视频"区分开，减少无效报错。

6. 多媒体理解与处理：能查看图片内容与尺寸，读取视频的时长、分辨率、帧率、编码格式，读取音频的时长与音轨信息；支持裁剪视频首尾片段、拼接多段视频、把音轨合成到视频中。

7. 并行协作不互锁：Agent 在画布上干活时，你可以同时手动操作画布，不需要干等；也可以同时开多个对话会话，每个会话拥有独立的上下文和历史。

8. 技能（Skills）系统：可以用自然语言把常用操作封装成可复用技能，也能直接调用 Comfy 官方公开技能库中的现成技能。

9. 运行权限分级：消息框旁可切换"询问"（每次运行前需你点确认）或"自动"（直接跑）两种模式，兼顾可控性与效率。

10. 跨工作流对比：Agent 可以读取另一个已打开或已保存的工作流作为参考，例如"把这个工作流和我的肖像素材工作流对比，采样器设置保持一致"。

三、技术细节

底层模型： 官方文档披露 Comfy Agent 当前使用的模型为 Opus 4.8，按 token 计费，输入、缓存写入（5 分钟与 1 小时两档）、缓存命中、输出分别有不同的积分单价。新用户可获得免费初始 token 用于多次试用；之后从与图像生成共享的同一份 Comfy 积分池扣费，账户余额为正即可使用，不强制订阅套餐。

上下文窗口构成： 在一次聊天会话中，Agent 可访问的信息包括：你的消息、当前选中的工作流、选中的节点、附件文件、当前工作流报错；当你要求对比或复用设置时，还可以读取其他已保存的工作流。此外它还能检索当前工作区中已保存的工作流、可用模型、可用节点，以及公共模板工作流和公共/私有技能。

执行流程： 收到自然语言指令 → 检索模板与环境资源 → 在画布上实时增删节点并连线 → 运行前校验节点图 → 按权限模式决定是否需要人工批准 → 提交工作流到 ComfyUI 队列 → 回读输出并在对话中返回图片预览或文件链接。

媒体编辑依赖： 视频裁剪、拼接、音轨合成等操作依赖本机（或云端环境）中已安装的媒体处理工具；云端环境下编辑后的文件会自动存入你的 Comfy 资产库。

数据与隐私： 无论云端还是本地版，Agent 的请求都通过 Comfy 服务网络传输；聊天历史、云端/本地数据流有独立的"数据与隐私"说明文档可查。

四、应用场景

• 新手入门：刚接触 ComfyUI、看不懂节点连线的用户，直接说"帮我搭一个 SDXL 写实人像工作流，1024×1024"，几分钟就能跑通第一张图。

• 快速迭代参数：老用户把反复调参的活交给 Agent——"采样器换成 DPM++ 2M Karras，步数 28，加一个高清修复节点"，一句话完成。

• 工作流移植：把别人分享的 Flux 工作流改造成适配你本地模型的版本，或跨模板复用采样器、VAE 等参数。

• 轻量媒体处理：用对话完成视频前 5 秒裁剪、两段素材拼接、配音轨等小任务，不用另开剪辑软件。

• 团队标准化：把高频操作封装成私有技能，团队成员通过对话调用同一套最佳实践工作流，减少因手动连线导致的版本漂移。

五、使用方法

1. 进入 Comfy Cloud：用 Comfy 账号登录云端 ComfyUI，在界面右侧打开 Agent 面板。

2. 选择目标工作流：用面板中的工作流选择器指定要编辑或新建的画布标签页（Agent 不能自己新建或切换标签页）。

3. 描述需求：在输入框直接用自然语言下达指令，例如：

• "基于文生图模板搭一个工作流，提示词是赛博朋克城市夜景。"

• "在当前工作流后面加 ControlNet OpenPose，把我上传的姿态图接进去。"

• "把这个工作流和我的肖像工作流对比，采样器设置保持一致。"

4. 附加素材：用"附加文件"按钮或直接拖拽图片、视频、音频进对话。

5. 确认运行：权限设为"询问"时，Agent 每次提交工作流前会弹出审批消息，点"运行"才开始跑；设为"自动"则直接执行。

6. 中途干预：点消息框旁的 Stop 可中断 Agent 回复；已提交的工作流在"运行与队列"区域有独立的暂停/取消控制。

7. 反馈问题：Comfy Agent 目前处于测试版，可通过官方反馈链接或 Discord 的 #comfy-agent 频道提交 Bug 与建议。

六、竞品对比

Comfy 官方其实把 Agent 能力拆成了三条产品线，再加上社区里已有的同类工具，选择时可以对照下表理解差异：

简单来说：Comfy Agent 解决的是"我正在画布前，想让 AI 帮我改这一块"；Comfy MCP 解决的是"我想在 Claude / Cursor 里一句话跑 Comfy"；InvokeAI 这类传统节点编辑器则完全不靠对话，全靠手动操作。三者不是互斥关系，可以搭配使用。

七、常见问题解答

Comfy Agent 是免费的吗？

新用户会获得一份免费初始 token，可用于多次体验对话；额度用完后，从与图像生成共享的 Comfy 积分池扣费，账户余额为正即可继续使用，不强制订阅任何套餐。

我现在本地装了 ComfyUI，能用上 Comfy Agent 吗？

暂时不能。Comfy Agent 目前仅在 Comfy Cloud 全面可用；Comfy Desktop 本地版尚未发布，官方提供候补名单订阅，上线后会通知你，届时可直接调用本地 GPU、自有模型和自定义节点。

Agent 在干活的时候，我能自己同时操作画布吗？

可以。官方明确说明 Agent 响应期间你不需要等待，可以继续在画布上手动操作；Agent 基于你当前选中的工作流进行编辑，不会强制你切走。

它能直接读取我上传的图片和视频吗？

能。图片可识别可见内容与尺寸；视频可读取时长、分辨率、帧率、格式；音频可读取时长、格式与音轨。你可以把媒体直接拖进对话，或用"附加文件"按钮上传。

运行工作流每次都要我点确认吗？

不一定。消息框旁有"询问"和"自动"两种权限模式：询问模式下每次跑图前都需要你点"运行"批准；自动模式下 Agent 提交工作流后直接执行。两种模式下 Agent 都可以编辑画布节点。

Comfy Agent 和 Comfy MCP 是同一个东西吗？

不是。Comfy Agent 是 ComfyUI 界面里自带的聊天助手；Comfy MCP 是一套协议，让你在 Claude、Cursor 等外部 AI 客户端里远程驱动 Comfy Cloud 或本地 ComfyUI。两者独立，可配合使用。

它能帮我跑视频生成或音频生成吗？

可以处理图像、视频、音频、3D 等多种模态的输入与输出，也支持视频裁剪、拼接、音轨合成等轻量编辑；但这些媒体处理操作依赖运行环境中已安装的媒体工具。

我发现 Bug 或想提建议怎么办？

Comfy Agent 目前处于测试版，官方提供了专门的反馈表单链接，以及 Discord 服务器中的 #comfy-agent 频道，可以直接提交问题。

八、总结

Comfy Agent 是 ComfyUI 团队把"自然语言编程"思路搬进节点式生成式 AI 工作流的官方落地产品：它不替代你对画布的掌控，而是以一个常驻侧边栏的聊天助手身份，帮你完成模板检索、节点增删、参数调优、运行前校验和多模态素材处理，让原本需要记忆上百个节点名称的 ComfyUI 变得可以"说人话"操作。目前它在 Comfy Cloud 上已正式可用，按 token 与图像生成共享积分计费，本地桌面版仍在候补阶段；对初学者是降低入门门槛的捷径，对老用户则是一个可以封装成私有技能、把重复劳动自动化的协作层。