Installez un serveur MCP ComfyUI pour que Claude puisse mettre en file et lancer vos flux de travail locaux depuis une fenêtre de chat. Découvrez en quoi les serveurs officiel et communautaire diffèrent, les commandes d’installation exactes, les limites matérielles, les règles de sécurité et une solution de secours hébergée pour les journées chargées.
Imaginez taper une seule phrase dans Claude, aller dans la cuisine et revenir devant un dossier de rendus terminés produits par la carte graphique posée sous votre bureau. Pas de file d’attente d’import, pas de frais par image, et aucun prompt ne quitte votre réseau. C’est la promesse d’un serveur MCP ComfyUI. Il se place entre Claude et votre installation locale de ComfyUI, pour que l’assistant puisse lister vos nœuds, valider un flux de travail, le mettre en file, attendre la tâche et restituer le résultat, le tout depuis une fenêtre de chat classique. Cet article montre comment les éléments s’articulent, quels serveurs existent aujourd’hui, les commandes exactes pour en installer un, et les pièges qui font perdre une après-midi. Toutes les commandes et tous les noms d’outils ci-dessous proviennent de la documentation des projets eux-mêmes, vérifiée le 6 octobre 2026. Ouvrez le README du serveur que vous choisissez avant de copier quoi que ce soit, car ces projets évoluent vite.
ComfyUI est un éditeur à base de nœuds pour les pipelines de diffusion. Vous reliez un chargeur de checkpoint, un encodeur de texte, un sampler et un nœud de sauvegarde, puis vous lancez la mise en file. Le graphe peut être enregistré en JSON, et c’est ce détail qui rend l’ensemble scriptable. MCP, le Model Context Protocol, est le standard ouvert qui permet à un client d’IA comme Claude Code ou Claude Desktop d’appeler des outils externes. Un serveur MCP ComfyUI enveloppe votre ComfyUI local dans un ensemble d’outils nommés que Claude peut appeler de lui-même.
La première utilisation surprend, car vous cessez de glisser des nœuds et vous commencez à décrire l’intention. Claude lit ce que contient réellement votre installation, choisit un flux de travail pertinent, remplit le prompt et le lance.
| Critère | ComfyUI local via MCP | API d’images hébergée |
|---|---|---|
| Coût par image | Électricité, une fois le matériel acheté | Facturation par image ou par seconde |
| Confidentialité | Les prompts et les sorties restent sur votre machine | Les prompts transitent chez un tiers |
| Nœuds personnalisés et LoRA | Tout ce que vous pouvez installer | Seulement ce que le fournisseur propose |
| Vitesse sur un GPU puissant | Quelques secondes, sans file partagée | Dépend de la charge du fournisseur |
| Effort d’installation | Réel, prévoyez une après-midi | Quelques minutes |
| Utilisation hors ligne | Génération d’images oui, Claude lui-même non | Non |
💡 Astuce : Local ne veut pas dire gratuit. L’électricité, l’usure du matériel et les heures passées à maintenir des nœuds personnalisés sont des coûts réels. Cela se rentabilise si vous générez souvent, si vous avez besoin de confidentialité, ou si vous dépendez d’un nœud personnalisé ou d’un LoRA qu’aucun service hébergé ne propose.
Trois programmes collaborent, et il est utile de les distinguer mentalement quand quelque chose casse.
You (chat) -> Claude client -> MCP server -> ComfyUI (127.0.0.1:8188) -> GPU
|
v
output folder -> Claude reads the result
Le client Claude (Claude Code ou Claude Desktop) démarre le serveur MCP ou s’y connecte, et reçoit sa liste d’outils. Le serveur MCP communique avec ComfyUI, qui écoute par défaut sur le port 8188. Le README du serveur communautaire suggère de tester cette connexion avec curl http://localhost:8188/system_stats avant d’accuser quoi que ce soit d’autre. Si cet appel échoue, aucun paramètre MCP ne réglera le problème.
Plusieurs serveurs MCP pour ComfyUI existent. Deux méritent d’être connus : le serveur officiel de l’équipe Comfy et un serveur communautaire populaire construit autour de fichiers de flux de travail. Une troisième option, comfy-mcp-server de lalanikarim, adopte une approche plus légère et vaut un coup d’œil si vous n’avez besoin que d’appels texte vers image de base.
La documentation de Comfy présente comfy-local-mcp comme la voie officielle pour piloter une installation locale de ComfyUI depuis des agents d’IA. Il s’installe depuis PyPI sous le nom comfy-mcp et expose un script de console portant le même nom.
Ce dont vous avez besoin au préalable :
comfy-cli version 1.14.0 ou ultérieure dans votre PATHcomfy launchSes outils documentés incluent server_info, run_workflow, job_status, wait_for_job, fetch_outputs, launch_comfyui, stop_comfyui, search_templates, search_nodes, get_node, list_nodes, search_models et validate_workflow. Deux remarques de la documentation comptent. Le serveur lit votre installation en direct, nœuds personnalisés compris, pour que Claude voie ce que vous avez réellement. Et les modèles partenaires qui passent par ComfyUI consomment quand même des crédits cloud, même si le graphe s’exécute en local.
Le projet communautaire comfyui-mcp-server, publié sur GitHub par joenorton, adopte une autre approche. Vous déposez des fichiers JSON de flux de travail dans un dossier workflows/, et chaque fichier devient un outil appelable. Il fonctionne comme son propre service HTTP, par défaut à http://127.0.0.1:9000/mcp, et nécessite Python 3.8 ou plus récent ainsi qu’un ComfyUI local.
| Groupe | Outils |
|---|---|
| Génération | generate_image, generate_song, regenerate |
| Affichage | view_image |
| Tâches | get_queue_status, get_job, cancel_job |
| Ressources | list_assets, get_asset_metadata |
| Configuration | list_models, get_defaults, set_defaults |
| Flux de travail | list_workflows, run_workflow |
| Publication | get_publish_info, set_comfyui_output_root, publish_asset |
Choisissez le serveur officiel si vous voulez que Claude inspecte les nœuds, recherche des modèles et valide des graphes. Choisissez le serveur communautaire si vous avez déjà des fichiers de flux de travail mis au point et voulez que chacun se comporte comme un bouton.
Suivez les étapes dans l’ordre, et testez chaque couche avant d’ajouter la suivante.
Une fois ComfyUI et comfy-cli déjà opérationnels, installez le serveur et enregistrez-le en une seule commande :
pip install comfy-mcp
comfy launch
claude mcp add comfy-mcp -e COMFY_BIN=/path/to/venv/bin/comfy -- comfy-mcp
COMFY_BIN pointe vers l’exécutable comfy situé dans l’environnement virtuel où se trouve comfy-cli. Un mauvais chemin ici est la cause la plus fréquente pour laquelle le serveur démarre puis ne peut rien faire.
Pour Claude Desktop, ajoutez le serveur à claude_desktop_config.json :
{
"mcpServers": {
"comfy-mcp": {
"command": "comfy-mcp",
"env": { "COMFY_BIN": "/path/to/venv/bin/comfy" }
}
}
}
Redémarrez complètement l’application après avoir enregistré. Un redémarrage partiel conserve l’ancienne liste d’outils.
git clone https://github.com/joenorton/comfyui-mcp-server.git
cd comfyui-mcp-server
pip install -r requirements.txt
python main.py --port 8188 # run inside your ComfyUI folder
python server.py # run inside the MCP server folder
Ensuite, ajoutez un fichier .mcp.json à la racine de votre projet :
{
"mcpServers": {
"comfyui-mcp-server": {
"type": "streamable-http",
"url": "http://127.0.0.1:9000/mcp"
}
}
}
Redémarrez votre client d’IA, et les outils devraient apparaître.
Avec le serveur communautaire, exposer un graphe demande trois réflexes. Exportez le flux de travail au format API, remplacez les valeurs que vous voulez que Claude contrôle par des placeholders, puis enregistrez-le dans workflows/. Le nom du fichier devient le nom de l’outil, donc product_shot.json est appelable sous le nom product_shot.
| Placeholder | Devient |
|---|---|
PARAM_PROMPT | Un paramètre de type chaîne obligatoire |
PARAM_INT_STEPS | Un entier facultatif, comme le nombre de steps du sampler |
PARAM_FLOAT_CFG | Un flottant facultatif, comme le guidance scale |
Les valeurs par défaut peuvent être stockées dans ~/.config/comfy-mcp/config.json, dans des variables d’environnement COMFY_MCP_DEFAULT_*, ou modifiées à l’exécution via l’outil set_defaults.
La mémoire vidéo détermine ce que vous pouvez faire tourner, bien plus que la vitesse brute. En première approximation, les anciens checkpoints de la famille Stable Diffusion tournent sur des cartes modestes, les checkpoints de type SDXL fonctionnent confortablement avec environ 8 Go, et les modèles plus grands comme les checkpoints de style Flux Dev demandent en général 12 Go ou plus, sauf si vous utilisez une version quantifiée. Vérifiez la fiche de chaque checkpoint, car ces chiffres changent à chaque version. La couche MCP ajoute presque aucune charge. Claude et le serveur sont légers, et c’est le GPU qui fait le travail.
Une installation de ComfyUI avec des nœuds personnalisés peut exécuter du Python arbitraire. C’est acceptable sur votre propre machine, et risqué ailleurs, donc suivez trois règles :
Si vous voulez accéder à la machine depuis une autre pièce, utilisez un VPN ou un tunnel SSH plutôt que d’ouvrir des ports. L’étagère de la photo ci-dessus convient parfaitement : un petit boîtier toujours allumé, branché en filaire, vaut mieux qu’un portable en Wi-Fi.
La plupart des pannes relèvent de quatre cas :
comfy launch ou python main.py --port 8188, puis relancez system_stats.validate_workflow, puis utilisez search_nodes et search_models pour trouver ce qui manque. Installez le pack de nœuds, redémarrez ComfyUI et réessayez.💡 Astuce : Demandez à Claude le texte exact de l’erreur renvoyée par la tâche, et non un résumé. Les messages d’erreur de ComfyUI nomment le nœud en échec, ce qui transforme une panne floue en correction de dix secondes.
Commencez avec un graphe auquel vous faites déjà confiance, pour que tout problème pointe vers la configuration MCP et non vers un pipeline à moitié construit. Un flux de travail texte vers image basique, avec un seul checkpoint, est le bon premier test. Une fois qu’il fonctionne depuis le chat, passez aux graphes qui étaient pénibles à piloter à la main.
C’est là que le chat l’emporte sur un éditeur de nœuds. Vous pouvez dire : « Générez six versions de ce produit sur un fond en lin, ne changez que la direction de la lumière, et gardez le seed fixe pour les trois premières. » Claude règle les paramètres, met les tâches en file, attend et liste les fichiers. Avec les outils regenerate et get_queue_status du serveur communautaire, vous pouvez aussi demander une variation supplémentaire d’un résultat précis sans rien reconstruire.
De bons premiers lots :
Une personne construit et règle un graphe, l’enregistre comme flux de travail nommé, et chacun le déclenche avec une phrase. Personne d’autre n’a besoin de savoir quel sampler ou quel poids de LoRA se cache dedans. Placez le dossier des flux de travail sous contrôle de version, et l’équipe partage un style comme elle partage du code.
Les images fixes peuvent aussi devenir des vidéos. Un rendu issu de votre pipeline local peut passer dans Wan 2.7 I2V pour animer une seule photo, et Seedance 2.0 produit des clips texte vers vidéo avec audio intégré lorsque vous partez de mots plutôt que d’une image.
Les machines locales tombent parfois en panne. Le GPU est occupé par un long batch, vous êtes loin de votre bureau, ou vous avez besoin d’un contrôle par image de référence sans télécharger de checkpoint. Garder une solution de secours hébergée signifie qu’une échéance ne dépend jamais d’une seule machine. Flux 2 Pro génère à partir du texte seul ou à partir de jusqu’à huit photos de référence, avec une sortie allant jusqu’à 4 MP.
Comment utiliser Flux 2 Pro sur PicassoIA
custom et saisissez une largeur et une hauteur en multiples de 32.| Réglage | Options | Par défaut |
|---|---|---|
| Format | 1:1, 16:9, 3:2, 2:3, 4:5, 5:4, 9:16, 3:4, 4:3, personnalisé, identique à l’image d’entrée | 1:1 |
| Résolution | 0,5 MP, 1 MP, 2 MP, 4 MP, identique à l’image d’entrée | 1 MP |
| Format de sortie | WebP, JPG, PNG | WebP |
| Qualité de sortie | De 0 à 100 | 80 |
| Tolérance de sécurité | De 1 (strict) à 5 (permissif) | 2 |
💡 Astuce : Commencez par rédiger vos prompts avec un grand modèle de langage. Claude Sonnet 5 sur PicassoIA peut transformer une idée approximative en trois variantes de prompt, que vous pouvez tester sur Flux 2 Pro ou dans votre ComfyUI local pour voir quelle formulation préfère chaque pipeline.
Vous avez maintenant la vue d’ensemble : Claude comme interface, un serveur MCP comme traducteur, ComfyUI comme moteur, et votre GPU comme usine. Configurez-le une fois, et une seule phrase remplace vingt minutes de câblage de nœuds.
Avant de passer une après-midi sur la configuration, prenez toutefois dix minutes pour voir ce que font les meilleurs modèles hébergés avec vos prompts. Ouvrez Picasso IA, essayez Flux 2 Pro ou Seedream 4.5, et écrivez le prompt que vous enverriez à votre installation locale. Comparez les deux résultats côte à côte. Vous verrez vite quelles tâches méritent votre propre GPU et lesquelles sont plus rapides en ligne. Parcourez ensuite le catalogue complet sur picassoia.com/en/all-models, choisissez un modèle et créez vos propres images dès aujourd’hui.
Choisissez votre langue
