借助Comfy MCP，Claude Code可以通过自然语言指令操作ComfyUI，用户无需逐个编辑图像生成图中的每个节点。对这一连接的测试不止于生成图像：当一个放大工作流运行失败时，Claude Code找出了缺失的部分，调整了节点图，并重新运行。
连接带来了什么变化
ComfyUI通过相互连接的节点生成图像。提示词先经过文本编码器，工作流随后处理潜在表示（图像的一种中间形态），最后由解码器将其转换为像素。这种结构让用户拥有较强的控制力，但加载工作流时也可能遇到缺少模型的警告、连接断开，或需要处理的节点定义问题。
Comfy MCP采用Model Context Protocol，这是一种让AI智能体与其他应用交互的方式。完成集成后，Claude Code可以检查ComfyUI工作流、修改设置、将生成任务加入队列，并处理执行错误。它还能搭建或修改流水线，并在工作流需要时添加依赖项。实际的变化在于，用户只需描述想要的结果，大部分节点配置工作可以交给智能体处理。
一句简短指令生成两张人像
在最初的测试中，一个关于手持耳机的网红的简短请求，让Claude Code选择了Z-Image Turbo工作流。它把请求扩展为包含光线、背景和皮肤质感等细节的摄影风格提示词，随后在不手动编辑节点的情况下生成了图像。
第二次请求指定了男性人物、红色耳机、16:9画幅和两张图像。Claude Code检查了当前的节点图，把用于设定初始图像尺寸的EmptyLatentImage节点改为1344 × 768像素。它将批次数量设为2，改写了提示词，并把任务加入队列。ComfyUI随后返回了两张各不相同的人像，画面中的男性手持红色头戴式耳机。
▲ 一条指令生成的两张人像
结果表明，一条简短指令即可同时驱动提示词撰写和工作流设置。这些图像并非以影棚级作品的定位展示；Z-Image Turbo用于快速生成，测试的重点在于控制流程能否正常运转。
修复缺失模型与节点错误
难度更高的请求是添加放大器、修改现有工作流并重新运行。放大器是一个处理步骤，可以基于现有图像生成更大的图像。Claude Code发现所需模型尚未安装，于是从Hugging Face下载了约67 MB的模型权重文件 4x-UltraSharp.safetensors，并在输出路径上添加了模型加载节点和图像放大节点。
这一改动在第一次运行时并不顺利。节点图修改后，ComfyUI对节点定义发出了警告。Claude Code通过Comfy MCP检测到执行失败，重新加载了节点定义，调整了连接，并在未手动编辑画布的情况下重新运行了工作流。
▲ 放大步骤的错误修复
从文件属性可以确认，最终图像的尺寸变大了：
| 输出 | 像素尺寸 |
|---|---|
| 放大前 | 1344 × 768 |
| 放大后 | 2688 × 1536 |
关键在于区分智能体处理的两个问题。它先下载了放大步骤缺少的模型，然后处理了工作流变更后出现的节点定义警告。这次重新运行成功，说明本例中实现了修复，但并不能保证所有出错的节点图都能自行修复。
用户仍需考虑的问题
Comfy MCP的配置从官方安装文档开始：把该文档交给Claude Code，请它安装并配置这一集成。之后可以让ComfyUI保持运行，把Claude Code当作文字操作界面。用户无需先找到每个相关节点，就能提出图像尺寸、批次数量或追加处理步骤等要求。
模型在哪里运行依然重要。Flux和Z-Image等开源模型可以在性能足够的本地硬件或租用的GPU上运行，其权重可以下载和定制。在这种配置下，本地生成无需按张支付云端API费用，但仍会消耗电力，也需要合适的硬件。租用GPU则会增加租金。Nano Banana Pro和GPT Image等闭源服务提供更直接的“输入提示词、获得结果”式体验，但其模型权重并未开放，无法在本地定制。
Comfy MCP也可以支持视频生成流水线和批量任务，不过这里介绍的测试生成并放大的都是静态图像。对于正在评估这套方案的人来说，最清晰的起点是一个现有的图像工作流：先让Claude Code生成少量图像，检查输出和设置，再一次只提出一项修改。如果新增节点引发错误，就检查智能体是否找到了缺失模型、是否重新加载了节点定义、是否完成了重新运行。这一流程体现了主要优势：手动处理节点图的工作减少了，但最终输出仍值得亲自检查。