ComfyUI Agent Skill：让AI智能体驾驭复杂图像生成工作流

本项目提供了一个CLI工具，使AI智能体能够通过本地ComfyUI服务器执行注册的工作流，并返回结构化JSON输出，打通了大语言模型与专业图像生成 pipeline 之间的壁垒。

当前AI领域呈现两个并行发展的趋势：一方面，大语言模型（LLM）驱动的AI智能体（Agent）在理解意图、规划任务、调用工具方面展现出强大能力；另一方面，以Stable Diffusion、Flux等为代表的图像生成模型通过ComfyUI这样的节点式工作流工具实现了高度精细化的视觉创作控制。

然而，这两个领域之间存在明显的协作鸿沟。智能体通常只能调用简单的文生图API，无法充分利用ComfyUI提供的复杂工作流能力——包括多模型串联、ControlNet姿态控制、IP-Adapter风格迁移、视频生成等高级功能。反过来，ComfyUI用户也需要手动构建和调整工作流，缺乏智能体的自主规划能力。

ComfyUI Agent Skill 项目由MieMieeeee开发，旨在弥合这一鸿沟。它提供了一个命令行接口（CLI），使AI智能体能够通过本地ComfyUI服务器执行预注册的工作流，并以结构化JSON格式返回执行结果。这意味着智能体现在可以"理解"图像生成任务，并将其转化为具体的ComfyUI操作。

• 工作流注册与管理：将复杂的ComfyUI工作流注册为可被智能体调用的技能
• 参数动态注入：智能体可以通过CLI参数动态修改工作流中的变量（如提示词、种子值、模型选择）
• 结构化输出：执行结果以JSON格式返回，包含生成的图像路径、元数据、执行日志等
• 本地优先设计：所有处理在本地ComfyUI服务器完成，保护用户隐私和数据安全

ComfyUI的核心优势在于其灵活的节点式工作流系统，但这也意味着工作流文件（通常是JSON格式）结构复杂、难以直接操作。项目通过工作流抽象层解决了这一问题：

1. 模板化：将工作流中的可变部分（如提示词输入、模型选择、ControlNet参数）抽取为模板变量
2. 参数映射：定义清晰的参数接口，将智能体友好的命名映射到ComfyUI节点的具体字段
3. 验证机制：在执行前验证参数合法性，避免因无效输入导致的工作流失败

项目提供的CLI设计遵循Unix哲学，简洁而强大：

comfyui-agent-skill run \
  --workflow portrait-enhancement \
  --prompt "一位穿着西装的商务人士肖像" \
  --style "professional" \
  --output-format json

CLI负责与本地ComfyUI服务器的API通信，提交工作流，监控执行进度，并在完成后解析输出。这种设计使得任何能够执行系统命令的智能体框架都可以轻松集成。

在实际应用中，智能体与ComfyUI Agent Skill的协作通常遵循以下模式：

1. 意图理解：智能体解析用户请求，识别图像生成需求
2. 工作流选择：根据任务类型（肖像、风景、产品设计、视频等）选择合适的工作流模板
3. 参数生成：智能体将自然语言描述转换为工作流参数（如将"梦幻风格"映射为特定的LoRA组合）
4. 执行调用：通过CLI触发工作流执行
5. 结果处理：解析返回的JSON，提取图像路径，可能进行后处理（如压缩、上传、展示）
6. 迭代优化：根据生成结果和用户反馈，智能体可以调整参数重新生成

想象一个电商运营场景：运营人员向智能体描述"我需要一张展示新款运动鞋在户外跑步场景的图片，要有动感，背景是城市公园"。智能体可以：

• 选择适合的产品展示工作流
• 设置ControlNet确保产品形态准确
• 配置背景生成参数
• 调用ComfyUI执行生成
• 返回结果供运营人员审核

整个过程无需运营人员了解ComfyUI的复杂操作。