是的，ComfyUI 完全可以脱离其可视化界面，仅通过纯 Python 代码进行调用和交互。这本质上是通过其提供的 Web API 接口，以编程方式提交工作流（workflow）并获取生成结果。其核心流程是：将可视化界面中构建的工作流导出为 JSON 文件，然后通过 Python 脚本向 ComfyUI 的 HTTP API 发送这个 JSON 数据来触发执行，并轮询或通过 WebSocket 获取生成结果[ref_1][ref_2]。 以下是使用纯 Python 代码调用 ComfyUI 的详细步骤和示例： #### 1. 准备工作与环境配置 首先，确保你的 ComfyUI 服务正在运行（无论是本地还是远程服务器），并且已开启 `--enable-cors-header` 参数以允许跨域请求，这对于 API 调用是必要的。同时，你需要在可视化界面中构建并测试一个可用的工作流，然后将其导出为 JSON 文件（例如 `my_workflow.json`）。 #### 2. 核心 API 接口 ComfyUI 主要提供以下几个关键的 HTTP API 端点用于编程式交互： | 接口路径 | 方法 | 用途 | | :--- | :--- | :--- | | `/api/v1/prompt` | POST | 提交工作流 JSON 数据，触发执行。 | | `/api/v1/history/{prompt_id}` | GET | 根据 `prompt_id` 查询特定任务的历史记录和输出。 | | `/api/v1/history` | GET | 获取最近的任务历史记录。 | | `/api/v1/queue` | GET | 获取当前队列中的任务。 | #### 3. 完整 Python 调用示例 以下是一个完整的 Python 脚本示例，演示了如何提交任务并同步获取生成的图片。 ```python import requests import json import time import uuid import os # 配置 ComfyUI 服务器地址 SERVER_ADDRESS = "http://127.0.0.1:8188" # 默认端口通常是 8188 def load_workflow(json_file_path): """加载工作流 JSON 文件""" with open(json_file_path, 'r', encoding='utf-8') as f: workflow_data = json.load(f) return workflow_data def queue_prompt(prompt_data): """提交生成任务到 ComfyUI""" url = f"{SERVER_ADDRESS}/api/v1/prompt" payload = {"prompt": prompt_data} try: response = requests.post(url, json=payload) response.raise_for_status() # 检查请求是否成功 return response.json() except requests.exceptions.RequestException as e: print(f"提交任务失败: {e}") return None def get_history(prompt_id): """根据 prompt_id 查询任务历史以获取输出""" url = f"{SERVER_ADDRESS}/api/v1/history/{prompt_id}" try: response = requests.get(url) response.raise_for_status() return response.json() except requests.exceptions.RequestException as e: print(f"查询历史失败: {e}") return None def download_image(image_url, save_path): """下载图片到本地""" try: response = requests.get(image_url) response.raise_for_status() with open(save_path, 'wb') as f: f.write(response.content) print(f"图片已保存至: {save_path}") return True except requests.exceptions.RequestException as e: print(f"下载图片失败: {e}") return False def main(): # 1. 加载工作流 workflow_json = load_workflow("my_workflow.json") # 2. 提交任务 print("正在提交任务到 ComfyUI...") submit_result = queue_prompt(workflow_json) if not submit_result: return prompt_id = submit_result.get('prompt_id') if not prompt_id: print("未获取到有效的 prompt_id。") return print(f"任务提交成功，prompt_id: {prompt_id}") # 3. 轮询等待任务完成并获取结果 print("等待任务执行...") max_attempts = 30 # 最大轮询次数，防止无限等待 for i in range(max_attempts): time.sleep(2) # 每2秒查询一次 history = get_history(prompt_id) if history and prompt_id in history: outputs = history[prompt_id].get('outputs') if outputs: # 假设我们获取第一个节点的第一个图像输出 for node_id, node_output in outputs.items(): if 'images' in node_output: for image_info in node_output['images']: filename = image_info.get('filename') subfolder = image_info.get('subfolder', '') # 构建图片访问URL（ComfyUI 的静态文件路径） image_url = f"{SERVER_ADDRESS}/view?filename={filename}&subfolder={subfolder}" save_path = os.path.join("output", filename) os.makedirs("output", exist_ok=True) # 下载图片 download_image(image_url, save_path) break # 获取到结果后退出循环 print(f"第{i+1}次查询，任务尚未完成...") else: print("任务执行超时。") if __name__ == "__main__": main() ``` #### 4. 进阶：动态修改工作流参数 在实际应用中，经常需要批量生成图片，即固定工作流结构但动态修改提示词（prompt）等参数。这可以通过直接操作加载后的 JSON 对象来实现[ref_2]。 ```python def modify_prompt_in_workflow(workflow_data, target_node_title, new_prompt): """ 动态修改工作流中特定节点的提示词。 :param workflow_data: 加载的工作流JSON对象 :param target_node_title: 要修改的节点标题（在UI中显示的标题） :param new_prompt: 新的提示词文本 """ for node_id, node_info in workflow_data.items(): # 通过节点的 'title' 或 '_meta' 中的 'title' 字段来定位 if isinstance(node_info, dict): node_title = node_info.get('_meta', {}).get('title') if '_meta' in node_info else None if node_title == target_node_title: # 假设提示词存储在节点的 'inputs' 下的 'text' 字段中（常见于CLIP Text Encode节点） if 'inputs' in node_info and 'text' in node_info['inputs']: node_info['inputs']['text'] = new_prompt print(f"已修改节点 '{target_node_title}' 的提示词为: {new_prompt}") break return workflow_data # 使用示例 workflow = load_workflow("my_workflow.json") modified_workflow = modify_prompt_in_workflow(workflow, "CLIP Text Encode (Positive)", "a beautiful sunset over mountains") # 然后使用 modified_workflow 提交任务 ``` #### 5. 关键注意事项 * **节点定位**：动态修改工作流的关键在于准确定位目标节点。除了 `_meta.title`，更可靠的方式是使用节点的 `class_type`（如 `"CLIPTextEncode"`）结合其在工作流中的唯一性来定位。 * **异步与WebSocket**：对于长时间任务，上述轮询方式可能不够高效。ComfyUI 也支持 WebSocket 接口 (`/ws`)，可以实时接收任务进度和完成事件，适合需要即时反馈的场景[ref_1]。 * **错误处理**：在生产环境中，需要增强网络请求、JSON解析、文件操作等环节的错误处理与重试机制。 * **性能**：通过API调用可以轻松实现批量生成、集成到自动化流水线或Web后端服务（例如，使用Spring Boot调用上述Python脚本[ref_3]），从而充分利用计算资源。 综上所述，通过纯 Python 代码调用 ComfyUI 的 API 是完全可行且强大的方式，它实现了与可视化界面等同的生成能力，并赋予了工作流自动化、批量处理和系统集成的灵活性。