AI Agent + 本地 ComfyUI 无头模式实战：关闭 IDE 后 AI 独立重启并完成图文生成

love530love2026-07-05 9:24

AI Agent + 本地 ComfyUI 无头模式实战：关闭 IDE 后 AI 独立重启并完成图文生成

当 PyCharm 关闭、进程全部杀死、所有 IDE 依赖消失 ------ AI 助手还能否独立启动 ComfyUI 并完成出图？本文记录一次完整的无头模式测试，以及后续修复 comfyui_restart 超时问题的全过程
Comfy MCP 公测：把 Claude、Cursor、CodeX、Hermes 和 WorkBuddy 变成你的创意技术专家
Comfy Cloud MCP Server 抢先体验申请图文教程
QClaw 配置 Comfy Cloud MCP，只需简单几步
WorkBuddy 接入 Comfy Cloud MCP 完整实录：从 DNS 污染到 31 个工具全部启用
WorkBuddy + 本地 Comfy MCP 实战：用自然语言调生成你的第一张 AI 图片
WorkBuddy 连接本地 ComfyUI：从零到出图的保姆级教程
WorkBuddy + 本地 ComfyUI Wan2.1 文生视频实战：从连续报错到成功出片的完整踩坑记录
WorkBuddy + 本地 ComfyUI 完全使用手册：从出图到视频生成
WorkBuddy + 本地 ComfyUI MCP：免订阅费的自建方案
ComfyUI MCP 115 工具全景解析：你的 AI Agent 到底能做什么
AI Agent + PyCharm MCP 连接器配置与自定义 ComfyUI 执行器实战

一、什么是"无头模式"？

在常规 ComfyUI 工作流中，你需要：

  1. 打开 PyCharm / VS Code（或终端）
  2. 激活 .venv 虚拟环境
  3. 执行 python main.py 启动 ComfyUI
  4. 打开浏览器访问 http://127.0.0.1:8188 拖拽节点

无头模式（Headless Mode） 指的是：

  • ComfyUI 只运行 API 服务，不需要浏览器界面
  • AI 助手通过 REST API 提交工作流 JSON，轮询结果
  • 不依赖任何 IDE（PyCharm / VS Code）保持运行
  • 所有操作通过 MCP 连接器或脚本完成

这在以下场景非常有用：

场景 说明
服务器部署 无 GUI 的 Linux 服务器上运行 ComfyUI
自动化流水线 CI/CD 中自动生成图片/视频
远程调用 AI 助手独立操作，不需要人工值守
资源优化 关闭 IDE 释放内存，让 GPU 全力用于推理

二、测试背景：三层 MCP 连接器

经过前期的配置（详见文章 10），我有三个 MCP 连接器：

复制代码 
┌─────────────────────────────────────────────────────────┐
│                    WorkBuddy (AI 助手)                    │
├───────────┬───────────────┬───────────────────────────────┤
│ comfyui-  │   pycharm     │      comfyui-runner           │
│ local     │   (SSE)       │      (stdio)                  │
│           │               │                               │
│ npx 进程  │ PyCharm 内置   │ 自定义 Python MCP 服务器       │
│ :9100     │ :64462        │ WorkBuddy 直接 spawn           │
│           │               │                               │
│ 115 工具  │ 48 子命令     │ 9 工具                         │
├───────────┼───────────────┼───────────────────────────────┤
│ 依赖 npx  │ 依赖 PyCharm  │ 独立运行在 .venv 中             │
│ 进程存活  │ 进程存活      │ 不依赖任何外部进程              │
└───────────┴───────────────┴───────────────────────────────┘

关键问题：如果关闭 PyCharm、杀死所有 npx 进程，哪个连接器还能工作？

答案：只有 comfyui-runner 。它由 WorkBuddy 直接 spawn，运行在 ComfyUI 的 .venv 中，与 PyCharm 和 npx 完全无关。

三、测试准备：清空一切

3.1 关闭 PyCharm

直接关闭 PyCharm 窗口。pycharm MCP 连接器立刻显示失败。

3.2 杀死 MCP 服务器进程

bash

复制代码 
# 查找占用 9100 端口的进程
netstat -ano | findstr :9100
# 杀死
taskkill /F /PID <PID>

comfyui-local 连接器也失败了。

3.3 杀死 ComfyUI 进程

bash

复制代码 
# 查找占用 8189 端口的进程
netstat -ano | findstr :8189
# 杀死
taskkill /F /PID <PID>

ComfyUI 服务停止。

3.4 连接器状态确认

连接器 状态 原因
comfyui-local ❌ 失败 npx 进程被杀
pycharm ❌ 失败 PyCharm 已关闭
comfyui-runner ✅ 在线（9/9 工具） WorkBuddy 直接 spawn

这就是 comfyui-runner 的价值：在任何情况下，只要 WorkBuddy 还活着，它就在。

四、重启 ComfyUI

4.1 首次尝试：comfyui_restart 工具

调用 comfyui_restart 工具：

复制代码 
工具: comfyui_restart
参数: {}

结果：MCP 超时（60 秒）。

原因分析 ：当时的 comfyui_restart 实现有一个致命问题 ------ 它在启动 ComfyUI 后会轮询等待端口就绪（30 次循环 × 2 秒 = 60 秒），而 MCP 协议本身有 60 秒的超时限制。加载 320 个自定义节点需要的时间经常超过 60 秒，导致调用永远超时。

4.2 替代方案：Bash 后台启动

既然 MCP 工具超时，改用 Bash 工具直接后台启动：

bash

复制代码 
cd /h/PythonProjects3/Win_ComfyUI && .venv/Scripts/python.exe main.py \
  --enable-manager \
  --enable-assets \
  --enable-triton-backend \
  --async-offload \
  --enable-dynamic-vram \
  --use-pytorch-cross-attention \
  --port 8189

使用 run_in_background: true 参数，Bash 工具会立即返回 task_id，不等待命令完成。

4.3 验证启动

等待约 30-40 秒后，通过 comfyui-runner 的 comfyui_status 工具检查：

json

复制代码 
{
  "status": "running",
  "port": 8189,
  "version": "0.27.0",
  "python": "3.12.x",
  "pytorch": "2.7.1+cu126"
}

ComfyUI 成功启动！

4.4 端口混淆踩坑

注意 ：8188 端口可能被 Comfyui_Comfly_v2 插件错误占用并返回 404。ComfyUI 实际服务在 8189 端口。comfyui_status 工具会自动扫描 8188/8189/8190 三个端口，找到真正可用的那个。

五、图片生成测试：Z-Image Turbo

5.1 工作流构建

通过 ComfyUI REST API 直接提交工作流 JSON：

json

复制代码 
{
  "1": {
    "class_type": "UNETLoader",
    "inputs": {
      "unet_name": "z_image_turbo_bf16.safetensors",
      "weight_dtype": "default"
    }
  },
  "2": {
    "class_type": "CLIPLoader",
    "inputs": {
      "clip_name": "qwen_3_4b.safetensors",
      "type": "qwen_image"
    }
  },
  "3": {
    "class_type": "VAELoader",
    "inputs": {
      "vae_name": "z-image-ae.safetensors"
    }
  },
  "4": {
    "class_type": "TextEncodeZImageOmni",
    "inputs": {
      "clip": ["2", 0],
      "prompt": "a cute cat sitting on a wooden table, warm sunlight from window, photorealistic, 4K",
      "auto_resize_images": true,
      "vae": ["3", 0]
    }
  },
  "5": {
    "class_type": "EmptyLatentImage",
    "inputs": {
      "width": 1024,
      "height": 1024,
      "batch_size": 1
    }
  },
  "6": {
    "class_type": "KSampler",
    "inputs": {
      "model": ["1", 0],
      "positive": ["4", 0],
      "negative": ["4", 0],
      "latent_image": ["5", 0],
      "seed": 42,
      "steps": 4,
      "cfg": 1.0,
      "sampler_name": "euler",
      "scheduler": "normal",
      "denoise": 1.0
    }
  },
  "7": {
    "class_type": "VAEDecode",
    "inputs": {
      "samples": ["6", 0],
      "vae": ["3", 0]
    }
  },
  "8": {
    "class_type": "SaveImage",
    "inputs": {
      "filename_prefix": "headless_zimage_cat",
      "images": ["7", 0]
    }
  }
}

5.2 关键踩坑：TextEncodeZImageOmni 输出

TextEncodeZImageOmni 节点只输出 1 个 CONDITIONING （索引 0），不像 SDXL 的 CLIPTextEncode 那样分别输出 positive 和 negative。所以 positive 和 negative 都要接到 ["4", 0]。

在 CFG=1.0 的情况下，positive 和 negative 同源，实际上 negative 不起作用。这是 Z-Image Turbo 蒸馏模型的特性。

5.3 API 提交方式

python

复制代码 
import requests, json, time

API = "http://127.0.0.1:8189"

# 提交工作流
r = requests.post(f"{API}/prompt", json={"prompt": workflow})
prompt_id = r.json()["prompt_id"]

# 轮询结果
while True:
    time.sleep(3)
    h = requests.get(f"{API}/history/{prompt_id}").json()
    status = h.get(prompt_id, {}).get("status", {})
    if status.get("completed"):
        outputs = h[prompt_id]["outputs"]
        # 提取图片信息
        for node_id, out in outputs.items():
            for img in out.get("images", []):
                print(f"Generated: {img['filename']}")
        break

5.4 测试结果

指标 结果
启动参数 --use-pytorch-cross-attention（不用 flash attention）
分辨率 1024×1024
采样参数 euler + normal, 4 steps, CFG 1.0, seed 42
耗时 ~113 秒（首次加载模型较慢）
输出文件 headless_zimage_cat_00001_.png
图片质量 猫可识别，局部轻微伪影

对比 ：之前使用 --use-flash-attention 时输出全是噪声。去掉后改用 --use-pytorch-cross-attention，质量大幅改善。

六、视频生成测试：Wan2.1 t2v

6.1 模型链

组件 模型文件 路径
扩散模型 wan2.1_t2v_1.3B_fp16.safetensors models/diffusion_models/
文本编码器 umt5_xxl_fp8_e4m3fn_scaled.safetensors models/clip/
VAE Wan2_1_VAE_bf16.safetensors models/vae/

6.2 节点链

复制代码 
LoadWanVideoT5TextEncoder → WanVideoModelLoader → WanVideoTextEncode
                                                ↓
                                    WanVideoEmptyEmbeds
                                                ↓
                                    WanVideoSampler → WanVideoDecode → VHS_VideoCombine

6.3 API 提交踩坑

通过 REST API 提交时，多个节点有必填参数未在 UI 中显示，需要手动补全：

节点 缺失参数 正确值 说明
WanVideoModelLoader load_device "offload_device" 模型加载位置
WanVideoSampler riflex_freq_index 0 RiFlex 频率索引
VHS_VideoCombine pingpong False 是否正反播放
VHS_VideoCombine save_output True 是否保存到 output 目录

教训 ：通过 API 提交工作流时，不能只看 UI 上的参数，必须通过 /object_info/<node_name> API 查询完整的必填参数列表。

6.4 测试结果

指标 结果
分辨率 480×480
帧数 17 frames
采样参数 euler, 10 steps, CFG 3.5, shift 5.0, seed 42
耗时 ~24 秒
输出文件 headless_wan_cat_00001.mp4
视频质量 低分辨率短视频，猫的轮廓可识别

注意 ：VHS_VideoCombine 节点的输出格式与 SaveImage 不同。submit_workflow 工具返回的 files: [] 不代表失败 ------ 视频文件已经落盘到 output 目录，只是解析逻辑没有处理 VHS 的 gifs 输出格式。用 list_outputs 工具可以确认文件存在。

七、修复 comfyui_restart：DETACHED_PROCESS 方案

7.1 问题根因

原始实现的流程：

复制代码 
1. 停止 ComfyUI（~10s）
2. sleep(2)
3. 通过 _execute_python 启动子进程（~5s）
4. 轮询端口 30 次 × 2s = 60s（等待就绪）
───────────────────────────────────
总计：可能 77s+，超过 MCP 60s 超时

7.2 修复方案

核心思路：启动后立即返回，不等端口就绪。

python

复制代码 
async def _comfyui_restart(args: dict) -> list[TextContent]:
    extra = args.get("extra_args", "")

    # 1. 停止现有 ComfyUI
    stop_result = await _comfyui_stop({})
    await asyncio.sleep(2)

    # 2. 构建启动命令（列表形式，避免 shell 转义问题）
    base_args = [
        "--enable-manager", "--enable-assets", "--enable-triton-backend",
        "--async-offload", "--enable-dynamic-vram",
        "--use-pytorch-cross-attention", "--port", "8189"
    ]
    start_cmd = [str(VENV_PYTHON), "main.py"] + base_args
    if extra:
        start_cmd.extend(shlex.split(extra))

    # 3. 日志文件（覆盖写入）
    log_file = COMFYUI_DIR / "comfyui_runner.log"

    # 4. 完全脱离父进程启动
    creation_flags = 0
    if os.name == "nt":
        creation_flags = (subprocess.DETACHED_PROCESS |
                          subprocess.CREATE_NEW_PROCESS_GROUP)

    with open(log_file, "w", encoding="utf-8") as lf:
        proc = subprocess.Popen(
            start_cmd,
            cwd=str(COMFYUI_DIR),
            stdin=subprocess.DEVNULL,
            stdout=lf,
            stderr=subprocess.STDOUT,
            creationflags=creation_flags,
            env={**os.environ, "PYTHONUTF8": "1"},
        )

    # 5. 立即返回，不等待端口就绪
    return {
        "status": "starting",
        "pid": proc.pid,
        "command": " ".join(start_cmd),
        "log_file": str(log_file),
        "message": "Use comfyui_status to check readiness."
    }

7.3 关键改进点

改进 旧实现 新实现
启动方式 _execute_python → 子进程 → 子子进程 直接 subprocess.Popen
进程脱离 CREATE_NEW_PROCESS_GROUP `DETACHED_PROCESS
日志 DEVNULL（丢弃） 写入 comfyui_runner.log（可排查）
等待就绪 轮询 60s（超时） 立即返回（调用方自行轮询）
命令格式 shell 字符串（转义地狱） 列表（无转义问题）
总耗时 77s+（超时） ~12s（停止+启动）

7.4 Windows 进程脱离原理

复制代码 
DETACHED_PROCESS (0x00000008)
  → 子进程不继承父进程的控制台
  → 即使父进程退出，子进程继续运行

CREATE_NEW_PROCESS_GROUP (0x00000200)
  → 创建新的进程组
  → Ctrl+C 信号不会传递到子进程
  → 适合后台服务

两个标志组合使用，确保 ComfyUI 进程完全独立于 MCP 服务器进程。

7.5 使用方式

修复后的调用流程：

复制代码 
步骤 1: comfyui_restart()
  → 立即返回 {"status": "starting", "pid": 12345}

步骤 2: 等待 30-40 秒（让 ComfyUI 加载 320 个节点）

步骤 3: comfyui_status()
  → 返回 {"status": "running", "port": 8189, "version": "0.27.0"}

如果 status 仍为 "not_running"，查看日志：
  read_file(path="comfyui_runner.log")

八、无头模式完整工作流

以下是修复后，AI 助手在无头模式下的完整操作链路：

复制代码 
用户: "帮我重启 ComfyUI 并生成一张猫的图片"

AI 助手:
  1. comfyui_restart()
     → {"status": "starting", "pid": 12345}

  2. (等待 30 秒)

  3. comfyui_status()
     → {"status": "running", "port": 8189} ✓

  4. submit_workflow(workflow_json=..., timeout=120)
     → {"status": "completed", "images": [{"filename": "cat_00001_.png"}]}

  5. list_outputs(count=5)
     → 确认文件存在

  全程无需打开浏览器，无需 PyCharm，无需人工干预

九、总结：无头模式的能力边界

能做到的

能力 实现方式
启动 ComfyUI comfyui_restart（DETACHED_PROCESS）
停止 ComfyUI comfyui_stop（端口扫描 + taskkill）
检查状态 comfyui_status（REST API 探测）
提交工作流 submit_workflow（POST /prompt + 轮询 /history）
查看输出 list_outputs（扫描 output 目录）
读取日志 read_file（读取 comfyui_runner.log）
执行任意 Python execute_python（在 .venv 中运行）
执行 Shell 命令 execute_shell（自动替换 python 路径）

做不到的

限制 原因
打开浏览器界面 无头模式不启动 GUI
拖拽节点编辑工作流 需要浏览器前端
安装自定义节点 外科手术式安装需要人工审查依赖（安全准则）
启动 PyCharm GUI 应用，沙箱无法启动

最佳实践

  1. 首次启动用 Bash 后台 ：如果 comfyui_restart 的 MCP 连接器刚重启过，用 Bash run_in_background 更可靠
  2. 后续重启用 comfyui_restart：修复后的版本已经稳定，支持 DETACHED_PROCESS
  3. 始终检查状态 ：启动后用 comfyui_status 确认端口就绪，再提交工作流
  4. 日志是最后防线 ：如果启动失败，read_file(path="comfyui_runner.log") 查看 ComfyUI 的完整启动日志
  5. 工作流参数要完整 ：通过 API 提交时，用 /object_info/<node> 查询所有必填参数，不要只看 UI

附录：启动参数说明

bash

复制代码 
python main.py \
  --enable-manager \              # 启用 ComfyUI Manager
  --enable-assets \               # 启用 Asset Seeder 分布式模型分发
  --enable-triton-backend \       # 启用 comfy-kitchen triton 后端
  --async-offload \               # 异步模型卸载（节省显存）
  --enable-dynamic-vram \         # 动态 VRAM 管理
  --use-pytorch-cross-attention \ # 使用 PyTorch 原生注意力（兼容性最好）
  --port 8189                     # 指定端口（避免 8188 冲突）

不要用 --use-flash-attention：与 Z-Image Turbo 等模型不兼容，会导致输出全噪声。

本文为 ComfyCloudMCP 系列第 11 篇文章

上一篇：PyCharm MCP 连接器配置与自定义 ComfyUI 执行器实战

环境：Windows 11 + ComfyUI v0.27.0 + Python 3.12 + PyTorch 2.7.1+cu126 + RTX 3090

相关推荐
FriendshipT1 小时前
Ultralytics：解读Attention模块
人工智能·pytorch·python·深度学习·目标检测
生活爱好者！1 小时前
AI加持的笔记工具，比备忘录好用，NAS一键部署blinko
人工智能·笔记
IT_陈寒1 小时前
SpringBoot自动配置没生效？你可能漏了这个注解
前端·人工智能·后端
SilentSamsara2 小时前
模型部署方案选型：REST/gRPC/批量推理/边缘部署的场景决策
人工智能·深度学习·算法·机器学习
多年小白2 小时前
第八篇 模拟面试套卷
人工智能·ai·面试·职场和发展
许彰午2 小时前
73_Python爬虫Scrapy框架入门
爬虫·python·scrapy
thubier（段新建）2 小时前
OWTB 3PL 核心主流程与行业落地方案
大数据·人工智能
@realXuan2 小时前
人工智能AI编程 Agent 入门系列教程之 Claude Code 是什么
人工智能·python·ai编程
智脑API平台2 小时前
告警太多等于没告警：DevOps 用 Claude Code 做日志归因和发布复盘
运维·人工智能·devops·codex
热门推荐
012026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf02GitHub 镜像站点03AI科技热点日报 | 2026年07月01日04【AI】2026 年具身智能模型和世界模型总结052026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？062026 年 AI 大模型 & AI 编程工具实战全总结072026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？08Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析09Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费102026 AI 编程工具选型横评：Cursor / Claude Code / Trae / Copilot 到底选谁（建议收藏·避坑版）