阿里开源全模态融合智能体框架Pixelle MCP，任意comfyui工作流快速封装成MCP，可在大语言模型中直接调用！

阿里开源的 Pixelle-MCP 实现了 ComfyUI 工作流向 LLM 可调用工具的自动转化，可以把任意comfyui工作流快速封装成MCP，支持文本、图像、语音、视频等全模态内容生成，构建了一个“0代码开发多模态 Agent 工具链”的强大框架，兼容主流大模型与 Agent 框架（如 GPT、Llama、AutoGen），推动 AIGC 工具的标准化与模块化发展。显著降低了多模态智能体的开发门槛，为内容创作、智能客服、数字人等领域提供了高效、灵活的解决方案。

总结一句话就是：

                         Pixelle-MCP = ComfyUI + MCP + LLM

unsetunset功能特性unsetunset

• ✅ 全模态支持: 支持TISV（Text、Image、Sound/Speech、Video）全模态的互转和生成
• ✅ ComfyUI生态: Server端底层基于ComfyUI实现，继承ComfyUI的开放生态下的所有能力
• ✅ 零代码开发: 制定并实现了 Workflow 即 MCP Tool 的方案，0代码开发，即可动态添加新的 MCP Tool
• ✅ MCP Server: Server端基于MCP协议提供功能支持，支持任意mcp client集成（包含但不限于Cursor、Claude Desktop等）
• ✅ MCP Client: Client端基于Chaintlit框架开发，继承了Chainlit的UI交互控件，支持集成更多的MCP Server
• ✅ 灵活部署: 支持单独部署Server端仅提供MCP Server，或单独部署Client端仅提供MCP Client，或联合部署
• ✅ 统一配置: 采用 YAML 配置方案，一个配置文件管理所有服务

unsetunset相关链接unsetunset

• 源码：https://github.com/AIDC-AI/Pixelle-MCP

unsetunset添加自己的MCP Toolunsetunset

• 一个工作流即为提个MCP Tool

1. 添加最简单的MCP Tool 📝 在ComfyUI中搭建一个实现图片高斯模糊的工作流：（https://github.com/AIDC-AI/Pixelle-MCP/blob/main/docs/i_blur_ui.json），然后将 LoadImage 节点的 title 改为 $image.image!，如下图

• 然后将其导出为api格式文件，并重命名为 i_blur.json，你可以自己导出，也可以直接使用我们为你导出好的（点击获取）

• 复制导出的API格式工作流文件（注：务必是API格式的），在web页面输入，并LLM添加这个Tool

• 消息发送后，LLM会让将这个工作流自动转化为一个MCP Tool

• 此时，刷新页面，再发送任意图片，即可实现基于LLM进行的高斯模糊处理

unsetunset项目结构unsetunset

• mcp-base: 基础服务，提供文件存储和共用服务能力
• mcp-client: MCP 客户端，基于 Chainlit 构建的 Web 界面
• mcp-server: MCP 服务端，提供各种 AIGC 工具和服务

unsetunset快速开始unsetunset

1. 克隆源码 & 配置服务

1.1 克隆源码

git clone https://github.com/AIDC-AI/Pixelle-MCP.git cd Pixelle-MCP

1.2 配置服务 项目采用统一的 YAML 配置方案：

# 复制配置示例文件
# 或者直接复制一份并修改名字
cp config.yml.example config.yml
# 根据需要修改配置项
# 复制配置示例文件
# 或者直接复制一份并修改名字
cp config.yml.example config.yml
# 根据需要修改配置项

详细配置说明：

配置文件包含三个主要部分：基础服务、MCP服务端、MCP客户端。在 config.yml.example 中每个部分都有详细的配置项说明。

• 配置检查清单：

• ✅ 已复制 config.yml.example 为 config.yml

• ✅ 已配置 ComfyUI 服务地址（确保ComfyUI正在运行）

• ✅ 已配置至少一个LLM模型（OpenAI或Ollama）

• ✅ 端口号未被其他服务占用（9001, 9002, 9003）

2. 添加MCP Tool（可选）

这一步是可选的，只会决定你Agent的能力，不影响正常对话，如果你暂时不需要，可以先跳过。

mcp-server/workflows中是我们默认提供的一套目前比较热门的工作流，运行如下命令可以将其拷贝到你的mcp-server中，服务启动时会自动将其转化为MCP Tool，供大模型调用。

注：这里强烈建议在拷贝之前，先将工作流拖进你的ComfyUI画布试运行，以确保后续调用过程中能够顺利执行。

cp -r mcp-server/workflows/* mcp-server/data/custom_workflows/

3. 启动服务（任选其一）

3.1 Docker方式启动（推荐）

# 启动所有服务
docker compose up -d

3.2 一键脚本启动 需要先安装 uv 环境。

• Linux/macOS 用户：

# 启动所有服务（前台运行）
./run.sh
# 或
# 启动所有服务（后台运行）
./run.sh start --daemon

• 启动服务端（mcp-server）：

cd mcp-server
# 安装依赖（仅首次或更新时需要）
uv sync
# 启动服务
uv run main.py

• 启动客户端（mcp-client）：

cd mcp-client
# 安装依赖（仅首次或更新时需要）
uv sync
# 启动服务（开发模式需要热更新时，运行：uv run chainlit run main.py -w --port 9003）
uv run main.py

4. 访问服务

启动完成后，各服务地址如下：

• 客户端: 🌐 http://localhost:9003 (Chainlit Web UI，默认用户名密码均为dev，可以在 auth.py 中更改)
• 服务端: 🗄️ http://localhost:9002/sse (MCP Server)
• 基础服务: 🔧 http://localhost:9001/docs (文件存储和基础API)