fandc520/dsh-comfyui

dsh-comfyui

dsh-comfyui

让 DeepSeek Harness 的 Agent 智能驱动本地或远程 ComfyUI 生成任何内容。附带工作流、资产管理面板与技能包管理挂载。配套 skill 与同源媒体代理。

版本配对（选对 dsh 版本再装，否则 dshmarket 会报风险提示）：

| dsh-comfyui | 配对的 DeepSeek Harness | 说明 |
| --- | --- | --- |
| 0.4.0（最新，latest tag） | ≥ 0.1.2 | 0.4.0 起使用新版 settings 服务 API |
| 0.3.x（beta 线，beta tag） | 0.1.1 | 老版本 dsh 请留在 0.3.x 线 |

安装：dsh plugin --profile web add dsh-comfyui（装最新 0.4.0）/ dsh plugin --profile web add dsh-comfyui@beta（老宿主装 0.3.x）。

功能

Agent 工具

Agent 直接驱动 ComfyUI，无需手动操作画布：

- comfyui_run —— 提交 API 格式工作流或内置模板（txt2img / img2img / video），返回生成媒体；mode: "sync" 等待结果，mode: "async" 后台任务（视频生成强烈建议）。
- comfyui_object_info —— 列出服务器支持的节点定义，让 Agent 现场构造合法工作流。
- comfyui_workflow —— 管理插件工作流库：list（含服务器地址、本机 ComfyUI 目录、加载区素材、每个工作流的参数清单）、run（按 id 运行 + 参数覆盖）、skill（按需读取某工作流的技能包）、refresh（重算参数快照）。
- comfyui_skill —— 读写工作流技能包（list / read / write / append / mkdir / rename / delete / enable / require），Agent 可把踩坑经验写回技能包，跨会话复用。

UI 面板

右侧停靠面板，三个页签：

- 工作流 —— 可运行工作流库（新建 / 编辑 / 运行 / 删除 / 导入 .json，标签分类 + 下拉筛选）；支持预设导出 / 导入：把选中的工作流（默认全选，带技能包的行有标注）连同参数与技能包打包成 .zip 预设包带走，导出完成后的回执显示实际打包的工作流名单、文件名、体积与警告；把预设包拖进对话框（或点选文件）即可整包分析、按需导入，技能包原样完整还原（上千文件的模板大包也没问题），始终创建为新工作流、不覆盖现有库；自动检测 ComfyUI 端保存的图工作流，支持提取为可运行工作流（画布含多个独立流程时可选整体 / 按分量 / 主流程）。
- 资产 —— 所有生成结果，预览、下载、悬停可删除（同步清理 ComfyUI 输出目录里的文件）。
- 队列 —— 实时队列 + 历史任务五态展示，支持删除 / 中断 / 重跑 / 清空 / 释放内存，插件提交的任务带进度条与预览。

点击会话头部的「ComfyUI 面板」按钮时会自动探测后端与 ComfyUI 的连接：连不上时面板自动收起（按钮不高亮），页面顶部弹出提醒（含具体原因），提示启动本机 ComfyUI（确保后端能检测到端口）或到设置页检查远程服务器地址；连接正常时静默，仅在不通→恢复时短暂显示「连接正常」。

加载区（媒体加载器）

工作流页顶部的媒体加载器，仿 ComfyUI LoadImage 节点：图片 / 视频 / 音频可视化选择（可就地试听）、粘贴上传、多加载位。已放入的素材按顺序自动填进工作流里未显式指定的加载参数——Agent 不需要猜文件名；未传 width/height 时自动匹配源图分辨率。上传按内容哈希去重命名。

comfyui_workflow list 的 loadArea 字段会把加载位数与内容暴露给 Agent。

工作流技能包（给 Agent 的说明书）

参数清单只能告诉 Agent“有哪些旋钮”，说不出“这个工作流适合什么、哪一步会翻车”。复杂工作流可以挂一个技能包（面板工作流卡片上点「技能包」按钮启用）：

/skills//
SKILL.md          # 主文档：适用场景 / 关键参数 / 注意事项
references/       # 参考文档：风格合集、排错记录
assets/           # 参考图等素材（可在面板预览）

- 按需三级披露，不占常驻上下文：comfyui_workflow list 只有一行摘要 → 选中工作流后 action: skill 取正文 → 正文点名某份参考文档时才读那一篇。几十个工作流各带整套文档，平时对话成本也只是一行摘要。
- 面板编辑：左栏文件列表 + 右栏编辑器，支持导入（按扩展名自动分目录）、自定义子目录、图片预览、把整个技能包目录挪到别的盘或同步盘（设置页 技能包目录）。
- Agent 也能写：comfyui_skill 工具让 Agent 查看/编写技能包——踩到坑就 append 进 SKILL.md，下次（换个会话也一样）直接复用经验。
- 运行前必读：可勾选「运行前必读」，勾上后 Agent 本会话没读过该技能包就调 run 会被拒绝并提示先读。

媒体代理与设置

生成文件经同源路由（/comfyui/media）按文件名转发，不依赖 ComfyUI 内存态历史——重启或清空历史后旧结果照样能打开。浏览器不直接接触 ComfyUI：无 CORS、无混合内容、API Key 不下发。

DH 设置页新增 "ComfyUI" 分区：服务器地址、API Key 环境变量名、本机 ComfyUI 目录、媒体访问地址、测试连接、界面语言切换，改完即生效，无需改 cordis.yml。

安装

web profile
dsh plugin --profile web add dsh-comfyui
desktop profile
dsh plugin --profile desktop add dsh-comfyui

重启应用后：侧边栏出现面板入口，设置页出现 "ComfyUI" 分区，Agent 立即获得全部工具与配套 skill。

使用

直接告诉 Agent，例如：

- "用 ComfyUI 画一张红猫的图"
- "把这幅图转成赛博朋克风格"
- "把加载区这张动漫图转成真人照片，分辨率跟原图一致"
- "生成一段 5 秒的短视频：日落下的城市"
- "用我之前在 ComfyUI 里保存的 Krea-Afterlight 跑一下"（若该图还没提取，Agent 会转告你先去面板点提取）

远程 ComfyUI 若位于需鉴权的代理之后，通过凭据存储或 apiKeyEnv 指定的环境变量（默认 COMFYUI_API_KEY）提供密钥，绝不发给浏览器。

配置

cordis.yml 的 comfyui 段（多数可在设置页改）：

| 键 | 默认值 | 说明 |
| --- | --- | --- |
| baseUrl | http://127.0.0.1:8188 | ComfyUI 服务器地址 |
| apiKeyEnv | COMFYUI_API_KEY | 可选 API Key 的环境变量 / 凭据名 |
| dataDir | （DSH 数据目录） | 工作流库与资产索引存放位置 |
| comfyuiDirs | [] | 本机 ComfyUI 安装目录列表（可多条），Agent 据此定位 models、自定义节点、TTS 音色库 |
| outputDir | ''（自动推断） | ComfyUI 输出目录（删除资产时定位文件用） |
| mediaHost | ''（自动检测） | 生成媒体的外网访问基址 |
| skillsDir | ''（默认 dataDir/skills） | 技能包根目录（绝对路径，可放同步盘 / 版本库） |

环境要求

- DeepSeek Harness（web / desktop profile）
- 一个运行中的 ComfyUI 服务器（默认 http://127.0.0.1:8188）
- video 模板需要 ComfyUI-WanVideoWrapper 与 Wan 2.1 模型

License

MIT