用途：让 ComfyUI 的实时画布智能体在本地免费、离线、无需订阅和 API Key 运行，由面板的 Ollama 后端驱动本地模型。
主要能力：提供 artokun/gemma4-comfyui-mcp 模型，基于 Google Gemma 4 做 QLoRA 微调，训练数据为 1,055 条经服务器验证的工具调用轨迹，覆盖全部 178 个工具（113 个 MCP 工具 + 65 个面板实时画布工具），因此在工具选择与参数格式上比通用模型更可靠。权重、适配器与训练数据开放（HF：artokun/gemma4-comfyui-mcp，数据集 artokun/comfyui-mcp-trajectories）。
使用方式：先安装 Ollama（https://ollama.com/download，Linux 可用 curl -fsSL https://ollama.com/install.sh | sh），再按显存拉取模型： ollama pull artokun/gemma4-comfyui-mcp:e4b（默认，约 3.5 GB 显存 q4） ollama pull artokun/gemma4-comfyui-mcp:12b（约 8 GB 显存） ollama pull artokun/gemma4-comfyui-mcp:e2b（最小，约 2 GB 显存） 然后在 ComfyUI 侧边栏面板选择后端 Ollama (local) 并 Connect；:e4b 为内置默认，拉取后无需额外配置，可用面板模型选择器或 COMFYUI_MCP_OLLAMA_MODEL 覆盖。非面板 MCP 客户端可搭配紧凑工具模式（--compact）。
适用场景与限制：本地模型保留工具调用能力，但视觉能力有限或没有，能生成和编辑工作流却无法对自身输出做视觉评判；思考能力有限，复杂多阶段图构建可能需要引导。音频方面这些微调模型无法听音频，面板仅在所选模型属于已验证集合（gemma4:e2b、gemma4:e4b、nemotron3:33b）时才接受音频。连接后首次请求因冷加载会较慢（30 秒以上），属正常现象。显存建议：约 2-3 GB 用 :e2b，约 4-7 GB 用 :e4b，8 GB 以上用 :12b。完整文档见 https://comfyui-mcp.artokun.io/docs/local-llms。