用途：该 Skill 面向 ComfyUI 工作流的批量、重复与低延迟执行，命令行接口（CLI）是已知工作流的执行路径，官方本地 Comfy MCP 则是发现与编排当前生态的自适应路径，两者共享同一业务意图，不应对同一任务重复提交。
前提与要求：安装 CLI 命令为 pip install -U comfyui-skill-cli；官方本地 Comfy MCP 为可选，如需要应按官方指南连接。所有 shell 命令必须在项目根目录（SKILL.md 所在处）运行，因为 CLI 从当前目录读取 config.json 和 data/。若 list 返回空或服务器状态报未找到，通常说明目录不对。
主要能力：通过 comfyui-skill 命令查询服务器状态、统计显存/内存/GPU/版本、列出工作流与参数、查看详情与参数 schema、提交与执行工作流、校验工作流、上传图像与遮罩、列举节点与作业历史、检查并安装依赖、导入工作流。工作流以 Skill ID <server_id>/<workflow_id> 标识，schema.json 将业务参数名（如 prompt、seed）映射到内部节点字段，不应向用户暴露节点 ID。
常用用法：列出工作流 comfyui-skill --json list；查看详情 comfyui-skill --json info <id>；提交 comfyui-skill --json submit <id> --args '{"prompt": "..."}'；轮询状态 comfyui-skill --json status <prompt_id>；阻塞式执行 comfyui-skill --json run <id> --args '{"prompt": "..."}'；预检依赖 comfyui-skill --json deps check <id>；导入工作流 comfyui-skill --json workflow import <path>；上传图片与遮罩 comfyui-skill --json upload <path> 与 --mask；打开管理界面 python3 ./ui/open_ui.py。首次执行前建议先做依赖检查，缺失模型需手动下载并放入对应目录。
适用场景：已注册工作流的重复执行、批量任务与对延迟敏感的作业；需要查询当前模板、节点、模型或硬件时转向 MCP；用户提供原始工作流需要真实环境验证时，使用 MCP 的 validate_workflow，或对已注册工作流使用 CLI 的 run --validate。
限制与注意事项：MCP 桥接脚本为 python ./scripts/comfy_mcp.py probe、tools 和 call，其配置读取所选服务器的 mcp_command、mcp_args、mcp_python、mcp_cwd 与 mcp_env；probe 与 tools 为只读，call 会产生对应官方工具的副作用。长时间 MCP 运行采用 run_workflow(wait=false) 或 run_template(wait=false)，再以 job(action="wait"|"status") 与 fetch_outputs 跟进；一旦某路径返回 prompt_id，应继续轮询该路径，不得重复提交。未经用户明确同意，不得设置 confirm_spend=true 进行付费调用。涉及安装节点、下载模型、重启、更新或切换版本时，需先说明影响并获确认后再用 MCP。使用云端 API 节点（如 Kling、Sora）需在 https://platform.comfy.org 生成 API Key，并在 Web UI 的 Server Settings 中填写 ComfyUI API Key。其余细节与批量导入见 references/comfy-mcp.md 与 references/workflow-import.md。