Pixelle-MCP 是一个基于 MCP 协议的开源全模态 AIGC 方案，构建在 ComfyUI 生态之上，目标是把 ComfyUI 工作流无缝转换为 MCP 工具，实现零代码开发。项目同时支持本地自建 ComfyUI 与 RunningHub 云 ComfyUI 两种执行模式。
【用途】 该框架面向需要以智能体方式调用多模态生成能力的使用者，支持 TISV 全模态，即文本、图像、声音/语音与视频的转换与生成。它可与任意 MCP 客户端集成，并自带网页交互界面。
【主要能力】
- 双执行模式：本地 ComfyUI 自托管环境，或 RunningHub 云 ComfyUI 服务。
- 零代码工作流转工具：通过 ComfyUI 节点标题中的特殊 DSL 语法定义参数与输出，即可把工作流转化为 MCP 工具。
- MCP 服务器：基于 MCP 协议，可被 Cursor、Claude Desktop 等任意 MCP 客户端接入。
- Web 界面：基于 Chainlit 框架，支持多模态交互，并可集成更多 MCP 服务器。
- 多 LLM 支持：通过 LiteLLM 框架集成 OpenAI、Ollama、Gemini、DeepSeek、Claude、Qwen 等模型。
- 一键部署：支持 PyPI 安装、CLI 命令、Docker 等方式。
- 统一架构：整合 MCP 端点、Web 界面、文件服务与工作流引擎于同一应用。
【使用方式】 提供三种启动路径：
- 一键体验：零配置启动，启动后自动进入配置向导，引导选择执行引擎（ComfyUI/RunningHub）与 LLM 配置。
- 本地开发部署：支持自定义工作流与二次开发，需先在 ComfyUI 中测试工作流确保可正常运行。
- Docker 部署：适合生产环境与容器化部署。 启动后访问 Web 界面 http://localhost:9004，默认用户名与密码均为 dev，可在启动后修改；MCP 端点位于 http://localhost:9004/pixelle/mcp，供 Cursor、Claude Desktop 等连接。默认端口 9004，可通过环境变量 PORT=your_port 自定义。首次启动会检测配置状态，需选择执行引擎并配置至少一个 LLM 提供商，系统会自动创建工作流目录结构。
【添加自定义 MCP 工具】 一个工作流对应一个 MCP 工具，支持两种添加方式：使用本地 ComfyUI 导出的 API 格式工作流文件，或直接使用 RunningHub 工作流 ID。以图像高斯模糊为例，在 ComfyUI 中构建工作流，将 LoadImage 节点标题设为 $image.image!:Input image URL，导出为 API 格式文件（如 i_blur.json），在网页输入后由 LLM 自动转换为 MCP 工具，刷新页面后发送任意图片即可处理。
【工作流自定义规范】 在 ComfyUI 画布中双击节点标题编辑，使用 DSL 语法定义参数：param_name 为 MCP 工具函数参数名；~ 表示 URL 参数上传处理并返回相对路径；field_name 为节点对应输入字段；! 表示参数必填；description 为参数描述。系统根据节点字段当前值自动推断类型：int（如 512、1024）、float（如 1.5、3.14）、bool（如 true、false）、str（默认）。输出方面，系统自动检测 SaveImage、SaveVideo、SaveAudio、VHS_SaveVideo、VHS_SaveAudio 等节点，也可用 $output.var_name 在任意节点标题标记输出。可选添加标题为 MCP 的文本节点提供工具描述，其 value 字段填写描述内容。注意事项：可选参数必须在节点中设置默认值；已连接其他节点的字段不会被解析为参数；导出文件名将作为工具名，建议使用有意义的英文名；必须导出为 API 格式而非 UI 格式。
【适用场景与限制】 RunningHub 云模式无需本地 GPU 与 ComfyUI 环境，注册获取 API key 即可使用，性能稳定并自动扩缩容；本地模式则完全掌控执行环境与模型版本，数据本地处理，支持云端没有的自定义模型与节点，可离线运行，高频使用时无云服务费用。使用时需注意工作流必须先在 ComfyUI 中测试通过，否则执行会失败。项目采用 MIT 许可证发布。
