ComfyUI LLM Party在ComfyUI中整合LLM Agent框架

如果你在用 ComfyUI 做影象生成，可能已經習慣了節點化的工作流。但 ComfyUI 不只是影象工具——ComfyUI LLM Party 把 LLM Agent 帶進了這個生態，讓你能像搭積木一樣構建多模型對話、RAG 甚至多模態代理。

不只是節點，是完整的 Agent 框架

大多數 ComfyUI 外掛只提供一兩個模型節點，而 ComfyUI LLM Party 提供了一套完整的 Agent 框架。它內建了 MCP（Model Context Protocol） 支援，可以連線外部工具和資料來源；還整合了 Omost 實現多步驟推理；甚至把 GPT-sovits、ChatTTS 這樣的語音合成器做成了節點。這意味著你可以在同一個工作流裡讓 AI 先分析圖片，再用語音回答，然後呼叫外部 API 執行操作。

更關鍵的是，它適配了幾乎所有主流模型：OpenAI（包括 o1）、Gemini、Grok、Qwen、GLM、DeepSeek、Kimi、Doubao，以及本地模型如 Llama-3.3、Janus-Pro 等。只要遵循 OpenAI 或 aisuite 介面格式，基本都能直接接入。

典型使用場景：從聊天機器人到自動化助手

想象一下，你正在做一個客戶支援自動化專案。傳統方案需要寫程式碼串聯 API，而用 ComfyUI LLM Party，你可以拖拽節點完成：

• 聊天輸入節點接收使用者訊息；
• 模型節點呼叫 Gemini 或本地 LLM 理解意圖；
• MCP 節點查詢資料庫或文件；
• 輸出節點返回帶有語音的回覆。

對獨立開發者來說，這套框架尤其有用——不需要寫一行後端程式碼，就能快速原型驗證。此外，它還能接入飛書機器人和Discord，讓你直接把 ComfyUI 工作流變成線上服務。

上手難度與注意事項

安裝方面，如果你是 ComfyUI 使用者，只需要把外掛放進 custom_nodes 目錄。不過要發揮全部功能，需要額外安裝一些依賴（比如 MCP、Omost 等），所以我把它的難度定為 intermediate。建議先熟悉 ComfyUI 基礎操作，再逐步新增節點。

有一點值得注意：目前的版本對 ComfyUI 版本有一定要求，部分節點在老舊版本上可能不相容。建議保持 ComfyUI 為最新版本。另外，呼叫雲端模型需要 API Key，本地模型則要求你有足夠的 GPU 視訊記憶體——至少 8GB 以上才能流暢執行 7B 級別的模型。

實用建議

• 先從小處開始：用單一模型節點測試連線，再逐步新增 MCP 和 Omost。
• 善用預設模板：專案提供了多個示例工作流，可以直接匯入學習。
• 考慮效能：如果同時執行多個模型，建議使用佇列或規劃視訊記憶體使用。

ComfyUI LLM Party 把 LLM Agent 的門檻拉低到了拖拽級別，對 AI 工作流愛好者來說是個值得關注的專案。它不是一個完美的生產工具，但作為原型搭建和概念驗證，它可能是目前最直觀的方案之一。