ComfyUI LLM Party在ComfyUI中集成LLM Agent框架

如果你在用 ComfyUI 做图像生成，可能已经习惯了节点化的工作流。但 ComfyUI 不只是图像工具——ComfyUI LLM Party 把 LLM Agent 带进了这个生态，让你能像搭积木一样构建多模型对话、RAG 甚至多模态代理。

不只是节点，是完整的 Agent 框架

大多数 ComfyUI 插件只提供一两个模型节点，而 ComfyUI LLM Party 提供了一套完整的 Agent 框架。它内置了 MCP（Model Context Protocol） 支持，可以连接外部工具和数据源；还集成了 Omost 实现多步骤推理；甚至把 GPT-sovits、ChatTTS 这样的语音合成器做成了节点。这意味着你可以在同一个工作流里让 AI 先分析图片，再用语音回答，然后调用外部 API 执行操作。

更关键的是，它适配了几乎所有主流模型：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 接口格式，基本都能直接接入。

典型使用场景：从聊天机器人到自动化助手

想象一下，你正在做一个客户支持自动化项目。传统方案需要写代码串联 API，而用 ComfyUI LLM Party，你可以拖拽节点完成：

• 聊天输入节点接收用户消息；
• 模型节点调用 Gemini 或本地 LLM 理解意图；
• MCP 节点查询数据库或文档；
• 输出节点返回带有语音的回复。

对独立开发者来说，这套框架尤其有用——不需要写一行后端代码，就能快速原型验证。此外，它还能接入飞书机器人和Discord，让你直接把 ComfyUI 工作流变成线上服务。

上手难度与注意事项

安装方面，如果你是 ComfyUI 用户，只需要把插件放进 custom_nodes 目录。不过要发挥全部功能，需要额外安装一些依赖（比如 MCP、Omost 等），所以我把它的难度定为 intermediate。建议先熟悉 ComfyUI 基础操作，再逐步添加节点。

有一点值得注意：目前的版本对 ComfyUI 版本有一定要求，部分节点在老旧版本上可能不兼容。建议保持 ComfyUI 为最新版本。另外，调用云端模型需要 API Key，本地模型则要求你有足够的 GPU 显存——至少 8GB 以上才能流畅运行 7B 级别的模型。

实用建议

• 先从小处开始：用单一模型节点测试连接，再逐步添加 MCP 和 Omost。
• 善用预设模板：项目提供了多个示例工作流，可以直接导入学习。
• 考虑性能：如果同时运行多个模型，建议使用队列或规划显存使用。

ComfyUI LLM Party 把 LLM Agent 的门槛拉低到了拖拽级别，对 AI 工作流爱好者来说是个值得关注的项目。它不是一个完美的生产工具，但作为原型搭建和概念验证，它可能是目前最直观的方案之一。