comfyui-deploy

把 ComfyUI 工作流一键部署成在线服务

开源 🏷️基础免费,高级付费 ⏳ 访问状态待核验 基础设施 🍴 复刻 221 🐛 待处理 30 👀 关注 15
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1537
维护状态 活跃
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 开源可自部署,云服务提供免费额度与付费套餐,具体定价待确认

项目预览

comfyui-deploy 项目界面预览图
图片来源:项目官网

项目数据

分类基础设施
开发团队BennyKok
定价模式🏷️基础免费,高级付费
价格说明开源可自部署,云服务提供免费额度与付费套餐,具体定价待确认
访问状态⏳ 访问状态待核验
是否开源是
开源协议AGPL-3.0
主要语言TypeScript
GitHub 星标★ 1537
上线时间2023-12-08 00:00:00
代码更新2026-11-06
仓库体积3.6 MB
本站数据更新2026-11-13
维护状态活跃
收录时间2026-11-13
浏览次数0

项目介绍

comfyui-deploy 是一个面向 ComfyUI 的开源部署平台,定位类似 Vercel,但专门服务于 ComfyUI 工作流的分发与运行。它解决的核心问题是:ComfyUI 本地跑通的工作流,很难低成本、可复现地部署成可分享的在线服务,模型、自定义节点和依赖版本经常对不上。项目用 TypeScript 实现,提供从工作流导入、环境构建到托管访问的一体化流程,支持把工作流发布为独立页面或 API,并保留版本管理能力,方便团队协作和迭代。它把 ComfyUI 的运行时封装成可部署单元,让创作者不必自己维护服务器和依赖,就能把生成能力交付给他人使用。项目星标约 1.5k,处于成长期,适合需要快速验证 AI 图像生成产品形态的团队。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-13 · 当前星标 ★ 1537

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:本地安装 6 步

环境要求

  • 已安装并可正常运行的 ComfyUI
  • ComfyUI 安装目录下存在 custom_nodes 目录
  • 一个 ComfyDeploy 账号(官方站点或自托管实例)
  • 机器需要有一个可被 Dashboard 访问到的 URL

安装与启动步骤

  1. 1进入自定义节点目录

    切换到 ComfyUI 安装目录下的 custom_nodes 目录,插件需要克隆到这里才能被加载。

    cd custom_nodes
  2. 2克隆 Deploy 插件

    把 comfyui-deploy 仓库克隆到 custom_nodes 下,克隆完成后目录中会出现 comfyui-deploy 文件夹。

    git clone https://github.com/BennyKok/comfyui-deploy.git
  3. 3打开 Dashboard

    在浏览器中打开官方 Dashboard 站点,或使用你自己的自托管实例地址。

  4. 4进入添加机器页面

    在 Dashboard 左侧导航进入 Machines 页面,点击 Add Machines 开始添加目标机器。

  5. 5填写名称与机器地址

    输入一个便于识别的机器名称,并填入你这台 ComfyUI 机器的 URL;README 建议用 Ngrok 之类的隧道工具生成一个可被 Dashboard 访问的地址。

  6. 6创建机器

    在创建流程中选择任意一个自定义节点,然后确认创建新的 ComfyDeploy 机器,插件即可把该机器作为部署目标并直接上传工作流。

关键配置

配置项必填说明示例
name是机器名称,用于在 Dashboard 中区分不同的 ComfyUI 机器my-comfyui-machine
machine URL是该 ComfyUI 机器的可访问地址,Dashboard 通过它连接并下发工作流https://your-tunnel-host.example.com
custom nodes是创建机器时需要选择的自定义节点,README 说明可任选其一ComfyUI-Manager

如何确认成功

Dashboard 的 Machines 列表中能看到刚添加的机器,并可从 ComfyUI 侧直接上传工作流。

常见问题

Q:克隆后插件没有出现怎么办?

A:确认仓库是克隆到 ComfyUI 的 custom_nodes 目录下,而不是其他路径;完成后重新加载 ComfyUI 再看节点列表。

Q:机器 URL 应该填什么?

A:填一个 Dashboard 能访问到你这台 ComfyUI 机器的地址,README 建议用 Ngrok 之类的隧道工具生成该地址后再粘贴进来。

Q:必须使用官方站点吗?

A:不必。README 提供了两种选择:官方 Comfy Deploy Dashboard,或自行部署的自托管版本,二者操作路径相同。

Q:支持哪些机器类型?

A:支持长驻的本地 ComfyUI 机器和 serverless 机器,README 提到可对接 runpods、modal 以及托管的 ComfyDeploy 机器。

注意事项

  • README 只给出了插件安装和添加机器这两段流程,完整后端与前端代码在 comfy-deploy/comfydeploy 仓库中,需要自托管时请参考该仓库。
  • 创建机器时必须选择一个自定义节点,README 说明任选即可,不会影响后续添加。
  • 仓库还提供了 Next.js starter kit(comfyui-deploy-next-example),可作为调用已部署工作流的参考。
  • README 中的添加机器步骤原文被截断,机器 URL 的具体格式请以 Dashboard 页面提示为准。

核心亮点

  • 针对 ComfyUI 工作流做端到端部署,覆盖环境构建、托管和版本管理,省去手工配依赖
  • 提供类似 Vercel 的发布体验,工作流可发布为独立页面或 API,便于分享和集成
  • 用 TypeScript 实现,前后端技术栈统一,便于二次开发和接入现有 Web 产品

不足之处

  • 项目处于成长期,生态和文档完善度有待观察
  • 依赖 ComfyUI 运行时与模型资源,部署成本和环境要求较高

适用场景

  • AI 绘画创作者把调好的工作流发布成在线页面供客户直接使用
  • 团队内部共享可复现的 ComfyUI 工作流版本,避免环境不一致
  • 把图像生成能力封装成 API,接入自有产品或自动化流程

替代项目

ComfyUI、Stable Diffusion WebUI、Replicate

上一篇:WeeLLM

下一篇:ComfyUI-DD-Translation

同类项目推荐

ollamafreeapi 开源

不装显卡不填Key,直接调用50+开源大模型

OllamaFreeAPI: Free Distributed API for Ollama LLMs Public gateway to our managed O···

★ 340 2026-10-15
LLM-TPU 开源

在算能TPU上跑大模型,边缘部署快人一步

Run generative AI models in sophgo BM1684X/BM1688

★ 321 2026-08-09
MemTrace 开源

给大模型记忆装个行车记录仪,出错秒级定位归因

MemTrace: Tracing and Attributing Errors in Large Language Model Memory Systems

★ 82 2026-08-09
server 开源

自建私有云盘,数据安全自己掌控

☁️ Nextcloud server, a safe home for all your data

★ 37493 2026-08-29
openchoreo 开源

用GitOps和AI代理,让K8s开发部署像点外卖一样简单

OpenChoreo is an internal developer platform for Kubernetes

★ 1885 2026-08-09
agent-infer 开源

基于 vLLM 的智能体推理后端,多轮工具调用更省心

vLLM based inference framework for agentic workload.

★ 108 2026-10-27
trubrics-python 开源

给AI助手装上用户行为分析仪,告别盲目调模型

Product analytics for AI Assistants

★ 156 2026-08-09
rust-mlops-template 开源

用 Rust 搭建高性能 MLOps 基础设施,告别 Python 性能瓶颈

A work in progress to build out solutions in Rust for MLOPs

★ 388 2026-08-09
sagemaker-python-sdk 开源

几行 Python 把模型训练部署到 AWS 云端

A library for training and deploying machine learning models on Amazon SageMaker

★ 2272 2026-10-12