ComfyUI LLM Party：集成MCP与多LLM的Agent框架
ComfyUI LLM Party是集成MCP服务与多LLM的Agent框架，支持OpenAI、本地模型等，实现文本、语音、图像多模态任务。通过Linkage GraphRAG知识图谱增强检索，适配飞书、Discord等平台，适合AI应用原型开发与企业知识问答场景。
查看原文 →内容为平台聚合整理，原文与最新动态以来源页面为准。
扫码进学习交流群
加专属老师微信图文介绍
项目定位
LLM Agent Framework 是一套为 ComfyUI 打造的多智能体协作扩展，旨在将大型语言模型的推理、工具调用与多模态能力无缝嵌入节点式工作流。本框架兼容主流 LLM 接口（OpenAI / aisuite 格式），可对接 o1、ollama、Gemini、Grok、Qwen、GLM、DeepSeek、Kimi、Doubao 等云端模型，同时支持本地 LLM、VLM 及 GGUF 格式（如 llama-3.3、Janus-Pro），并集成 Linkage GraphRAG 知识图谱检索，为 AI 应用开发者提供灵活、可复用的 agent 基础设施。
核心功能亮点
- MCP Server 集成：通过标准 Agent 协议桥接外部服务，实现模型上下文协议的无缝调用。
- 多模态节点：内置 Omost（代码解释器）、GPT-sovits（语音合成）、ChatTTS（文本转语音）、GOT-OCR2.0（光学字符识别）、FLUX prompt（提示词增强）等专用节点，支持图像/音频/文本的联合处理。
- 平台对接：直接接入飞书（Feishu）与 Discord 等协作平台，便于在真实业务场景中测试和部署 agent 对话。
- 本地/云端混合部署：支持同时加载多个 LLM 后端，通过环境变量或配置文件即可切换，无需重复构建工作流。
- GraphRAG 增强：Linkage GraphRAG 节点可基于知识图谱进行结构化检索，提升 agent 回答的准确性与可解释性。
适用场景
- AI 应用原型开发：快速搭建多 agent 协作系统，测试不同 LLM 在推理、工具调用方面的表现。
- 内容生成与处理：结合 OCR 和语音合成节点，实现文档转语音、图片文字提取、多轮对话内容生成。
- 企业内部知识问答：通过 GraphRAG 整合私有文档，配合飞书机器人提供基于知识图谱的智能问答服务。
- 教育与培训：用于 AI 应用管理技能实训，让学员直观理解 agent 编排、模型切换和工具集成。
上手提示
建议用户在 ComfyUI 中安装该扩展后，首先从 MCP Server 示例工作流开始，熟悉节点连线与 LLM 配置。如需对接飞书或 Discord，需提前获取平台 API Token 并在环境变量中设置。对于本地模型，请确保显存满足 GGUF 文件加载要求。推荐使用 Python 3.10+ 与 ComfyUI 最新版以获得最佳兼容性。更多细节可参考项目官方文档或社区工作流合集。
作者/来源：heshengtao
常见问题
支持OpenAI、ollama、Gemini、Grok、Qwen、GLM、DeepSeek等云端模型，以及本地LLM和GGUF格式模型。
通过标准Agent协议桥接外部服务，在ComfyUI中配置MCP节点即可实现模型上下文协议的无缝调用。
可以，通过Linkage GraphRAG节点整合私有文档，并支持对接飞书机器人，实现基于知识图谱的智能问答服务。
推荐使用Python 3.10+与ComfyUI最新版，本地模型需根据GGUF文件大小满足相应显存要求。
建议从MCP Server示例工作流开始，熟悉节点连线与LLM配置，再逐步尝试多模型混合部署和平台对接。