模型上下文協議 (MCP) 正在重塑 AI 應用程式的通訊方式，但大多數 MCP 工具仍然狹隘地專注於文字和資料查詢。Pixelle-MCP 打破了這個限制，將 ComfyUI——最受歡迎的 AI 生成內容視覺工作流程引擎——轉變為一個完整的多模態 MCP 伺服器。由阿里巴巴的 AIDC-AI 團隊開發，這個開源解決方案讓任何 MCP 相容用戶端都可以使用自然語言調用複雜的 AIGC 管線，用於圖片、聲音、影片和文字。
Pixelle-MCP 背後的核心見解非常優雅：它不是從頭建立多模態生成能力，而是將 ComfyUI 龐大的社群建構工作流程生態系統重新用作 MCP 可調用的工具。任何設計過用於 stable diffusion、音訊生成或影片合成的 ComfyUI 管線的人，現在都可以將該工作流程作為簡單的 API 公開給任何 LLM 用戶端，無需額外的程式碼。
自發佈以來，Pixelle-MCP 已吸引了 ComfyUI 社群和更廣泛 MCP 生態系統的重大關注，在 GitHub 上累積了約 920 顆星，並透過持續的架構改進進行活躍開發。
Pixelle-MCP 如何橋接 ComfyUI 和 LLM？
Pixelle-MCP 充當一個智慧中間層。當 LLM 用戶端透過 MCP 請求圖片生成時，伺服器將該請求轉換為 ComfyUI 工作流程參數，在本地或雲端 ComfyUI 實例上執行工作流程，並將生成的資產——圖片、音訊檔案或影片——透過 MCP 協議回傳。
graph TD
A[MCP 用戶端<br>Cursor / Claude / 自訂] --> B[MCP 協議]
B --> C[Pixelle-MCP 伺服器]
C --> D{執行模式}
D --> E[本地 ComfyUI<br>自架]
D --> F[RunningHub 雲端<br>無需 GPU]
E --> G[ComfyUI 工作流程引擎]
F --> G
G --> H[文字輸出]
G --> I[圖片輸出]
G --> J[聲音輸出]
G --> K[影片輸出]
H --> C
I --> C
J --> C
K --> C
C --> A這個架構意味著使用者可以發送單一的自然語言請求，例如「生成一張賽博龐克城市景觀的電影級圖片，並配上環境雨聲」，Pixelle-MCP 就會自動跨多個模態編排適當的 ComfyUI 工作流程。
Pixelle-MCP 支援哪些模態？
該平台支援完整的 TISV（文字、圖片、聲音、影片）堆疊，涵蓋所有四種主要的內容生成模態。
| 模態 | 生成能力 | 使用案例範例 |
|---|---|---|
| 文字 | LLM 驅動的生成、摘要、翻譯 | 動態提示詞、內容工作流程 |
| 圖片 | Stable Diffusion、ControlNet、IP-Adapter、放大 | 行銷視覺、概念藝術 |
| 聲音 | 文字轉語音、音樂生成、音效 | 旁白、環境音訊 |
| 影片 | 文字轉影片、幀插值、動畫 | 短影片、動態圖形 |
這種方法的強大之處在於 ComfyUI 的模組化：由於 ComfyUI 工作流程可以將任意節點串聯在一起，Pixelle-MCP 繼承了在單一管線中組合多種模態的能力。一個工作流程可以生成圖片、添加旁白並將結果編譯成影片——全部透過單一的 MCP 工具調用。
如何開始使用 Pixelle-MCP？
Pixelle-MCP 提供三種部署方法，適合不同的技能等級和基礎設施偏好。
| 方法 | 命令 | 最適合 |
|---|---|---|
| uvx（一鍵） | uvx pixelle@latest | 快速測試，無需安裝 |
| pip install | pip install -U pixelle && pixelle | Python 開發者 |
| Docker Compose | git clone repo && docker compose up -d | 生產部署 |
建議在生產環境中使用 Docker 方法，因為它包含所有依賴項並在隔離環境中執行。所有方法都將 Web UI 暴露在 http://localhost:9004（預設憑證：dev/dev），MCP 端點位於 http://localhost:9004/pixelle/mcp。
Pixelle-MCP 還與 LiteLLM 整合以支援多模型，允許連接到 OpenAI、Ollama、Gemini、DeepSeek、Claude、Qwen 和其他供應商。這意味著您可以將自己喜愛的 LLM 與 ComfyUI 工作流程配對，無論您偏好哪個模型供應商。
你可以用 Pixelle-MCP 建立什麼？
MCP 原生工具調用與 ComfyUI 豐富生態系統的結合，解鎖了一系列實用應用。內容團隊可以建立自動化行銷管線，其中單一的 LLM 提示詞即可觸發圖片生成、音樂創作和影片組合。開發者可以將 AIGC 直接整合到像 Cursor 這樣的 IDE 中，方法是將 Pixelle-MCP 作為 MCP 伺服器添加，從而實現程式碼感知的視覺資產生成。
RunningHub 整合尤其值得注意：它允許使用者在雲端執行 ComfyUI 工作流程，無需任何本地 GPU，從而大幅降低了硬體入門門檻。這使得 Pixelle-MCP 對任何擁有筆記型電腦和網路連線的人來說都易於使用。
常見問題
什麼是 Pixelle-MCP？ Pixelle-MCP 是由阿里巴巴 AIDC-AI 開發的開源多模態 AIGC 解決方案，透過模型上下文協議 (MCP) 橋接 ComfyUI 工作流程與 LLM。它可以讓您將任何 ComfyUI 工作流程轉換為可呼叫的 MCP 工具，無需編寫程式碼，使任何 MCP 相容用戶端都能生成圖片、文字、聲音和影片。
Pixelle-MCP 支援哪些模態？ Pixelle-MCP 支援完整的 TISV 堆疊：文字生成、圖片生成、聲音/語音生成和影片生成。它透過 ComfyUI 的模組化工作流程系統結合 LLM 驅動的編排，涵蓋了四種主要的內容模態。
Pixelle-MCP 如何與 MCP 整合？ Pixelle-MCP 作為 MCP 伺服器執行，透過模型上下文協議將 ComfyUI 工作流程公開為工具。任何 MCP 相容用戶端——包括 Cursor、Claude Desktop 和自訂 MCP 主機——都可以動態發現和調用這些工具。該伺服器充當自然語言指令與複雜 ComfyUI 工作流程執行之間的翻譯層。
如何部署 Pixelle-MCP？ Pixelle-MCP 提供多種一鍵部署方法：uvx 單行程式碼、pip install 或 Docker Compose。它支援本地 ComfyUI 實例和 RunningHub 雲端 ComfyUI（無需 GPU）。啟動後，Web UI 可透過 http://localhost:9004 存取（登入：dev/dev），MCP 端點位於 http://localhost:9004/pixelle/mcp。
Pixelle-MCP 使用什麼授權？ Pixelle-MCP 採用 MIT 授權條款，可在個人和商業專案中免費使用、修改和散佈。
延伸閱讀
- Pixelle-MCP GitHub 儲存庫 – 官方原始碼、問題和文件
- Pixelle-MCP 官方網站 – 產品資訊和更新
- Awesome MCP Servers - 多媒體處理 – 社群整理的 MCP 多媒體伺服器列表
- 模型上下文協議規範 – 官方 MCP 文件