AI Agent + PyCharm MCP 连接器配置与自定义 ComfyUI 执行器实战

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

AI Agent + PyCharm MCP 连接器配置与自定义 ComfyUI 执行器实战

让 AI 助手真正操控 PyCharm 终端、运行 ComfyUI 工作流 —— 从官方 MCP 到自建连接器的完整记录

Comfy MCP 公测：把 Claude、Cursor、CodeX、Hermes 和 WorkBuddy 变成你的创意技术专家

Comfy Cloud MCP Server 抢先体验申请图文教程

QClaw 配置 Comfy Cloud MCP，只需简单几步

WorkBuddy 接入 Comfy Cloud MCP 完整实录：从 DNS 污染到 31 个工具全部启用

WorkBuddy + 本地 Comfy MCP 实战：用自然语言调生成你的第一张 AI 图片

WorkBuddy 连接本地 ComfyUI：从零到出图的保姆级教程

WorkBuddy + 本地 ComfyUI Wan2.1 文生视频实战：从连续报错到成功出片的完整踩坑记录

WorkBuddy + 本地 ComfyUI 完全使用手册：从出图到视频生成

WorkBuddy + 本地 ComfyUI MCP：免订阅费的自建方案

omfyUI MCP 115 工具全景解析：你的 AI Agent 到底能做什么

一、背景：为什么需要 PyCharm MCP？

在日常 ComfyUI 开发中，我的终端被切分成多个标签：

AI 助手（WorkBuddy / Cursor / Copilot 等）虽然能读文件、写代码，但 无法进入 PyCharm 的终端环境 执行命令。当需要重启 ComfyUI、切换启动参数、提交工作流测试时，要么我自己手动操作，要么让 AI 在独立 shell 中重新构建整个环境 —— 后者往往是失败的，因为独立 shell 不会继承 PyCharm 终端里已激活的 .venv 虚拟环境。

MCP（Model Context Protocol） 正好解决了这个问题。PyCharm 2025.2+ 版本内置了 MCP 服务器，允许外部 AI 工具通过标准协议调用 IDE 功能。

二、PyCharm MCP 配置步骤

2.1 在 PyCharm 中启用 MCP Server

设置（Ctrl+Alt+S）→ 工具 → MCP Server

关键操作：

勾选“启用 MCP 服务器”之后，界面会切换出配置菜单；

往下滚动到菜单底部，找到“命令执行”选项并勾选。

2.2 在 WorkBuddy 中信任连接器

PyCharm 自动配置后，WorkBuddy 的 ~/.workbuddy/mcp.json 中会自动添加类似配置：

json

{
"mcpServers": {
"pycharm": {
"url": "http://127.0.0.1:64462/sse",
"disabled": false
}
}
}

然后进入 WorkBuddy → 连接器管理，找到 pycharm 条目，点击 "信任"。

信任后是如下界面：

2.3 验证连接

信任后，WorkBuddy 会显示 pycharm 连接器拥有的工具数。此时可以看到 pycharm_execute_tool 一个通用入口，实际支持 48 个子命令。

三、初次测试：踩坑记录

✅ 成功的测试

python

# 使用 venv Python 绝对路径，一切正常
execute_terminal_command –command "H:/PythonProjects3/Win_ComfyUI/.venv/Scripts/python.exe –version"
# 输出: Python 3.12.11 ✓

execute_terminal_command –command "netstat -ano | findstr :8189"
# 输出: 正确显示端口占用列表 ✓

❌ 失败的问题

问题 1：不继承虚拟环境

这是最大的坑。PyCharm MCP 的 execute_terminal_command 每次执行都会 启动一个全新的 shell 进程，不会继承你在 PyCharm 终端标签里已经激活的 .venv。这意味着：

python

# ❌ 这样不行！python 指向的是系统 Python，不是 venv 中的
execute_terminal_command –command "python –version"

# ✅ 必须用绝对路径
execute_terminal_command –command "H:/PythonProjects3/Win_ComfyUI/.venv/Scripts/python.exe –version"

问题 2：转义地狱

当命令中包含嵌套的引号时，Windows CMD 的转义规则会让你崩溃：

bash

# ❌ 多重转义后语法错误
curl.exe -X POST … -d "{\\\\"prompt\\\\":{\\\\"1\\\\":…}}"

# ✅ 解决方案：写脚本文件，然后执行脚本
python test_zimage.py

问题 3：端口冲突

旧的 MCP 服务器进程残留导致端口占用：

Error: listen EADDRINUSE: address already in use 127.0.0.1:9100

解决方案：用 PyCharm MCP 自己杀自己：

python

execute_terminal_command –command "taskkill /F /PID 84828"

四、自定义连接器：comfyui-runner

4.1 设计动机

PyCharm MCP 的"每次新进程不继承 venv"问题是架构性的，无法在配置层面解决。我需要一个 天生就在 venv 环境中运行 的 MCP 服务器，专门处理 ComfyUI 相关的操作。

4.2 技术选型

选择 Python mcp stdio 模式：启动时用 .venv/Scripts/python.exe 作为解释器，天然继承整个虚拟环境。

4.3 架构设计

┌──────────────┐ stdio ┌───────────────────┐ REST API ┌──────────┐
│ WorkBuddy │ ◄──────────► │ comfyui-runner MCP │ ◄────────────► │ ComfyUI │
│ (AI 助手) │ JSON-RPC │ (server.py) │ HTTP :8189 │ :8189 │
└──────────────┘ └───────────────────┘ └──────────┘
│ │
│ 信任一次后自动运行 │ 运行在 ComfyUI .venv 中
│ │ 自动检测端口 → 8188/8189/8190
▼ ▼
~/.workbuddy/mcp.json H:/…/comfyui_mcp_runner/server.py

4.4 提供的 8 个工具

python

# 1. execute_python – 在 venv 中执行 Python 代码
execute_python(code="print('hello from venv')")

# 2. execute_shell – 执行 Shell 命令（自动替换 python 为 venv Python）
execute_shell(command="pip list | findstr torch")

# 3. comfyui_status – 检查 ComfyUI 运行状态
comfyui_status()
# → {"status": "running", "version": "0.27.0", "port": 8189, …}

# 4. comfyui_stop – 停止 ComfyUI
comfyui_stop()

# 5. comfyui_restart – 停止 + 启动
comfyui_restart(extra_args="–use-pytorch-cross-attention")

# 6. submit_workflow – 提交工作流并等待完成
submit_workflow(workflow_json='{"1": {…}}', timeout=120)
# → {"status": "completed", "images": [{"filename": "zimage_cat_00001_.png"}]}

# 7. list_outputs – 列出生成图片
list_outputs(count=10, prefix="zimage_cat")

# 8. read_file – 读取项目文件
read_file(path="test_zimage.py")

4.5 核心代码

python

# server.py 核心结构
from mcp.server import Server
from mcp.server.stdio import stdio_server

COMFYUI_DIR = Path(__file__).resolve().parent.parent
VENV_PYTHON = COMFYUI_DIR / ".venv" / "Scripts" / "python.exe"

server = Server("comfyui-runner")

@server.call_tool()
async def call_tool(name: str, arguments: dict):
if name == "comfyui_status":
# 自动扫描 8188/8189/8190 端口
port = _get_comfyui_port()
# 请求 system_stats API
…
elif name == "submit_workflow":
# 提交 prompt → 轮询 history → 返回图片信息
…

async def main():
async with stdio_server() as (read_stream, write_stream):
await server.run(read_stream, write_stream, …)

4.6 注册到 WorkBuddy

在 ~/.workbuddy/mcp.json 中添加 stdio 类型的配置：

json

{
"comfyui-runner": {
"command": "H:/PythonProjects3/Win_ComfyUI/.venv/Scripts/python.exe",
"args": ["H:/PythonProjects3/Win_ComfyUI/comfyui_mcp_runner/server.py"],
"disabled": false
}
}

关键点：command 是 解释器路径，args 是 脚本路径。WorkBuddy 会启动 解释器 脚本 的子进程，通过 stdio 进行 JSON-RPC 通信。

4.7 comfyui-runner vs PyCharm MCP 互补策略

最佳实践：两者同时启用，WorkBuddy 会根据任务自动选择合适的连接器。

五、Z-Image Turbo 工作流实测

有了自定义连接器后，来实际测试一下 Z-Image Turbo 文生图。

5.1 模型准备

注意：Z-Image Turbo 的 VAE 实际上复用了 Flux VAE，MD5 完全一致。可以用符号链接创建别名：

powershell

New-Item -ItemType SymbolicLink -Path "models/vae/z-image-ae.safetensors" -Target "models/vae/ae.safetensors"

5.2 工作流结构

json

{
"1": {"class_type": "UNETLoader", "inputs": {"unet_name": "z_image_turbo_bf16.safetensors", "weight_dtype": "default"}},
"2": {"class_type": "CLIPLoader", "inputs": {"clip_name": "qwen_3_4b.safetensors", "type": "qwen_image"}},
"3": {"class_type": "VAELoader", "inputs": {"vae_name": "z-image-ae.safetensors"}},
"4": {"class_type": "TextEncodeZImageOmni", "inputs": {"clip": ["2",0], "prompt": "…", "auto_resize_images": true, "vae": ["3",0]}},
"5": {"class_type": "EmptyLatentImage", "inputs": {"width": 1024, "height": 1024, "batch_size": 1}},
"6": {"class_type": "KSampler", "inputs": {"model": ["1",0], "positive": ["4",0], "negative": ["4",0], "latent_image": ["5",0], "seed": 42, "steps": 4, "cfg": 1.0, "sampler_name": "euler", "scheduler": "normal"}},
"7": {"class_type": "VAEDecode", "inputs": {"samples": ["6",0], "vae": ["3",0]}},
"8": {"class_type": "SaveImage", "inputs": {"filename_prefix": "zimage_cat", "images": ["7",0]}}
}

5.3 关键踩坑

坑 1：TextEncodeZImageOmni 只有 1 个输出

通过 /object_info/TextEncodeZImageOmni API 查询确认：这个节点只输出 一个 CONDITIONING（索引 0），不像 SDXL 的 CLIPTextEncode 那样输出 positive + negative 两个。所以 positive 和 negative 都要接到 ["4", 0]。

坑 2：–use-flash-attention 导致噪声图

第一次测试发现输出全是噪声。排查过程：

解决方案：重启 ComfyUI，去掉 –use-flash-attention，或显式指定 –use-pytorch-cross-attention。

5.4 测试结果

结论：去掉 –use-flash-attention 后不再出纯噪声图，但 Z-Image Turbo 在当前环境下 仍不够稳定，对 seed 和 scheduler 高度敏感。euler + normal, 4 steps 是最佳组合，但无法保证每次都干净。

进一步优化方向：

• 用 –use-pytorch-cross-attention 显式启动再测
• 确认 z_image_turbo_bf16.safetensors 文件完整性（MD5 校验）

六、总结：MCP 连接器选型指南

经过这次完整实践，总结出 MCP 连接器的 三层金字塔 架构：

┌──────────────────┐
│ 自定义 MCP 服务器 │ ← 最高控制力，专用场景
│ (comfyui-runner) │
├──────────────────┤
│ IDE MCP 连接器 │ ← 中等控制力，IDE 操作
│ (PyCharm MCP) │
├──────────────────┤
│ 第三方 MCP 服务 │ ← 即开即用，功能固定
│ (comfyui-local) │
└──────────────────┘

选型建议：

核心教训：

附录：完整文件清单

本文为 ComfyCloudMCP 系列第 10 篇文章 上一篇：115 个 ComfyUI MCP 工具全景解析 环境：Windows 11 + PyCharm 2025.2 + ComfyUI v0.27.0 + Python 3.12 + RTX 3090