大家好，我是白日梦想家 Nexmoe。近期，我将一套基于 Docker 打包的 ComfyUI 弹性 Serverless 应用进行了开源，该应用具备完整的前后端分离架构以及用户友好的界面。

在完成 ComfyUI 工作流的开发后，把它部署到生产环境是一件较为棘手的事情。因此，我开源了一套案例，以供大家学习参考。

Demo：https://hadoop.nexmoe.com/

开源地址：nexmoe/serverless-comfyui: 一个基于 Docker 的 ComfyUI 弹性 Serverless 应用，提供完整的前后端分离架构和用户友好的界面。

项目特点

• 完整的 Docker 化部署方案
• 现代化的前端界面
• 模块化的后端架构
• 简单的配置和使用方式

架构图

项目结构

comfy-docker/
├── frontend/           # Next.js 前端项目
│   ├── src/           # 源代码
│   └── .env          # 环境配置
├── backend/           # ComfyUI 后端
│   ├── checkpoints/   # 模型检查点
│   ├── controlnet/    # ControlNet 模型
│   ├── custom_nodes/  # 自定义节点
│   └── loras/        # LoRA 模型
└── bruno/            # API 测试文件

frontend/ 目录结构如下，模型 和 自定义节点 需要自行下载安装

.
├── Dockerfile
├── checkpoints
│   └── dreamshaperXL_sfwV2TurboDPMSDE.safetensors
├── controlnet
│   ├── sai_xl_canny_256lora.safetensors
│   └── sai_xl_depth_256lora.safetensors
├── custom_nodes
│   ├── ComfyUI-Custom-Scripts
│   ├── ComfyUI-WD14-Tagger
│   ├── ComfyUI_Comfyroll_CustomNodes
│   ├── comfyui-art-venture
│   └── comfyui_controlnet_aux
├── docker-compose.yml
├── loras
│   └── StudioGhibli.Redmond-StdGBRRedmAF-StudioGhibli.safetensors
├── provisioning.sh  // 自定义脚本
└── sanhua.json  // 工作流

环境要求

• Docker & Docker Compose
• NVIDIA GPU（当前演示工作流需要 12G 显存以上）
• 足够的磁盘空间（100G~200G）用于存储模型

快速开始

后端本地测试

进入后端 Dockerfile 目录

cd backend

下载模型文件

请参考：https://gongjiyun.com/docs/tutorials/comfyui.html#%E4%B8%8B%E8%BD%BD%E6%A8%A1%E5%9E%8B%E5%92%8C%E6%89%A9%E5%B1%95

构建 Docker 镜像

docker build -t gongji/comfyui:0.1 .

运行 Docker 容器

docker run -it --rm --gpus all -p 3000:3000 -p 8188:8188 --name comfyui gongji/comfyui:0.1

容器启动后可以访问：

• ComfyUI 界面：http://localhost:8188
• API 接口：http://localhost:3000/docs

前端本地测试

进入前端目录

cd frontend

配置环境变量

cp .env.example .env

安装依赖并启动

pnpm install
pnpm dev

ComfyUI Docker 部署到 Serverless 弹性平台

请参考 共绩科技的 ComfyUI 部署文档

API 文档

项目使用 Bruno 进行 API 测试和文档管理，相关文件位于 bruno/ 目录。

ComfyUI API 调用示例

以下是调用 ComfyUI API 的示例代码（参考 frontend/src/app/api/route.ts）：

async function generateImage(imageUrl: string) {
    // 1. 准备 prompt 数据
    const promptData = { ...promptob };  // 从 JSON 文件导入基础 prompt
    promptData.prompt["30"].inputs.image = imageUrl;  // 修改输入图片

    // 2. 设置请求选项
    const url = `${process.env.GONGJI_ENDPOINT}/prompt`;
    const options = {
        method: 'POST',
        headers: { 'content-type': 'application/json' },
        body: JSON.stringify(promptData)
    };

    // 3. 发送请求
    const response = await fetch(url, options);
    const data = await response.json();

    // 4. 错误处理
    if (response.status !== 200) {
        throw new Error(response.statusText);
    }

    // 5. 处理返回的图片数据
    if (data.images && data.images.length > 0) {
        return data.images[0];  // 返回 base64 格式的图片数据
    } else {
        throw new Error('没有返回有效的图片数据');
    }
}

环境变量配置

在使用 API 之前，确保配置以下环境变量：

GONGJI_ENDPOINT=your-comfyui-api-endpoint 
# ComfyUI API 端点

S3 配置说明

项目的图片上传功能需要配置 S3 存储服务。你可以使用 AWS S3 或其他兼容 S3 协议的对象存储服务（如 MinIO）。

在 frontend/.env 文件中配置以下环境变量：

S3_ENDPOINT=your-s3-endpoint
S3_ACCESS_KEY=your-access-key
S3_SECRET_KEY=your-secret-key
S3_BUCKET=your-bucket-name
S3_REGION=your-region

注意：

• 确保创建的 bucket 具有适当的访问权限
• 如果使用 MinIO，endpoint 应该是完整的 URL（例如：http://localhost:9000）
• 使用 AWS S3 时，可以省略 endpoint 配置

贡献指南

欢迎提交 Issue 和 Pull Request！

许可证

MIT License