> ## Documentation Index
> Fetch the complete documentation index at: https://comfyui-mcp.artokun.io/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 로컬 LLM과 다른 에이전트

> Hermes Agent, OpenClaw, Copilot CLI에 대한 일급 지원 — 더하기 로컬(Ollama) 또는 호스팅 모델의 어떤 MCP 클라이언트든. 원커맨드 설정, 그리고 약 200개 도구 스키마를 메타 도구 3개로 접는 컴팩트 도구 모드.

comfyui-mcp는 표준 stdio MCP 서버이므로, **MCP를 할 수 있는 어떤 에이전트든
구동할 수 있습니다** — Claude Code만이 아닙니다. 이 페이지는 일급으로 지원하는
하네스(**Hermes Agent, OpenClaw, Copilot CLI**), 모델이 가져와야 하는 것,
그리고 작은/로컬 모델을 가능하게 하는 **컴팩트 도구 모드**를 다룹니다.

## 모델 요구 사항

가져오는 모델에 대해 스스로 솔직하세요. *전체* 경험의 최소 사양은
**도구 호출 + 사고 + 비전**이 있는 모델입니다:

| 기능                     | 없으면                                                                                                                                                     |
| ---------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **도구 호출** (네이티브 함수 호출) | **동작하지 않습니다.** 모든 comfyui-mcp 동작이 도구 호출입니다. 어떤 하네스의 프롬프트 에뮬 도구 호출은 기술적으로 실행되지만, 신뢰성이 무너집니다 — 미지원으로 다루세요.                                                |
| **사고 / 추론**            | 동작합니다, 저하됨. 다단계 체인 (도구 고르기 → 스키마 가져오기 → 인자 만들기 → 오류에서 복구)이 눈에 띄게 나빠집니다. 에이전트가 다시 프롬프트/넛지를 필요로 할 것으로 기대하세요.                                              |
| **비전**                 | 동작합니다, 저하됨. 에이전트가 생성할 수는 있지만 *볼* 수는 없습니다 — `get_image (action:"view")` 비평 루프, `get_workflow (action:"from_image")`, 시각 비교를 쓸 수 없어, 자신의 출력에 눈먼 채로 날아갑니다. |

전체 사양에 맞는 호스팅 모델은 달마다 바뀝니다 — 목록을 믿기보다
제공자의 모델 카드에서 세 기능을 확인하세요. 2026년
중반 기준: **Xiaomi MiMo-V2.5** (비전 + 도구 + 긴 컨텍스트)가 전체
사양에 싸게 맞습니다. **DeepSeek-V3.x / GLM / MiniMax** 계열 모델은 강한 도구
호출 + 사고가 있지만 텍스트 전용 변형은 비전 루프를 잃습니다. 작은 로컬
모델(아래)은 보통 도구 호출을 유지하고 나머지를 떨어뜨립니다.

## 컴팩트 도구 모드

전체 표면은 풍부한 JSON 스키마를 가진 도구 37개입니다 (`tools/list`당 약 200 KB, 대략 50k
토큰). Claude가 아닌 대부분의 하네스는 등록된 모든
스키마를 모델 컨텍스트에 바로 주입합니다 — 프런티어 모델에는 괜찮고, 4B
로컬에는 치명적입니다. **컴팩트 도구 모드**는 정확히 **세
메타 도구**만 등록하고 진짜 카탈로그는 그 뒤에 둡니다:

| 메타 도구           | 하는 일                                                                                 |
| --------------- | ------------------------------------------------------------------------------------ |
| `list_tools`    | 토큰이 가벼운 카탈로그: 모든 도구 이름 + 한 줄 요약, 카테고리별 묶음. `category`와 `search` 필터를 지원.              |
| `describe_tool` | 도구 하나의 전체 설명 + JSON Schema, 필요할 때만 가져옴.                                              |
| `call_tool`     | 카탈로그된 어떤 도구든 실행: `{"name": "generate_image", "args": {...}}`. 아래 도구가 반환하는 것을 그대로 반환. |

모델의 루프는: `list_tools` → 고르기 → `describe_tool` → `call_tool`.
스키마는 한 번에 도구 하나씩 컨텍스트에 들어갑니다. 메타 도구는 작은 모델
버릇에 의도적으로 관대합니다: `args`가 객체 **또는** JSON 인코딩된
문자열일 수 있고, 흔한 필드 별칭(`tool_name`, `arguments`)이 받아들여지며,
유효성 오류가 기대 스키마와 함께 돌아와 모델이
불투명한 프로토콜 오류에서 죽는 대신 스스로 고칠 수 있습니다.

컴팩트는 **선택 사항**입니다 — 직접 표면이 기본값이므로, 작은 모델은
이 중 하나가 필요합니다 (플래그가 환경 변수보다 이깁니다):

```bash theme={null}
npx -y comfyui-mcp --compact
# or
COMFYUI_MCP_TOOL_MODE=compact npx -y comfyui-mcp
```

기본값은 프런티어 모델 하네스(Claude Code / Cursor / Claude
Desktop)에 맞습니다. 그 클라이언트가 큰 도구 목록을 잘 다룹니다. `--full`은 여전히
받아들여지며 이제 no-op입니다.

### 자동 선택: 제공자가 아니라 모델을 기준으로

패널의 로컬 LLM 백엔드(Ollama / LM Studio / llama.cpp /
OpenAI 호환)에서, **모드를 고르지 않았을 때**, *모델*이 하나를 고릅니다:

* id에 파라미터 수가 **70B** 이상으로 실린 모델
  (`llama3.3:70b`, `gpt-oss:120b`, `mixtral:8x22b`)은 **전체** 표면을 받습니다.
* 더 작은 것은 **컴팩트**에 남습니다.
* 읽을 수 있는 파라미터 수가 없는 모델 id (`moonshotai/kimi-k2.5`)는
  작은 것이 아니라 **알 수 없음**으로 다루어, 문서화된 컴팩트
  폴백을 받습니다.

"Ollama ⇒ 컴팩트"는 양쪽 방향으로 틀립니다 — 70B 로컬 모델은
전체 표면을 다루며 불필요하게 불구가 될 것이고, 어떤 작은
호스팅 모델은 컴팩트를 원합니다. 그래서 신호는 모델입니다.

**당신의 선택이 항상 이깁니다, 양쪽 방향으로.** `COMFYUI_MCP_TOOL_MODE=full`은
4B 모델에 전체 표면을 강제하고, `COMFYUI_MCP_TOOL_MODE=compact`는
405B에 라우터를 강제합니다. 자동 선택은 아무것도 고르지 않은
틈만 채웁니다.

70B 임계값은 의도적으로 보수적입니다: 이 축에 대해 실제로
주장된 유일한 숫자이므로, 추측으로 승격하지 않습니다.
`COMFYUI_MCP_FULL_SURFACE_MIN_PARAMS_B=30`이 하드웨어의 진짜 천장을
찾고 싶으면 낮춥니다.

**시스템 프롬프트가 모드를 따릅니다.** 컴팩트 프롬프트는 모델에게
도구 여섯 개가 있고 ComfyUI를 `call_tool`로 라우팅한다고 말합니다. 전체 표면이
선택되면 그것은 그냥 거짓이므로, 전체 모드 프롬프트는 ComfyUI 도구가
직접 광고된다고 말하고 `panel_*`에만 라우터 설명을 유지합니다.
도구가 없다고 부정하면서 전체를 자동 선택하는 것은 대체한
기본값보다 나쁠 것입니다.

활성 모드**와 그 이유**가 백엔드의 준비 줄에 출력됩니다.
예: `Tool mode: compact — chosen for this MODEL: "qwen3:4b" is ~4B
parameters, below the 70B full-surface threshold…`. 그래서 레버가 다시는
보이지 않게 되지 않습니다.

<Note>
  이 자동 선택은 패널의 로컬 LLM 레인을 커버합니다. Codex / Gemini /
  Grok / Copilot HTTP 레인은 다른 이유로 컴팩트에 고정됩니다 —
  자체 도구 예산이 그렇지 않으면 `panel_*` 도구를 밀어내기 때문입니다 — 그리고
  독립 MCP 서버의 기본값은 바뀌지 않습니다.
</Note>

## 오디오 입력

**`ollama` 백엔드에서 (네이티브 `/api/chat`)**, 오디오는 모델이 실제로
들을 수 있다고 보고하는 곳에서만 모델에 닿습니다. 보내기 전에 백엔드가
그 모델의 기능을 `POST /api/show`에 묻습니다:

```bash theme={null}
ollama pull gemma4:e2b      # capabilities: completion, vision, audio, tools, thinking
```

선택한 모델에 `audio` 기능이 없으면, 첨부가 **소리 내어
거절**됩니다 — 서버가 보고한 기능 목록과 들을 수 있는
모델의 pull 명령과 함께 — 모델이 텍스트만으로 답할 요청에
떨어지는 대신. 오디오 형식이 아닌 파일, 또는 있지만
0바이트인 파일에도 같습니다.

바이트를 전달하는 것이 일의 전부는 아닙니다. `gemma4:e2b`에 대해 라이브로
측정했습니다: WAV가 컨텍스트에 분명히 있는데도 (프롬프트 토큰 555,
`/api/show`가 `audio`를 보고), 모델이 여전히 \*"I do not have the
capability to transcribe audio — my functions are limited to operating
ComfyUI"\*라고 답했습니다. 패널 시스템 프롬프트가 그래프 연산자로 캐스팅하고 작은
모델이 실제로 가진 감각에서 스스로를 빠져나가게 추론합니다. 그래서 오디오가
기능 확인되고 첨부된 턴은, 오디오가 거기 있고 들은 것으로
답해야 한다고 모델에게 말하는 짧은 노트도 싣습니다. 그 노트로
같은 모델이 네 번 중 네 번 올바르게 받아적었습니다.

**OpenAI 호환 백엔드에서** (LM Studio, llama.cpp, OpenRouter,
커스텀) 물을 기능 엔드포인트가 없습니다. 오디오는
`input_audio` 콘텐츠 파트로 보내지고 턴이 명시적인 *"모델이 실제로
받는지 확인할 수 없습니다"* 줄을 싣습니다. 거절하면 기능 API가
없는 모든 엔드포인트에서 오디오를 막을 것입니다. 실행할 수 없는 가드는
판결이 아닙니다 — 확인도 아니며, 문구가 그렇게 말합니다.

다른 모든 제공자가 하는 일은 [백엔드 → 오디오 입력](/docs/docs/ko/backends#오디오-입력--어느-백엔드가-정직하게-지원하는가)을
참고하세요.

## 원커맨드 설정

`comfyui-mcp setup <agent>`는 하네스 자체의 설정 파일에 서버 항목을
씁니다 (이미 있는 것과 병합 — 기존 서버,
YAML의 주석, 모두 보존):

```bash theme={null}
npx -y comfyui-mcp setup hermes     # → ~/.hermes/config.yaml      (compact by default)
npx -y comfyui-mcp setup openclaw   # → ~/.openclaw/openclaw.json  (compact by default)
npx -y comfyui-mcp setup copilot    # → ~/.copilot/mcp-config.json (full by default)
```

플래그: `--compact` / `--full`이 에이전트별 기본값을 재정의하고,
`--comfyui-url <url>`이 ComfyUI 대상을 임베드하며 (로컬, LAN, 또는 RunPod 프록시
URL), `--dry-run`은 쓰는 대신 병합된 설정을 출력합니다.

## Hermes Agent

```bash theme={null}
npx -y comfyui-mcp setup hermes --comfyui-url http://127.0.0.1:8188
```

이것이 `~/.hermes/config.yaml`에 이것을 만듭니다 (원하면 손으로 추가하세요):

```yaml theme={null}
mcp_servers:
  comfyui:
    command: "npx"
    args: ["-y", "comfyui-mcp", "--compact"]
    env:
      COMFYUI_URL: "http://127.0.0.1:8188"
```

`/reload-mcp`로 다시 불러오거나 (또는 Hermes를 재시작). Hermes가 도구에 접두사를 붙이므로
모델은 `mcp_comfyui_list_tools`, `mcp_comfyui_describe_tool`,
`mcp_comfyui_call_tool`을 봅니다 — 이백 개 대신 컨텍스트에 정의 세 개.

<Note>
  프런티어 모델에서 (Nous Portal / OpenRouter를 통해) 설정을 `--full`로
  다시 실행하고 선택적으로 Hermes 자체 `tools.include` 허용 목록을 쓸 수 있습니다. 컴팩트는
  더 작은 모든 것에 맞는 기본값입니다.
</Note>

Hermes는 또한 Python 스크립트에서 raw REST로 ComfyUI를 구동하는 번들된
`comfyui` *스킬*을 싣습니다. 동작하지만, 이 서버보다 앞섭니다 — MCP
경로가 워크플로우 작성/검증, 모델 + 커스텀 노드 관리,
설치 팩, 대기열 제어, 자가 진단을 줍니다. 에이전트가 MCP 도구 대신
그것에 손을 뻗으면 스킬을 끄세요.

## OpenClaw

```bash theme={null}
npx -y comfyui-mcp setup openclaw
```

이것이 `~/.openclaw/openclaw.json`에 이것을 만듭니다:

```json theme={null}
{
  "mcpServers": {
    "comfyui": {
      "command": "npx",
      "args": ["-y", "comfyui-mcp", "--compact"],
      "transport": "stdio"
    }
  }
}
```

서버를 집어 올리려면 OpenClaw 게이트웨이를 재시작하세요. OpenClaw의 문서는
MCP 도구 수를 낮게 유지하라고 권합니다 — 그것이 정확히 컴팩트 모드가 하는 일이고,
여기서 기본값인 이유입니다.

## Copilot CLI

```bash theme={null}
npx -y comfyui-mcp setup copilot
# or use Copilot's own command:
copilot mcp add comfyui -- npx -y comfyui-mcp
```

이것이 `~/.copilot/mcp-config.json`에 이것을 만듭니다:

```json theme={null}
{
  "mcpServers": {
    "comfyui": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "comfyui-mcp"],
      "env": {},
      "tools": ["*"]
    }
  }
}
```

Copilot CLI는 프런티어 모델을 실행하므로, 설정은 **전체** 도구
표면을 기본으로 합니다 (더 작은 모델로 Copilot을 라우팅하면 `--compact`를 넘기세요).
`copilot` 안에서 `/mcp show`로 확인하세요.

## 자체 파인튜닝 모델 (무료, 권장)

에이전트를 **로컬에서 무료로** 실행하고 싶다면, 여기서 시작하세요. Gemma 4
계열을 comfyui-mcp를 위해 특별히 파인튜닝했습니다: 라이브 ComfyUI에 대해 합성된
**서버 검증 도구 사용 궤적 1,055개**로 QLoRA 학습 —
**전체 178도구 표면** (MCP 113 + 패널 도구 65)을 커버 — 그래서 모델이
이 정확한 도구 모음을 차갑게 만나는 대신 네이티브로 압니다.

```bash theme={null}
# 1. Install Ollama (once):  https://ollama.com/download
# 2. Pull the size that fits your GPU:
ollama pull artokun/gemma4-comfyui-mcp:e4b     # default — ~3.5 GB VRAM at q4
ollama pull artokun/gemma4-comfyui-mcp:12b     # ~8 GB VRAM
ollama pull artokun/gemma4-comfyui-mcp:e2b     # smallest — ~2 GB VRAM (see caveat)
```

**약속이 아니라 측정** — [LLM 아레나](/docs/docs/ko/arena) 점수가 실제 10시나리오
사다리에서 (best of 3, 모든 결과가 라이브 ComfyUI 서버에 대해 검증됨, RTX 4090):

| 태그          | VRAM (q4) | 아레나 점수                            | 기본 대비                   |
| ----------- | --------- | --------------------------------- | ----------------------- |
| `:e4b`      | \~3.5 GB  | **14/20** (13–14) — 테스트한 최고 로컬 모델 | stock gemma4:e4b: 12/20 |
| `:12b`      | \~8 GB    | 13/20 (12–13)                     | stock 12b 미벤치마크         |
| `:e2b` (v2) | \~2 GB    | 10/20 (7–10)                      | stock gemma4:e2b: 8/20  |

이제 모든 단이 기본 베이스를 이깁니다. `:e2b` v2 재학습 (이중 보기
학습: 직접 도구 호출 AND 배포된 라우터 봉투)이 v1의
`call_tool` 형식 회귀를 고쳤습니다 — 판결 실행에서 잘못된 봉투 제로.
크기 안내는 그대로입니다: `:e4b`가 최적점입니다 (e2b보다 약 1.5 GB만 더
쓰고 아레나에서 +4). `:e2b`는 이제 빠듯한 VRAM에 정당한 선택입니다.
`:12b`는 날것의 점수가 아니라 긴 다단계 작업의 안정성을 삽니다.

| 태그     | 베이스         | VRAM (q4) | 메모                                     |
| ------ | ----------- | --------- | -------------------------------------- |
| `:e4b` | Gemma 4 E4B | \~3.5 GB  | **기본값** — 최고의 크기/품질 균형                 |
| `:e2b` | Gemma 4 E2B | \~2 GB    | 장황하게 생각함 — 넉넉한 `max_tokens`를 허용 (≥512) |
| `:12b` | Gemma 4 12B | \~8 GB    | 가장 강한 단                                |

패널의 Ollama 백엔드는 **`:e4b`를 기본**으로 합니다 — 백엔드 선택기에서
\*\*Ollama (로컬)\*\*을 고르면 모델을 받은 뒤 그냥 동작합니다. 계정 없음,
API 키 없음, 토큰당 비용 없음.

**컨텍스트 창:** 태그가 **65,536토큰** 창을 구워 싣고, 오케스트레이터가
그것을 따릅니다 (기본 모델은 16K). 아키텍처는
**128K** (`:e2b`/`:e4b`)와 **256K** (`:12b`)까지 지원합니다 —
VRAM이 있으면 `COMFYUI_MCP_OLLAMA_NUM_CTX=131072`로 올리세요 (KV 캐시가
창과 함께 자랍니다). 에이전트가 대화 중간에 "잊어버리기" 시작하면
오케스트레이터 로그를 보세요: 턴이 창의 ≥85%를 채우면 경고합니다. 웨이트, LoRA 어댑터, 학습
파이프라인은 열려 있습니다: [`artokun/gemma4-comfyui-mcp`](https://huggingface.co/artokun/gemma4-comfyui-mcp)
(데이터셋: [`artokun/comfyui-mcp-trajectories`](https://huggingface.co/datasets/artokun/comfyui-mcp-trajectories)).

## LM Studio

패널은 LM Studio를 네이티브로 말합니다: 백엔드 선택기에서 **LM Studio**를 고르면
오케스트레이터가 로컬 서버를 구동합니다 (`http://127.0.0.1:1234/v1`,
`COMFYUI_MCP_LMSTUDIO_HOST`로 재정의). 설정은 클릭 두 번입니다:
[lmstudio.ai](https://lmstudio.ai)에서 설치한 뒤, **도구 호출 모델**이
로드된 채로 **Developer → Start Server**. 모델 선택기가 서버가
제공하는 것을 미러합니다. 기본값이 없으면 첫 제공 모델이
자동으로 채택됩니다. 오케스트레이터가 **전체 수명 주기**를 손대지 않고
관리합니다: 필요할 때 서버를 자동 시작하고, 모델을 JIT 로드하고,
ComfyUI 렌더가 실행되는 동안 VRAM을 비우며 (채팅은 보류되고 렌더가 끝나면 답함),
모델 전환 시 나가는 모델을 언로드하고, 다른 제공자로 전환하면
모든 것을 해제합니다.

자체 파인튜닝 GGUF도 여기서 동작합니다 — LM Studio의 모델 다운로더에서
`artokun/gemma4-comfyui-mcp`를 검색하고 `model-q4_k_m.gguf`를 받으세요. Ollama와 같은
JIT 콜드 로드 정지를 첫 메시지에서 기대하세요 (30초+가 정상).

## llama.cpp (llama-server)

날것의 `llama.cpp`를 실행하나요? 백엔드 선택기에서 **llama.cpp**를 고르세요 —
오케스트레이터가 `llama-server`의 OpenAI 호환 엔드포인트를 구동합니다
(`http://127.0.0.1:8080/v1`, `COMFYUI_MCP_LLAMACPP_HOST`로 재정의):

```bash theme={null}
llama-server -m gemma4-comfyui-mcp-e2b.Q4_K_M.gguf -c 16384
```

현장 메모: 컨텍스트는 **실행 플래그** (`-c`)입니다 — 서버가 16K 아래에서
돌면 에이전트가 경고합니다 (도구 페이로드가 그것을 필요로 함). 도구 호출은 현재
빌드에서 기본으로 켜집니다. **오래된 빌드는 `--jinja`가 필요합니다** (패널이 연결 시
도구 불가 서버를 감지하고 정확히 그렇게 말합니다). 로드된 단일
모델이 자동으로 채택됩니다 — 고를 필요 없음.

단일 GPU 상자에서 **로컬** llama-server (또는 앞의 llama-swap)는
Ollama와 LM Studio와 같은 VRAM 인계에 합류합니다: ComfyUI 렌더가
실행되는 동안, 채팅이 보류되고 렌더가 끝나는 순간 답합니다.
llama-server에는 언로드 API가 없으므로 (그리고 llama-swap은 수요에 따라
업스트림에서 모델을 바꿈), 인계는 보류만입니다 — 명시적으로 언로드하거나 워밍하지 않습니다.
**원격** `COMFYUI_MCP_LLAMACPP_HOST`는 다른 사람의 GPU이며 절대
게이트되지 않습니다. 인계는 세 로컬 백엔드 모두에서 기본으로 켜집니다. 옵트아웃은
`COMFYUI_MCP_PAUSE_LOCAL_ON_GEN=0` (레거시
`COMFYUI_MCP_OLLAMA_PAUSE_ON_GEN=0`도 여전히 존중됩니다).

## 커스텀 엔드포인트 (OpenAI 호환 서버라면 무엇이든)

`/v1/chat/completions`를 말하는 모든 것 — vLLM, DeepSeek, Together, Azure
OpenAI, 다른 상자의 llama-server, 회사의 게이트웨이 — 가
**커스텀 엔드포인트** 제공자로 꽂힙니다:

1. ComfyUI 설정 → **Comfy MCP Agent → 커스텀 엔드포인트** →
   **엔드포인트 기본 URL**을 설정하세요 (`/v1`을 포함, 예: `http://192.168.1.20:8000/v1`).
2. 서버가 키를 필요로 하면: **API 키 설정…** — 마스킹된 입력. 키는
   오케스트레이터가 `~/.comfyui-mcp`에 `0600`으로 저장하며, ComfyUI
   설정이나 채팅에는 절대 없습니다.
3. 백엔드 선택기에서 **커스텀 엔드포인트**를 고르고 연결하세요.

모델 목록은 서버의 `/v1/models`에서 옵니다. 단일 모델 서버는
자동으로 채택되거나, 모델을 나열하지 않는 엔드포인트를 위해 **기본 모델**
id를 명시적으로 설정하세요. 환경 탈출구: `COMFYUI_MCP_CUSTOM_BASE_URL`,
`COMFYUI_MCP_CUSTOM_MODEL`, `COMFYUI_MCP_CUSTOM_API_KEY`. 모델은
**도구 호출**을 지원해야 합니다.

## Ollama와 로컬 모델 — LLM 아레나

Ollama (또는 OpenAI 호환 엔드포인트)와 대화하는 어떤 MCP 하네스든
로컬 모델로 컴팩트 모드를 구동할 수 있습니다. 저장소에 반복 가능한 하네스가
둘 실립니다: `npm run test:local-llm` (빠른 단일 모델 점검)과
`node scripts/llm-arena.mjs` — **ComfyUI LLM 아레나**. *라이브* ComfyUI에 대해
동일한 작업 세트를 모델 필드에 돌리고 모든 결과를
모델의 주장이 아니라 서버에 대해 검증합니다.

전체 10시나리오 사다리의 로컬 티어 점수 (RTX 4090, ComfyUI 0.27,
temperature 0 — 작업 사다리와 프런티어 및 호스팅 모델을 포함한
전체 티어 리더보드는 [아레나 페이지](/docs/docs/ko/arena)를 참고):

| 모델                | 크기     | 점수 /20                |
| ----------------- | ------ | --------------------- |
| `qwen3:4b`        | 2.6 GB | **13**                |
| `gemma4:e4b`      | 9.6 GB | **12**                |
| `qwen3:8b`        | 5.2 GB | **11**                |
| `gemma4:e2b`      | 7.2 GB | **8**                 |
| `llama3.1:8b`     | 4.9 GB | **2**                 |
| `gemma3` (어떤 크기든) | —      | ❌ 네이티브 도구 호출 없음 — 미지원 |

가져갈 점: qwen3/gemma4 계열은 단일 도구 작업(상태,
설치된 모델, 레지스트리 검색, 대기열)을 단단히 넘고 더 어려운
밴드에서 점을 줍니다. 하지만 다단계 그래프 구성 (파이프된 출력 둘의 그래프 하나,
단계적 2단계 img2img 파이프라인)은 여전히 프런티어/B-tier 영역입니다.
llama3.1:8b의 도구 형식 규율이 이 카탈로그에서 무너집니다 (도구
이름을 환각하고 도구 호출 JSON을 텍스트로 출력). Gemma 4는 계열 전체에
네이티브 함수 호출을 실었습니다 (Ollama ≥ v0.20). `e4b` 이상이
최적점입니다.

위의 기능 사다리를 기억하세요: 이 작은 모델은 도구 호출을
유지하지만 비전과 사고가 제한적이거나 없어, 생성하고 워크플로우를
관리할 수는 있어도 결과를 시각적으로 비평할 수는 없습니다.

## 로컬 모델로 사이드바 패널 쓰기

[패널 에이전트](/docs/docs/ko/panel)가 Claude / ChatGPT / Gemini 옆에
**Ollama 백엔드**를 얻습니다: 백엔드 선택기에서 \*\*Ollama (로컬)\*\*을 고르면
오케스트레이터가 로컬 모델로 라이브 그래프를 구동합니다 — 계정 없음, API
키 없음, 완전히 오프라인. 모델은 6도구 라우터를 봅니다 (컴팩트 comfyui
메타 도구 3개 더하기 라이브 캔버스용 `panel_list_tools` / `panel_describe_tool` /
`panel_call_tool`). 그래서 4B 모델도 스키마에 빠지지 않습니다. 기본 모델:
**`artokun/gemma4-comfyui-mcp:e4b`** — [자체 gemma4
파인튜닝](#자체-파인튜닝-모델-무료-권장). 이 정확한 도구 모음으로 학습됨
(이전 아레나 최고인 기본 `gemma4:e4b`를 대체). `COMFYUI_MCP_OLLAMA_MODEL` 또는
로컬로 받은 것을 나열하는 패널의 모델 선택기로 재정의하세요. 프런티어
백엔드 대비 정직한 트레이드오프를 기대하세요: 더 느린 턴 (특히 첫 번째, 모델이
로드되는 동안), 비전 없음, 대화 롤백 없음.

## 얻는 것과 얻지 못하는 것

어떤 MCP 클라이언트든 **전체 도구 표면**을 얻습니다 — 생성, 워크플로우
작성, 모델, 커스텀 노드, 대기열, 진단 — 어느 도구 모드에서든.
Claude Code **플러그인 엑스트라** (스킬, 슬래시 명령어, 훅, 설치
팩, 사이드바 패널 에이전트)는 플러그인 기능이며 다른
하네스로 여행하지 않습니다. `list_tools` 카탈로그는 그 지식 계층이
없는 에이전트도 길을 찾을 수 있을 만큼의 방향을 싣도록 설계되었습니다.

## 문제 해결

* **모델이 문자열화된 `args`로 `call_tool`을 호출함** — 지원됩니다. 서버가
  JSON 인코딩된 문자열을 자동으로 파싱합니다.
* **모델이 도구 이름을 발명함** — 알 수 없는 이름이 가까운 일치
  제안과 `list_tools`로 돌아가는 포인터를 반환합니다.
* **잘못되거나 빠진 매개변수** — 오류에 도구의 JSON Schema가 포함됩니다.
  능력 있는 모델이 다음 시도에서 스스로 고칩니다.
* **모델이 아무것도 실행하지 않고 카탈로그에서 답함** — 알려진
  작은 모델 실패 모드. 넛지하세요 ("카탈로그 항목은 데이터가 아니라 도구
  이름입니다 — call\_tool로 도구를 실행하세요").
* **ComfyUI에 닿을 수 없음** — 컴팩트 모드는 도구 *등록*만 바꿉니다.
  연결 설정은 다른 모든 설정과 동일합니다
  ([설정](/docs/docs/ko/configuration) 참고).