Qwen-Image-2512-ComfyUI API集成：Flask调用封装代码实例-开发者社区

Qwen-Image-2512-ComfyUI API集成：Flask调用封装代码实例

1. 为什么需要把ComfyUI变成API服务

你有没有遇到过这样的情况：在ComfyUI界面里点点选选，生成一张图很顺手，但想把它嵌进自己的网页、小程序或者自动化流程里，就卡住了？ComfyUI默认是图形界面，不直接对外提供HTTP接口。而真实项目中，我们往往需要让图片生成功能“被调用”——比如电商后台批量生成商品图、内容平台自动配图、甚至接进企业微信机器人发图。

这时候，Qwen-Image-2512-ComfyUI这个镜像就很有价值：它已经预装了阿里最新版的Qwen-Image模型（2512版本），还集成了ComfyUI环境，4090D单卡就能跑起来。但光有镜像还不够，得让它“听懂”程序发来的请求。本文不讲怎么从零搭环境，也不重复部署步骤，而是聚焦一个工程师真正要落地的事：用Flask写一套轻量、稳定、可复用的API封装层，把ComfyUI变成你随时能POST调用的服务。

整套方案完全本地运行，不依赖云服务，代码简洁（不到150行），支持传入提示词、尺寸、采样步数等常用参数，返回生成图的URL或base64。你不需要改ComfyUI源码，也不用碰Node.js，只要会写Python，就能快速接入。

2. 环境准备与服务结构设计

2.1 镜像基础确认

你已按说明完成镜像部署：

在4090D单卡机器上拉起镜像；
运行/root/1键启动.sh；
通过“我的算力”进入 ComfyUI 网页端，确认工作流可正常出图。

这说明后端服务（ComfyUI的/prompt接口）已在本地http://127.0.0.1:8188运行。这是整个API封装的前提——我们不是重写推理，而是做一层“翻译+调度”。

2.2 Flask服务定位与职责划分

我们不替代ComfyUI，而是站在它肩膀上构建能力：

模块	职责	你不用管的	你需要控制的
ComfyUI原生服务	执行节点计算、加载模型、渲染图像	模型权重路径、显存分配、节点逻辑	仅需确保其`/prompt`接口可访问
Flask API层	接收HTTP请求 → 校验参数 → 构造ComfyUI Prompt JSON → 发送请求 → 轮询结果 → 返回图片	请求超时重试策略、日志格式、错误码定义	请求字段映射、默认值设定、响应结构

简单说：Flask是“前台接待员”，ComfyUI是“后台画师”。接待员负责听懂客户说什么（解析JSON）、填好工单（构造Prompt）、催进度（轮询）、最后把画作交到客户手上（返回图片）。

2.3 依赖安装与目录结构

在镜像内执行（建议在/root下新建qwen-api目录）：

pip install flask requests pillow

推荐目录结构如下（清晰、易维护）：

qwen-api/ ├── app.py # 主服务入口 ├── workflow_api.json # 从ComfyUI导出的API工作流（关键！） ├── utils.py # 图片处理、路径管理等工具函数 └── static/ └── outputs/ # 自动生成的图片存放目录（ComfyUI默认输出路径）

注意：workflow_api.json不是手写的，而是从ComfyUI网页端导出的。打开内置工作流 → 点右上角「Queue Prompt」旁的「Save as API」→ 下载JSON文件，放入项目根目录。这是保证API调用和界面操作效果一致的核心。

3. 核心代码实现详解

3.1 工作流JSON的关键字段解析

打开你导出的workflow_api.json，找到类似这样的节点：

"6": { "inputs": { "text": "A cat wearing sunglasses, summer vibe", "clip": ["12", 1] }, "class_type": "CLIPTextEncode" }, "8": { "inputs": { "width": 1024, "height": 1024, "batch_size": 1 }, "class_type": "KSampler" }

我们要动态替换的，就是这些inputs里的值。Flask收到请求后，会提取prompt、width、height等参数，精准注入到对应节点ID（如6、8）的inputs中。不是全文本替换，而是基于节点ID的字典级更新——这才是稳定可靠的做法。

3.2 Flask主服务（app.py）

# app.py from flask import Flask, request, jsonify, send_file import requests import json import time import os from pathlib import Path from utils import get_image_path, save_workflow_with_params app = Flask(__name__) # ComfyUI服务地址（镜像内默认） COMFYUI_URL = "http://127.0.0.1:8188" # 加载原始工作流模板 with open("workflow_api.json", "r", encoding="utf-8") as f: WORKFLOW_TEMPLATE = json.load(f) @app.route("/generate", methods=["POST"]) def generate_image(): try: data = request.get_json() prompt = data.get("prompt", "").strip() if not prompt: return jsonify({"error": "prompt is required"}), 400 # 提取参数，设置默认值 width = int(data.get("width", 1024)) height = int(data.get("height", 1024)) steps = int(data.get("steps", 30)) seed = int(data.get("seed", -1)) # 动态注入参数到工作流（核心逻辑） workflow = save_workflow_with_params( WORKFLOW_TEMPLATE, prompt=prompt, width=width, height=height, steps=steps, seed=seed ) # 发送Prompt请求 resp = requests.post( f"{COMFYUI_URL}/prompt", json={"prompt": workflow}, timeout=5 ) resp.raise_for_status() queue_resp = resp.json() prompt_id = queue_resp["prompt_id"] # 轮询获取结果（最多等待90秒） for _ in range(90): history = requests.get(f"{COMFYUI_URL}/history/{prompt_id}").json() if prompt_id in history and "outputs" in history[prompt_id]: output = list(history[prompt_id]["outputs"].values())[0] if "images" in output: img_info = output["images"][0] img_path = get_image_path(img_info) if os.path.exists(img_path): # 返回图片URL（假设Nginx已配置static代理） return jsonify({ "status": "success", "image_url": f"/static/outputs/{img_info['subfolder']}/{img_info['filename']}", "prompt_id": prompt_id }) time.sleep(1) return jsonify({"error": "timeout waiting for image"}), 504 except requests.exceptions.RequestException as e: return jsonify({"error": f"comfyui request failed: {str(e)}"}), 502 except Exception as e: return jsonify({"error": f"server error: {str(e)}"}), 500 if __name__ == "__main__": app.run(host="0.0.0.0", port=5000, debug=False)

这段代码做了四件关键事：

安全校验：检查prompt非空，参数类型转换防崩；
精准注入：调用save_workflow_with_params，只改目标节点，不动其他逻辑；
异步等待：用/history/{id}轮询，避免长连接阻塞；
错误分层：网络失败返回502，超时返回504，代码异常返回500——便于前端区分处理。

3.3 参数注入工具（utils.py）

# utils.py import json import os from pathlib import Path def save_workflow_with_params(workflow, **kwargs): """根据节点ID，将参数注入到指定位置""" # CLIPTextEncode节点（通常ID为6或类似，按你导出的JSON调整） if "prompt" in kwargs and "6" in workflow: workflow["6"]["inputs"]["text"] = kwargs["prompt"] # KSampler节点（控制尺寸、步数、随机种子） if "8" in workflow: # 假设KSampler节点ID是8 if "width" in kwargs: workflow["8"]["inputs"]["width"] = kwargs["width"] if "height" in kwargs: workflow["8"]["inputs"]["height"] = kwargs["height"] if "steps" in kwargs: workflow["8"]["inputs"]["steps"] = kwargs["steps"] if "seed" in kwargs: workflow["8"]["inputs"]["seed"] = kwargs["seed"] # 其他节点可依此类推（如VAEDecode、SaveImage等） return workflow def get_image_path(img_info): """根据ComfyUI返回的image info，拼出本地绝对路径""" base_dir = "/root/comfyui/output" # ComfyUI默认输出目录 subfolder = img_info.get("subfolder", "") filename = img_info["filename"] return os.path.join(base_dir, subfolder, filename)

关键提醒：节点ID（如"6"、"8"）必须和你导出的workflow_api.json中实际ID严格一致。打开JSON文件，搜索"class_type": "CLIPTextEncode"和"class_type": "KSampler"，看它们前面的数字ID是多少，然后在utils.py里对应修改。这是唯一需要你手动核对的地方。

4. 启动服务与调用验证

4.1 启动Flask服务

在qwen-api/目录下执行：

nohup python app.py > api.log 2>&1 &

服务将在http://你的服务器IP:5000/generate监听POST请求。

4.2 用curl测试（最简验证）

curl -X POST http://localhost:5000/generate \ -H "Content-Type: application/json" \ -d '{ "prompt": "a cyberpunk cityscape at night, neon lights, rain, cinematic", "width": 1024, "height": 576, "steps": 25 }'

成功响应示例：

{ "status": "success", "image_url": "/static/outputs/ComfyUI_2024-06-15/IMG_00001.png", "prompt_id": "abc123def456" }

4.3 前端调用示例（JavaScript）

async function callQwenAPI(prompt) { const res = await fetch("http://your-server-ip:5000/generate", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify({ prompt: prompt, width: 1024, height: 1024 }) }); const data = await res.json(); if (data.status === "success") { document.getElementById("result-img").src = data.image_url; } }

5. 实用技巧与避坑指南

5.1 如何让生成图直接返回base64（免静态服务）

如果你不想配Nginx代理静态文件，想让API直接返回图片数据，只需修改app.py中成功分支：

# 替换原来的 jsonify(...) 部分 with open(img_path, "rb") as f: img_data = f.read() import base64 encoded = base64.b64encode(img_data).decode("utf-8") return jsonify({ "status": "success", "image_base64": f"data:image/png;base64,{encoded}", "prompt_id": prompt_id })

这样前端拿到base64字符串，直接赋给<img src="...">即可显示，零配置。

5.2 多模型切换支持（扩展思路）

Qwen-Image-2512只是起点。ComfyUI支持加载多个模型。你可以在workflow_api.json中，把模型加载节点（如CheckpointLoaderSimple）的ckpt_name字段，改为一个变量占位符，然后在save_workflow_with_params里根据请求参数动态替换：

# 在workflow中预留 "4": { "inputs": { "ckpt_name": "{{model_name}}" }, "class_type": "CheckpointLoaderSimple" } # 注入时 if "model_name" in kwargs: workflow["4"]["inputs"]["ckpt_name"] = kwargs["model_name"]

再配合一个/models接口返回可用模型列表，就能做成真正的多模型API网关。

5.3 常见问题速查

Q：调用返回502，但ComfyUI网页能出图？
A：检查COMFYUI_URL是否正确（必须是127.0.0.1:8188，不能写localhost或外网IP）；确认/root/comfyui目录下output子目录有写入权限。
Q：轮询一直超时，history里没outputs？
A：打开ComfyUI网页，看右下角WebSocket状态是否绿色；检查workflow_api.json中SaveImage节点的filename_prefix是否为ComfyUI（默认值），否则路径拼接会失败。
Q：中文提示词乱码或不生效？
A：确保workflow_api.json中CLIPTextEncode节点的text字段是UTF-8编码；Flask接收JSON时加request.get_json(force=True)强制解码。