К основному содержанию
скилл CX Codex

comfyui-node-advanced — скилл для Claude Code: узлы ComfyUI

Скилл comfyui-node-advanced для Claude Code помогает проектировать сложные узлы ComfyUI с динамическими входами и сопоставлением типов. Решает задачу узлов, которым недостаточно фиксированной схемы входов.

MIT ★ 321 обновлён 2026-10-17

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add jtydhr88/comfyui-custom-node-skills
/plugin install comfyui-custom-nodes@comfyui-custom-node-skills
Открыть на GitHub

Что делает comfyui-node-advanced

Скилл разбирает паттерны ComfyUI V3 для узлов с гибкими входами. MatchType связывает типы входа и выхода, MultiType позволяет одному входу принимать несколько типов, а Autogrow добавляет слоты по мере подключения. Это полезно для узлов, где число соединений заранее не задано.

DynamicCombo показывает набор под-входов в зависимости от выбранного режима. В примерах также разобраны необязательные и ленивые входы для узла-переключателя. Код написан на Python и использует API ComfyUI V3; при реализации важно различать отсутствующий вход и подключённый, но ещё не вычисленный: для них нужны разные проверки.

Какие задачи решает

  • связать тип входа и выхода узла
  • принимать несколько типов через один вход
  • добавлять входные слоты при подключении
  • показывать разные параметры для выбранного режима
  • обрабатывать необязательные входы переключателя

Примеры запросов агенту

  • Помоги сделать узел ComfyUI, у которого выход наследует тип подключённого входа через MatchType.
  • Составь схему узла ComfyUI с растущими слотами Autogrow для нескольких изображений.
  • Покажи, как различать отсутствующий и ещё не вычисленный ленивый вход в узле-переключателе ComfyUI.

Как установить comfyui-node-advanced

1Через маркетплейс плагинов

/plugin marketplace add jtydhr88/comfyui-custom-node-skills
/plugin install comfyui-custom-nodes@comfyui-custom-node-skills

Команда ставит плагин comfyui-custom-nodes целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add jtydhr88/comfyui-custom-node-skills --skill comfyui-node-advanced -a claude-code

3Вручную: положить файлы

~/.claude/skills/comfyui-node-advanced/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/comfyui-node-advanced/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о comfyui-node-advanced

Как установить comfyui-node-advanced в Claude Code?

Выполните команды по порядку: /plugin marketplace add jtydhr88/comfyui-custom-node-skills, затем /plugin install comfyui-custom-nodes@comfyui-custom-node-skills.

Что делает comfyui-node-advanced?

Скилл объясняет паттерны ComfyUI V3 для динамических входов и типизированных соединений, включая MatchType, MultiType, Autogrow и DynamicCombo.

Как устроены необязательные ленивые входы в узле-переключателе?

Отключённый необязательный вход отсутствует в kwargs, а подключённый, но ещё не вычисленный получает значение None. В примере для их различения используется sentinel MISSING.

Исходный текст

SKILL.md · MIT
---
name: comfyui-node-advanced
description: ComfyUI advanced node patterns - MatchType, Autogrow, DynamicCombo, node expansion, MultiType, wildcard inputs, loops. Use when building complex nodes with dynamic inputs, type matching, or node expansion.
---

# ComfyUI Advanced Node Patterns (V3)

V3 provides advanced input patterns for dynamic, type-safe, and flexible node designs.

## MatchType - Generic Type Connections

`MatchType` ensures that inputs and outputs sharing a template have the same type at connection time. Like generics in typed languages.

```python
class PassThrough(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        # Template(template_id, allowed_types=AnyType) - optional type constraint
        template = io.MatchType.Template("T")
        return io.Schema(
            node_id="PassThrough",
            display_name="Pass Through",
            category="utils",
            inputs=[
                io.MatchType.Input("value", template=template),
            ],
            outputs=[
                io.MatchType.Output(template=template, display_name="output"),
            ],
        )

    @classmethod
    def execute(cls, value):
        return io.NodeOutput(value)
```

When the user connects an IMAGE to the input, the output automatically becomes IMAGE type.

### Switch Node Pattern

Core Switch (since v0.35) makes both branches optional so either may be left disconnected. A disconnected optional input is **absent** from kwargs; a connected-but-unevaluated lazy input is `None`. Use a sentinel to tell them apart:

```python
MISSING = object()

class Switch(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        template = io.MatchType.Template("switch")
        return io.Schema(
            node_id="Switch",
            display_name="Switch",
            category="logic",
            inputs=[
                io.Boolean.Input("switch"),
                io.MatchType.Input("on_false", template=template, lazy=True, optional=True),
                io.MatchType.Input("on_true", template=template, lazy=True, optional=True),
            ],
            outputs=[
                io.MatchType.Output(template=template, display_name="output"),
            ],
        )

    @classmethod
    def check_lazy_status(cls, switch, on_false=MISSING, on_true=MISSING):
        if switch and on_true is None:      # connected, not yet evaluated
            return ["on_true"]
        if not switch and on_false is None:
            return ["on_false"]

    @classmethod
    def execute(cls, switch, on_true=MISSING, on_false=MISSING):
        selected = on_true if switch else on_false
        return io.NodeOutput(None if selected is MISSING else selected)
```

## MultiType - Accept Multiple Types

A single input that accepts several different types:

```python
io.MultiType.Input("data",
    types=[io.Image, io.Mask, io.Latent],
    optional=True,
)
```

## Autogrow - Dynamic Growing Inputs

Inputs that automatically add more slots as the user connects to them. Two template modes:

### TemplatePrefix (numbered slots)

```python
class ConcatImages(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="ConcatImages",
            display_name="Concat Images",
            category="image",
            inputs=[
                io.Autogrow.Input("images",
                    template=io.Autogrow.TemplatePrefix(
                        input=io.Image.Input("img"),  # template for each slot
                        prefix="image_",              # slot names: image_0, image_1, ...
                        min=2,                        # minimum visible slots (default 1)
                        max=16,                       # maximum slots (default 10, hard limit 100)
                    ),
                ),
            ],
            outputs=[io.Image.Output("IMAGE")],
        )

    @classmethod
    def execute(cls, images: io.Autogrow.Type):
        # images is a dict: {"image_0": tensor, "image_1": tensor, ...}
        tensors = [v for v in images.values() if v is not None]
        return io.NodeOutput(torch.cat(tensors, dim=0))
```

### TemplateNames (named slots)

```python
io.Autogrow.Input("inputs",
    template=io.Autogrow.TemplateNames(
        input=io.Float.Input("val"),
        names=["red", "green", "blue", "alpha"],  # specific slot names
        min=3,  # first 3 are required
    ),
)
# Creates slots: "red" (required), "green" (required), "blue" (required), "alpha" (optional)
```

**Key behaviors**:
- Widget inputs in template are forced to connection-only (`force_input=True`)
- Slots below `min` are required; above `min` are optional
- Maximum 100 names total

## DynamicCombo - Conditional Inputs

A combo dropdown where each option reveals different sub-inputs:

```python
class ProcessNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="ProcessNode",
            display_name="Process Node",
            category="processing",
            is_output_node=True,
            inputs=[
                io.DynamicCombo.Input("mode", options=[
                    io.DynamicCombo.Option("resize", [
                        io.Int.Input("width", default=512, min=1, max=8192),
                        io.Int.Input("height", default=512, min=1, max=8192),
                    ]),
                    io.DynamicCombo.Option("blur", [
                        io.Float.Input("radius", default=5.0, min=0.1, max=100.0),
                    ]),
                    io.DynamicCombo.Option("sharpen", [
                        io.Float.Input("amount", default=1.0, min=0.0, max=10.0),
                    ]),
                ]),
                io.Image.Input("image"),
            ],
            outputs=[io.Image.Output("IMAGE")],
        )

    @classmethod
    def execute(cls, mode: io.DynamicCombo.Type, image, **kwargs):
        # mode is a dict with the combo value + sub-inputs
        # key for selected option matches the DynamicCombo input ID
        if mode["mode"] == "resize":
            width = mode["width"]
            height = mode["height"]
            # ... resize logic
        return io.NodeOutput(image)
```

**Nested DynamicCombo**:
```python
io.DynamicCombo.Input("outer", options=[
    io.DynamicCombo.Option("option1", [
        io.DynamicCombo.Input("inner", options=[
            io.DynamicCombo.Option("sub1", [io.Float.Input("val")]),
            io.DynamicCombo.Option("sub2", [io.Int.Input("count")]),
        ])
    ]),
])
```

## DynamicSlot - Connection-Triggered Inputs

Like `DynamicCombo`, but sub-inputs are revealed when a **connection** is made to the slot instead of when a combo option is selected:

```python
io.DynamicSlot.Input(
    slot=io.Image.Input("image"),        # the trigger slot (widget inputs are forced to connection-only)
    inputs=[                              # revealed when the slot is connected
        io.Float.Input("blend", default=0.5),
        io.Boolean.Input("invert", default=False),
    ],
)
# Value type: dict containing the slot value + sub-input values
```

> Note: `DynamicSlot` is registered infrastructure in `comfy_api.latest` but is not yet used by any core node; treat it as experimental.

> `_DynamicGroup` (`COMFY_DYNAMICGROUP_V3`, a repeated row of widgets, used by core LoRA stack nodes) is **internal and unstable**: it is not exported from `io`; do not import it from `comfy_api.latest._io`. Frontend support arrived in frontend v1.57.0.

## Lazy Inputs Inside Dynamic Inputs

Sub-inputs of `Autogrow` / `DynamicCombo` can be `lazy=True` (scheduling fixed in v0.40). In `check_lazy_status` **only**, every nested value arrives as a `(value, original_key)` tuple; return the `original_key` to request it. `execute` receives plain values.

```python
io.Autogrow.Input("rows", template=io.Autogrow.TemplatePrefix(
    io.Image.Input("img", lazy=True), prefix="item", min=1))

@classmethod
def check_lazy_status(cls, rows):
    value, key = rows["item0"]          # key == "rows.item0"
    return [key] if value is None else []
```

## Loops (core StartLoop / EndLoop)

Since v0.36 core ships `StartLoop` / `EndLoop` (`utilities/looping`; simple / For / List modes, carried value, accumulate). Prefer them over custom loop nodes. Things that affect authors:
- The loop body is **cloned per iteration via node expansion**, so nodes inside a loop run once per iteration and `cls.hidden.unique_id` is an expanded id (display id maps back to the original node).
- `io.Schema(loop_boundary="start" | "end")` marks loop boundaries for prompt validation (pairing, no escaping body, `accumulate` not fed from the body). It is tied to the core loop implementation; treat as experimental.

## Node Expansion - Subgraph Injection

Nodes can return a subgraph that replaces themselves during execution:

```python
from comfy_execution.graph_utils import GraphBuilder

class RepeatNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="RepeatNode",
            display_name="Repeat KSampler",
            category="sampling",
            enable_expand=True,
            inputs=[
                io.Model.Input("model"),
                io.Int.Input("repeat_count", default=2, min=1, max=10),
                io.Latent.Input("latent"),
            ],
            outputs=[io.Latent.Output("LATENT")],
        )

    @classmethod
    def execute(cls, model, repeat_count, latent):
        graph = GraphBuilder()
        current_latent = latent
        for i in range(repeat_count):
            sampler = graph.node("KSampler",
                model=model,
                latent_image=current_latent,
                # ... other params
            )
            current_latent = sampler.out(0)
        return io.NodeOutput(current_latent, expand=graph.finalize())
```

**Key rules for node expansion**:
- Set `enable_expand=True` in Schema
- Use `GraphBuilder` to construct subgraphs safely
- Return `io.NodeOutput(output_ref, expand=graph.finalize())`
- Node IDs in subgraph must be deterministic and unique
- Each subnode is cached separately

## Accept All Inputs

Accept arbitrary inputs not defined in the schema:

```python
class FlexibleNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="FlexibleNode",
            display_name="Flexible Node",
            category="utils",
            accept_all_inputs=True,
            inputs=[io.Combo.Input("mode", options=["a", "b"])],
            outputs=[io.String.Output()],
        )

    @classmethod
    def validate_inputs(cls, mode, **kwargs):
        return True  # skip validation for dynamic inputs

    @classmethod
    def execute(cls, mode, **kwargs):
        # kwargs contains all dynamic inputs
        return io.NodeOutput(str(kwargs))
```

## Execution Blocking

Prevent downstream execution conditionally:

```python
class GateNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="GateNode",
            display_name="Gate",
            category="logic",
            inputs=[
                io.Boolean.Input("allow"),
                io.Image.Input("image"),
            ],
            outputs=[io.Image.Output("IMAGE")],
        )

    @classmethod
    def execute(cls, allow, image):
        if not allow:
            return io.NodeOutput(block_execution="Gate is closed")
        return io.NodeOutput(image)
```

## Async Execute

V3 natively supports async execution:

```python
class AsyncNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="AsyncNode",
            display_name="Async Node",
            category="utils",
            inputs=[io.String.Input("url")],
            outputs=[io.String.Output()],
        )

    @classmethod
    async def execute(cls, url):
        import aiohttp
        async with aiohttp.ClientSession() as session:
            async with session.get(url) as response:
                text = await response.text()
        return io.NodeOutput(text)
```

## Progress Reporting

Report progress during long operations:

```python
from comfy_api.latest import ComfyAPISync  # sync version; use ComfyAPI + await for async execute

class SlowNode(io.ComfyNode):
    @classmethod
    def define_schema(cls):
        return io.Schema(
            node_id="SlowNode",
            display_name="Slow Node",
            category="utils",
            inputs=[io.Int.Input("steps", default=100)],
            outputs=[io.String.Output()],
        )

    @classmethod
    def execute(cls, steps):
        api = ComfyAPISync()
        for i in range(steps):
            # ... do work ...
            api.execution.set_progress(i + 1, steps)
        return io.NodeOutput("done")
```

## NodeReplace - Migration Between Nodes

Register replacements so old workflows auto-migrate to new nodes:

```python
from typing_extensions import override
from comfy_api.latest import ComfyAPI, ComfyExtension, io

class MyExtension(ComfyExtension):
    @override
    async def on_load(self):
        api = ComfyAPI()
        await api.node_replacement.register(io.NodeReplace(
            new_node_id="MyNewNode_v2",
            old_node_id="MyOldNode",
            old_widget_ids=["width", "height", "mode"],  # positional widget order
            input_mapping=[
                {"new_id": "image_in", "old_id": "image"},     # rename input
                {"new_id": "size", "set_value": 512},           # set fixed value
            ],
            output_mapping=[
                {"new_idx": 0, "old_idx": 0},       # index-based, not name-based
            ],
        ))

    @override
    async def get_node_list(self):
        return [MyNewNodeV2]
```

**InputMap types**:
- `InputMapOldId`: `{"new_id": str, "old_id": str}` — map old input to new
- `InputMapSetValue`: `{"new_id": str, "set_value": Any}` — set fixed value on new
- Dot notation for autogrow inputs: `{"new_id": "images.image0", "old_id": "image1"}`

**OutputMap** (index-based, not name-based):
- `{"new_idx": int, "old_idx": int}` — map old output index to new

**old_widget_ids**: Required because workflow JSON stores widget values by position, not by ID. This list maps positional indexes to input IDs for correct migration.

## ComfyAPI - Runtime API

```python
from comfy_api.latest import ComfyAPI, ComfyAPISync

# In sync execute(): use ComfyAPISync (no await)
api = ComfyAPISync()
api.execution.set_progress(value=50, max_value=100)
api.execution.set_progress(
    value=50, max_value=100,
    node_id=None,                   # optional: defaults to current node
    preview_image=pil_image,        # PIL Image or ImageInput tensor
    ignore_size_limit=False,
)

# In async execute(): use ComfyAPI (with await)
api = ComfyAPI()
await api.execution.set_progress(value=50, max_value=100)

# Node replacement registration (in async on_load)
await api.node_replacement.register(io.NodeReplace(...))
```

## See Also

- `comfyui-node-basics` - Node fundamentals
- `comfyui-node-inputs` - Basic input types
- `comfyui-node-lifecycle` - Execution lifecycle and caching
- `comfyui-node-outputs` - Output types and UI helpers

© Terry Jia · MIT · jtydhr88/comfyui-custom-node-skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
cli-anything-comfyui HKUDS Скилл cli-anything-comfyui даёт агенту консольный доступ к ComfyUI: ставить workflow в очередь, искать модели и скачивать готовые картинки без графического интерфейса. CX Codex +1 615установок comfyui NousResearch Подключает ComfyUI через REST/WebSocket API и comfy-cli. Запускает диффузионные пайплайны — от txt2img на Flux и SDXL до видео через AnimateDiff и Wan. CX Codex +1 405установок comfyui-lowvram-setup 0xheycat Скилл comfyui-lowvram-setup для Claude Code задаёт низкопамятную конфигурацию ComfyUI для генерации изометрических ассетов SDXL. Настраивает RTX 3060 с 12 ГБ видеопамяти и подготовку набора тайлов. CX Codex +1 ★ 51звёзд репо comfyui-mcp artokun MCP-сервер, который даёт агенту доступ к вашему ComfyUI: генерация картинок, видео и звука, правка графа и работа с моделями. CX Codex +1 ★ 946звёзд репо comfyui-mcp-server MetaBrain-Labs Подключает ComfyUI и превращает workflow в вызываемые инструменты. Запускает генерацию изображений и видео через MCP. CX Codex +1 ★ 10звёзд репо ComfyUI Builder MIt9 ComfyUI Builder — MCP-сервер для Claude Code, который собирает и запускает графы ComfyUI по запросу. Он передаёт статус генерации через WebSocket без ручной правки JSON. CX Codex +1 ★ 5звёзд репо

Из того же набора10

Весь набор →
comfyui-node-packaging Скилл comfyui-node-packaging для упаковки и публикации кастомных нод ComfyUI: структура проекта, регистрация в __init__.py, requirements.txt, WEB_DIRECTORY. CX Codex +1 ★ 321звёзд репо comfyui-node-outputs Скилл comfyui-node-outputs для Claude Code описывает возврат данных из нод ComfyUI V3: io.NodeOutput, превью изображений, масок, аудио, видео и 3D-моделей. CX Codex +1 ★ 321звёзд репо comfyui-node-lifecycle Скилл comfyui-node-lifecycle объясняет жизненный цикл узлов ComfyUI: порядок выполнения, проверку входов и работу кэша. Пригодится при отладке и разработке пользовательских узлов. CX Codex +1 ★ 321звёзд репо comfyui-node-migration Скилл comfyui-node-migration переводит старые кастомные ноды ComfyUI с API V1 на V3: чек-лист по шагам, таблицы соответствия свойств и типов входов, пример до и после. CX Codex +1 ★ 321звёзд репо comfyui-node-inputs Скилл comfyui-node-inputs помогает настраивать типы входов и виджеты кастомных узлов ComfyUI. Пригодится при создании числовых полей, выпадающих списков, кривых и видеоредакторов. CX Codex +1 ★ 321звёзд репо comfyui-node-datatypes Скилл comfyui-node-datatypes для Claude Code описывает типы входов и выходов нод ComfyUI. Включается при работе с форматами тензоров, моделей, аудио, видео, 3D и виджетов. CX Codex +1 ★ 321звёзд репо comfyui-node-frontend Скилл comfyui-node-frontend помогает создавать JavaScript-расширения для кастомных нод ComfyUI: настраивать хуки жизненного цикла, добавлять DOM-виджеты и менять поведение интерфейса. CX Codex +1 ★ 321звёзд репо comfyui-custom-nodes Плагин comfyui-custom-nodes помогает создавать кастомные ноды ComfyUI через 9 скиллов с поддержкой API версий V1 и V3. Включается при разработке расширений для генерации изображений. CX Codex ★ 321звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой