ComfySearch: ComfyUI 워크플로우를 위한 자율 탐색 및 추론

ComfySearch: Autonomous Exploration and Reasoning for ComfyUI Workflows

AI 생성 콘텐츠는 단일 모델에서 모듈식 워크플로우로 발전해 왔으며, 특히 ComfyUI와 같은 플랫폼은 사용자가 복잡한 창작 파이프라인을 직접 구성할 수 있게 해준다. 그러나 ComfyUI의 방대한 컴포넌트 수와 엄격한 그래프 제약 조건 하에서 장기적인 구조적 일관성을 유지해야 하는 어려움으로 인해, 낮은 실행 통과율과 품질이 제한된 워크플로우가 만들어지는 경우가 빈번하다. 이러한 한계를 극복하기 위해, 본 논문에서는 검증 유도형 워크플로우 구축을 통해 컴포넌트 공간을 효과적으로 탐색하고 작동 가능한 ComfyUI 파이프라인을 생성하는 에이전트 프레임워크인 ComfySearch를 제안한다. 실험 결과, ComfySearch는 복잡하고 창의적인 작업에서 기존 방법들을 크게 능가하며, 더 높은 실행(통과)율과 해결률, 그리고 더 강력한 일반화 성능을 달성함을 입증하였다.

AI-generated content has progressed from monolithic models to modular workflows, especially on platforms like ComfyUI, allowing users to customize complex creative pipelines. However, the large number of components in ComfyUI and the difficulty of maintaining long-horizon structural consistency under strict graph constraints frequently lead to low pass rates and workflows of limited quality. To tackle these limitations, we present ComfySearch, an agentic framework that can effectively explore the component space and generate functional ComfyUI pipelines via validation-guided workflow construction. Experiments demonstrate that ComfySearch substantially outperforms existing methods on complex and creative tasks, achieving higher executability (pass) rates, higher solution rates, and stronger generalization.