Comfy Cloud モバイルアプリを API のみで開発

これは「Comfy Vibe」シリーズの一つです。私たちは、Comfy で何ができるかをただ語るだけでなく、実際に示すために、軽微なテストを経て素早くリリースしたアプリをこのシリーズとして提供しています。これらは堅牢な製品ではなく、データ収集や主張の証明のために作られたものでもありません。私たちが「こんなものがあってほしい」と思って作ったものを、手直しを加えたまま素早く世に放ちました。

このプロジェクトの本質は特定のアプリ一つにあるのではなく、「ぜひ挑戦してほしい」という招待状にあります。アイデアを一つ選び、Comfy で直感的にコーディングし、それを世界に送り出してください。ここではその一例をご紹介します。

スマホで「Comfy Go」を開きます。プロンプトを入力し、リストからモデルを選びます。「生成」をタップするだけで、ジョブがキューに入り実行され、画像（あるいは動画）が同じギャラリーに戻ってきます。数秒待てば完成です。どこかに開いたラップトップも、ブラウザのタブも、ノードグラフを繋ぐ手間もありません。スマホにあるのはネイティブアプリそのもので、生成された画像は、Web 版と同じ Comfy Cloud から返されてきます。

これが私たちの提案のすべてです。説明をする前に、この体験をぜひ感じてほしいのです。Comfy Cloud での生成は、今やポケットの中にあるカメラロールから画像を読み込み、写真アプリへ出力するだけで完結します。モデル選択も、複雑な文字列を貼り付けるのではなく、タップして選べるリストで実現されています。

Comfy Go は、SwiftUI で構築されたネイティブアプリであり、Comfy Cloud のモバイル版です。フル機能のノードグラフエディターではなく、スマートフォンから頻繁に利用する 4 つの厳選された生成フローに特化しています。このアプリは 6 月 12 日に TestFlight へリリースされました。

本記事を書いたのには二つの理由がありますが、どちらも同じ核心を指し示すものです。一つは「使いやすさ」、もう一つは「その背後にある API の開発者にとってのアクセスしやすさ」です。両方とも事実であり、後者の可能性が前者の存在意義を支えています。

次回の Comfy Vibes（Comfy API を活用してオープンソースで公開される作品）の更新を購読してください。

あなたの指先にあるもの

4 つの生成フローを用意しています。テキストと画像を組み合わせて画像や動画を生成する全機能です：

• テキストから画像へ：プロンプトを入力し、18 種類のモデルから選んで画像を生成します。
• 画像から画像へ：カメラロールから写真を読み込み、同じカタログのモデルを使ってリスタイルしたり編集したりできます。
• テキストから動画へ：プロンプトを入力するだけでクリップが生成され、キーフレームを手動で配置する必要はありません。
• 画像から動画へ：フォトアプリから静止画を渡すだけで、動き始めます。

これらのフローを通じて、Web 版と同じカタログに含まれる 18 種類のモデルから選べます。ログインは「Sign in with Comfy」で行い、ワンタップで自分のアカウントに接続してすぐに利用可能です。生成結果は直接フォトアプリに保存され、作成した作品はアプリ内のギャラリーでいつでも振り返ることができます。スマホネイティブな体験を徹底しており、入力も出力もカメラロール、モデルの選択もコピーする文字列ではなく、リストからタップして選べます。

これがユーザー向けの画面です。では、開発者にとって興味深い部分はどこでしょうか。

中核となるのは、すべてがパブリック API に依存している点です。

Comfy Go は Comfy Cloud の裏口や非公開の機能を持っていません。同様に誰でも呼び出せる Comfy Cloud のパブリック API を利用しています。内部エンドポイントも、モバイル向けの特別ショートカットも、権限を付与した特別なハンドシェイクも存在しません。アプリが実行できることは、すべてユーザー自身でも可能です。

そして、「アプリができること」は見た目ほど多くはありません。その背後にあるクライアント SDK は、ComfySwiftSDK と呼ばれる薄い Swift レイヤーで構成されており、実質的に重要なメソッドは 2 つ、イベントは 1 つだけです。

契約の全体像はシンプルです。ワークフローを提出し、そのイベントをストリームで受け取り、出力を取得します。

まず、ワークフローを提出します。

ジョブの実行中（キュー待ち、実行中、進行状況、完了）にイベントをストリームとして受け取ります。

ストリームは完了時に出力を返します。完成した画像やクリップは、別途呼び出す必要のある別々のコールではなく、最後のイベントとして届きます。

送信、ストリーミング、そしてそのストリームから結果が得られる。これが契約です。

SwiftUI のレイヤーは HTTP ステータスコードの存在すら知りません。「ジョブがキューに入った」「40% 完了した」「2 枚の画像を生成した」という事象だけを認識しています。アプリ内のすべての画面、つまりギャラリーやライブ進捗バーを含む 4 つのフローすべてが、この小さなインターフェースを異なる形状で適用して構築されています。

Swift では、これがクライアント全体のコードです。たった 2 つの呼び出しとスイッチ処理だけで完結します：

サインイン、送信、ストリーミング、出力。これがクライアントの全機能です。

コピー＆ペースト可能なバージョンは SDK のクイックスタートから入手できます。

Package.swift に以下を追加してください：

.package(url: "https://github.com/Comfy-Org/ComfySwiftSDK.git", from: "0.1.0")

これはバージョン 0.1.0、ライセンスは Apache-2.0 です。依存関係は不要で、Foundation と CryptoKit のみを使用します。iOS 17 以上 / macOS 14 以上に対応しています。

「誰でも構築できる」という言葉がスローガンではなく事実である理由を説明しましょう。このアプリは、たった一人の開発者が約 1 週間で一人で完成させました。リポジトリは 4 月 6 日に BMAD の計画と共に公開され、翌日には Swift による基本骨格が完成し、その週中にはチームにも共有されました。開発は、8 つのエピックと 57 のストーリーからなる計画に基づき、Claude Code を用いたエージェント型の実行によって推進されました。人間が行ったのは、全体を統制する役割のみです。

最終的な成果物は、ネイティブ iOS アプリ、4 つの動作するパイプライン、モデル選択機能、ギャラリー機能、そして本格的なサインイン機能を備えた、約 17,200 行のアプリコードと SDK コードでした。

これが不可能ではなく達成可能な理由として重要なのは、学習すべき対象の規模が小さいことです。もし API に 40 のエンドポイントがあり、微妙な順序ルールが存在するならば、一人の開発者が一週間でネイティブアプリを完成させるのは至難の業だったでしょう。しかし実際には「送信して、ストリームを受け取り、完了」です。つまり、信頼できる主張は単なる計算の問題に過ぎません。一人の開発者がこの API を使って約 1 週間で本物のネイティブアプリをリリースできるなら、あなたのアイデア——ボット、プラグイン、サイドプロジェクト——も同じ規模の範囲内で十分に実現可能です。

Comfy Cloud で構築する際の難所は API そのものではありません。それは「何を創るか」を決めることです。

Try it / what's open

ベータ版について Comfy Go はオープンな TestFlight ベータ版です。実際にサインインして生成を行える本物のアプリです。参加したい場合は、TestFlight でベータに参加するだけで完了します。

API

待ち行列なしで使えるのがこの部分です。Comfy Go の基盤となっている Comfy Cloud API は公開されており、ジョブの送信、監視、結果取得が可能です。ドキュメントが最新でない場合は、完全な OpenAPI スペックを信頼すべき事実源として参照してください。「送信してストリームし、そのストリームから結果を受け取る」というシンプルな形状は、スライド上の説明通り、実際の運用でも極めてコンパクトです。ネイティブの iOS アプリがこの範囲に収まるなら、あなたのアプリもきっと大丈夫でしょう。さあ、作りましょう。

リポジトリ

SDK はオープンソースで、GitHub に「ComfySwiftSDK」が公開されています。この「送信とストリームの境界部分」こそが他者に提供すべき最も価値のある箇所であり、そのため最初に公開されたのです。Swift で Comfy Cloud 上で開発したい場合は、ここから始めてください。アプリ側も続々と対応しています。スターを付けたり、Issue を提出したり、PR を送ったりしてください。まだバージョン 1.0 前なので、API の設計面に関するフィードバックが実際の方向性を大きく左右します。

数値データ

生成対象 — 4 つのワークフローにまたがる 18 モデル

SDK の機能範囲 — ジョブ送信、イベントストリーミング、出力受け取り

開発者 — 個人（ソロ）

期間 — 約 1 週間（Swift の基本骨格は 4 月 7 日に完成し、その週内にチーム共有済み）

アプリと SDK のコード行数 — 約 17,200 行

開発手法 — エージェント型開発（Claude Code と BMAD を活用）、8 つのエピック、57 のストーリー

API — 公開されている Comfy Cloud API（Web クライアントと同じもの）

関連記事

Comfy Internals: How we got four rival AI labs to fight over our code reviews

From Workflow to App: introducing App Mode, App Builder, and ComfyHub

Comfy Go は「Comfy Vibes」の一環です。これは、私たちが自分たちのために作り、世界に認められる価値のあるプロジェクトを掲げるバナーの名称です。

3 つの呼び出しだけで動く API で、どんなものを作れるでしょうか？コメント欄にアイデアを教えてください。一つひとつ必ず目を通します。

もし「3 回の呼び出しで完結する生成 AI API を使って、昼食までにどれほど良いプロダクトが作れるか」という挑戦を楽しみだとお考えなら、ぜひ私たちと一緒に働きませんか？