docs(10_Wiki): Topic_Business/General/Graphic/Programming을 Topics/ 하위로 이동

최상위 10_Wiki/Topic_*였던 4개 카테고리 폴더를 10_Wiki/Topics/Topic_* 로 재배치.
콘텐츠 변경 없음(순수 폴더 이동) — Topics/ 하위 나머지 폴더는 이미 지난 커밋에서
전부 정리된 상태(잔존 항목은 에이전트 운영 상태 및 사용자가 보존을 요청한
업데이트0615/무제 3.canvas 뿐).

10_Wiki/Topics/Topic_Graphic/Comfyui/-prompt endpoint.md

@@ -0,0 +1,63 @@
+---
+id: /prompt-endpoint
+title: "/prompt endpoint"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy_api_python.py", "/workflow/convert", "new_pipeline.py", "comfyui_to_python.py"]
+github_commit: ""
+---
+
+# [[/prompt endpoint]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+`/prompt endpoint`는 시각적 노드 그래프를 실행 가능한 백엔드 명령으로 전환하여 ComfyUI의 강력한 생성 능력을 외부 애플리케이션 및 자동화 파이프라인과 연결하는 핵심 게이트웨이이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **API Format (Backend Format):** `/prompt` 엔드포인트는 시각적 메타데이터가 제거되고 실행에 필수적인 노드 입력 및 연결 정보만 포함된 전용 JSON 형식을 요구한다 [1, 4, 5].
+- **Flattened Execution Graph:** 엔드포인트에 전달되는 데이터는 링크가 노드 입력 내부에 직접 삽입된 형태로, 백엔드 엔진이 즉시 처리할 수 있도록 최적화된 구조를 가진다 [1, 6, 7].
+- **Programmatic Interaction:** HTTP POST 요청을 통해 JSON 페이로드를 전송함으로써 GUI 없이도 워크플로우를 실행하고 실시간으로 파라미터를 수정할 수 있다 [8-10].
+- **Self-Contained Requests:** 이미지 입력을 Base64로 인코딩하여 JSON 내에 직접 포함시킴으로써 별도의 파일 저장 없이도 서버 사이드 처리가 가능한 독립적인 생성 요청을 구성한다 [10, 11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI-API 분리 패턴:** 사용자 인터페이스를 위한 `workflow.json`(Frontend)과 실제 실행을 위한 `workflow_api.json`(Backend)을 엄격히 구분하여 효율성을 극대화한다 [4, 12, 13].
+- **직접 딕셔너리 조작(Direct Dictionary Manipulation):** Python 등의 언어로 JSON 파일을 로드한 후, 노드 ID를 키로 사용하여 프롬프트나 시드(Seed) 값을 동적으로 교체하는 패턴이 주로 사용된다 [9, 10].
+- **웹소켓(WebSocket) 결합 구조:** `/prompt` 엔드포인트로 작업을 큐잉(Queueing)한 후, `/ws` 엔드포인트를 통해 진행 상황과 최종 생성된 바이너리 데이터를 실시간으로 수신한다 [10].
+- **실행 모델 인버전(Execution Model Inversion):** 백엔드 엔진은 전달된 JSON에서 최종 출력 노드(Save Image 등)부터 역추적하여 필요한 노드만 실행하는 최적화 로직을 수행한다 [14].
+
+## 📖 세부 내용 (Details)
+`/prompt endpoint`는 ComfyUI 서버가 외부로부터 실행 명령을 받는 표준 HTTP API 경로이다 [3, 10]. 이 엔드포인트는 일반적인 저장용 JSON(Frontend Format)과 호환되지 않으며, 반드시 **'Dev mode Options'**를 활성화하여 추출한 **API Format JSON**을 페이로드로 사용해야 한다 [8, 15, 16].
+
+API 요청 시 JSON의 루트 키는 노드 ID(숫자 또는 문자열)가 되며, 각 값은 해당 노드의 `class_type`과 `inputs`를 포함하는 객체로 구성된다 [9, 17]. 이때 입력 필드는 단순한 값뿐만 아니라 다른 노드의 출력 슬롯에 대한 참조(`[node_id, slot_index]`)를 포함하여 데이터 흐름을 정의한다 [6].
+
+서버는 요청을 받으면 내부적으로 `validate_prompt` 함수를 호출하여 그래프의 무결성을 검증한 후, 이를 `ExecutionList`로 변환하여 순차적으로 노드를 실행한다 [18]. 만약 워크플로우에 필요한 커스텀 노드가 로컬 서버에 설치되어 있지 않으면 실행이 거부되므로, ComfyUI Manager 등을 통한 사전 의존성 해결이 필수적이다 [19-21].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **호환성 문제:** 일반적인 `Save` 버튼으로 생성된 JSON을 `/prompt` 엔드포인트에 직접 전송하면 에러가 발생한다 [16]. 반드시 `Save (API Format)`를 사용하거나 별도의 변환 도구를 거쳐야 한다 [15, 16].
+- **메타데이터 손실:** API 형식으로 변환된 JSON은 노드 위치나 그룹 정보가 모두 삭제되므로, 이를 다시 ComfyUI 캔버스에 드래그하면 시각적 레이아웃이 파괴된 "뼈대" 형태만 남게 된다 [22]. 따라서 원본 워크플로우 파일의 별도 보관이 권장된다 [22].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfy_api_python.py:** Python의 `urllib.request`를 사용하여 `http://{server_address}/prompt` 경로에 JSON 데이터를 POST 방식으로 전송하는 실제 구현 코드가 포함되어 있음 [10].
+- **/workflow/convert 엔드포인트:** 시각적 워크플로우 JSON을 서버 사이드에서 즉시 API 형식으로 변환하여 `/prompt` 엔드포인트에 바로 보낼 수 있도록 지원하는 커스텀 노드가 개발됨 [16, 21].
+- **Mystic Pipeline (new_pipeline.py):** 클라우드 환경에서 ComfyUI 서버를 구동하고 사용자 입력을 워크플로우 JSON에 주입하여 실행하는 파이프라인 자동화에 적용됨 [23, 24].
+- **ComfyUI-to-Python-Extension:** API 포맷의 워크플로우 JSON을 독립적으로 실행 가능한 `.py` 스크립트로 변환하는 CLI 도구 및 라이브러리 구조에서 핵심 참조 대상으로 사용됨 [25, 26].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견됨)
+- **출처 신뢰도:** B (Official Documentation / API Docs / GitHub Source Code)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/API Format (workflow_api.json).md

@@ -0,0 +1,107 @@
+---
+id: api-format-(workflow_api.json)
+title: "API Format (workflow_api.json)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Backend Format", "API JSON"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "API"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint/README.md", "comfy_api_simplified", "ComfyUI-to-Python-Extension", "Mystic pipeline code", "Replicate any-comfyui-workflow"]
+github_commit: ""
+---
+
+# [[API Format (workflow_api.json)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+UI 메타데이터를 제거하고 실행에 필수적인 노드 로직과 데이터 흐름만을 압축하여 서버 측 프로그래밍 및 `/prompt` 엔드포인트 실행에 최적화된 데이터 규격 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **실행 최적화 (Execution-centric):** 시각적 배치 정보가 아닌 백엔드 엔진이 프롬프트를 실행하는 데 필요한 최소한의 논리 그래프만 포함함 [1, 3].
+- **UI 메타데이터 제거 (Metadata Stripping):** 노드 위치(pos), 크기(size), 그룹, 색상 등 사용자 인터페이스와 관련된 모든 정보를 삭제하여 파일 크기를 경량화함 [1, 2, 4].
+- **내장형 링크 참조 (Embedded Linkage):** 별도의 링크 객체 배열 대신 노드 입력(inputs) 내에 소스 노드 ID와 출력 슬롯 인덱스를 직접 포함하는 구조를 가짐 [1, 5].
+- **개발자 모드 의존성 (Dev Mode Dependency):** 표준 환경에서는 숨겨져 있으며, 설정에서 'Dev mode Options'를 활성화해야만 생성 및 내보내기가 가능함 [6-8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **노드 식별 패턴:** 각 노드는 숫자 문자열(예: "5", "6") 형태의 고유 키를 가지며, 이는 그래프 내에서 기능적 매핑을 위한 식별자로 사용됨 [3, 9, 10].
+- **데이터 연결 패턴:** 특정 노드의 입력 필드에 `[노드ID, 출력슬롯번호]` 형태의 리스트(예: `[11, 12]`)를 할당하여 노드 간의 데이터 흐름을 정의함 [5].
+- **직렬화 구조:** 루트 레벨에서 노드 ID를 키로 하고, 그 값으로 `class_type`과 `inputs`를 포함하는 단일 JSON 객체 구조를 유지함 [10, 13].
+
+## 📖 세부 내용 (Details)
+### 1. 포맷의 정의와 목적
+API 포맷(`workflow_api.json`)은 ComfyUI 백엔드 엔진이 직접 해석할 수 있는 **평탄화된 실행 그래프(flattened execution graph)**입니다 [6]. 주로 외부 애플리케이션 통합, 자동화 스크립트 실행, 서버리스 배포 환경에서 프롬프트를 큐(queue)에 추가할 때 사용됩니다 [1, 9].
+
+### 2. 기술적 구성 요소
+- **구조적 차이:** 프론트엔드 포맷(`workflow.json`)이 Litegraph 표준을 따르며 시각적 가독성을 중시하는 반면, API 포맷은 백엔드 엔진의 `/prompt` 엔드포인트 사양에 맞춰 설계되었습니다 [1, 9].
+- **노드 정의:** 각 노드 객체는 해당 노드의 클래스 이름을 나타내는 `class_type`과 실제 파라미터 및 연결 정보를 담은 `inputs` 딕셔너리로 구성됩니다 [2, 10].
+- **연결 방식:** 프론트엔드 포맷의 `links` 배열이 제거되고, 모든 연결 정보가 `inputs` 내에 직접 주입됩니다. 예를 들어 CLIP 텍스트 인코딩 노드의 `clip` 입력값은 연결된 소스 노드 정보를 리스트 형태로 보유합니다 [5].
+
+### 3. 생성 및 변환 프로세스
+- **수동 생성:** 설정 메뉴에서 'Enable Dev mode Options'를 체크한 후, 제어판에 나타나는 **'Save (API Format)'** 버튼을 통해 추출합니다 [7, 8, 14].
+- **프로그래밍 방식 변환:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드를 사용하면 클라이언트 측 자바스크립트 로직 없이 서버 측에서 직접 프론트엔드 형식을 API 형식으로 변환할 수 있습니다 [15, 16].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가역성 문제 (Fragility):** API 포맷은 실행에는 완벽하지만 시각적 정보가 없으므로, 이를 다시 UI로 드래그하여 로드하면 노드 배치가 깨지거나 그룹 정보가 사라진 '스켈레톤(skeleton)' 상태로 나타나 편집이 매우 어렵습니다 [17, 18].
+- **버전 호환성:** ComfyUI의 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있으며, 특히 커스텀 노드 의존성이 있는 경우 실행 실패 가능성이 높습니다 [19, 20].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 프론트엔드 워크플로우를 서버 측에서 API 포맷으로 즉시 변환하는 `/workflow/convert` 엔드포인트를 제공합니다 [15, 21].
+- **deimos-deimos/comfy_api_simplified:** API 포맷 워크플로우를 로드하여 파이썬 딕셔너리로 다루고, 노드 제목(title)을 기준으로 파라미터를 수정하여 큐에 추가하는 기능을 구현합니다 [22, 23].
+- **Mystic & Replicate:** 사용자 워크플로우를 서버리스 API로 배포할 때, 실행의 기본 단위로 `workflow_api.json`을 요구하거나 내부적으로 이를 사용하여 추론을 수행합니다 [14, 24, 25].
+- **ComfyUI-to-Python-Extension:** API 포맷의 JSON을 입력받아 독립적으로 실행 가능한 파이썬 스크립트(`.py`)로 변환하는 기능을 수행합니다 [26, 27].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 오픈소스 프로젝트 및 플랫폼에서 핵심 규격으로 활용됨)
+- **출처 신뢰도:** B (Official Documentation / GitHub Repository README 및 소스 코드 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Frontend Format (workflow.json)]]
+  - 연결 이유: API 포맷과 대칭되는 시각적 편집용 데이터 규격임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 데이터 직렬화 시 UI 정보와 실행 정보의 분리 설계 방식.
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: API 포맷은 노드와 링크로 구성된 추상화된 그래프 구조를 표현함.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간 의존성 및 실행 순서 결정 원리.
+
+#### [구현/활용 도구]
+- [[ComfyUI API]]
+  - 연결 이유: API 포맷은 `/prompt` 엔드포인트 호출 시 전달되는 페이로드의 핵심 데이터임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 실제 서버 통신 및 작업 큐잉 프로세스.
+- [[ComfyUI-to-Python-Extension]]
+  - 연결 이유: API JSON을 파이썬 코드로 변환하여 독립 실행 환경을 구축함.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 데이터가 실제 실행 코드로 치환되는 매핑 원리.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 왜 ComfyUI는 시각적 정보와 실행 정보를 하나의 JSON에 통합하지 않고 두 가지 포맷으로 분리하여 관리하는가? [1]
+- API 포맷에서 노드 ID가 문자열 형태의 숫자로 고정될 때, 워크플로우 편집 시 ID 충돌이나 누락을 방지하는 메커니즘은 무엇인가? [3, 28]
+- `comfyui-workflow-to-api-converter-endpoint`는 클라이언트 측의 자바스크립트 변환 로직을 어떻게 파이썬 서버 측 로직으로 완벽하게 이식했는가? [15]
+- 대규모 워크플로우(예: 200KB 이상)를 API 포맷으로 호출할 때 성능 저하나 데이터 누락이 발생할 가능성은 없는가? [16]
+- `object_info.json`에 정의된 노드 스키마와 API 포맷의 `inputs` 데이터 구조 사이의 유효성 검사 과정은 어떻게 이루어지는가? [13]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 파이썬의 `json` 라이브러리를 사용하여 API JSON을 로드하고, 특정 노드 ID의 `inputs` 값을 변경하여 동적 프롬프트를 생성할 수 있음 [10, 29].
+- **System Design:** 프론트엔드 수정을 최소화하면서 백엔드 자동화를 구축하기 위해 서버 측에서 변환 엔드포인트를 활용하는 캐싱 전략을 수립할 수 있음 [17].
+- **Operation / Maintenance:** 커스텀 노드 업데이트 시 API 포맷 내의 `class_type` 명칭이 변경되지 않았는지 확인하여 서비스 중단을 방지해야 함 [19].
+- **Learning Path:** 노드 기반 UI에 익숙해진 후, 개발자 모드를 통해 추출된 API JSON의 구조를 분석하여 프로그래밍 방식의 자동화 단계로 진입함 [6].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: API JSON 내의 모델 파일 이름 불일치 문제를 해결하기 위한 고유 식별 기술 조사 [30].
+- [[Serverless Deployment]]
+  - 확장 방향: API 포맷을 클라우드 환경(Replicate, Mystic)에 배포하여 확장성 있는 AI 서비스를 구축하는 방법 [14, 31].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/API Format.md

@@ -0,0 +1,103 @@
+---
+id: api-format
+title: "API Format"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["API JSON", "workflow_api.json", "Backend Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "API", "JSON", "Automation"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint", "deimos-deimos/comfy_api_simplified", "pydn/ComfyUI-to-Python-Extension"]
+github_commit: "bc85382"
+---
+
+# [[API Format]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI API 포맷은 시각적 메타데이터를 제거하고 노드 간의 논리적 연결과 입력값만을 보존하여 서버 측 실행 및 프로그래밍 방식의 자동화에 최적화된 경량화된 실행 그래프이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **실행 그래프 (Execution Graph):** UI 좌표, 노드 크기, 그룹화 정보 등 시각적 요소를 배제하고 백엔드 엔진이 프롬프트를 실행하는 데 필요한 순수 논리 구조만 포함한다 [1, 3, 4].
+- **임베디드 링크 (Embedded Links):** 별도의 링크 객체 배열을 사용하는 대신, 노드의 입력 필드(`inputs`) 내에 소스 노드 ID와 출력 슬롯 번호를 직접 참조(예: `[5, 6]`)하여 연결을 정의한다 [1, 2, 7].
+- **기능적 키 매핑 (Functional Key Mapping):** JSON 객체의 최상위 키가 노드 ID(문자열)이며, 각 값은 `class_type`과 `inputs`를 포함하는 딕셔너리 구조를 가진다 [8-10].
+- **개발자 모드 활성화 (Dev Mode Requirement):** 일반적인 저장 방식과 달리 ComfyUI 설정에서 'Enable Dev mode Options'를 활성화해야만 내보낼 수 있는 특수 포맷이다 [11-14].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI/백엔드 이원화 패턴:** 사용자 인터페이스용 `workflow.json`과 실행 전용 `workflow_api.json`을 분리하여 편집 효율성과 실행 속도를 동시에 확보한다 [1, 2, 15].
+- **메타데이터 캡슐화:** PNG 이미지의 `tEXt` 또는 `zTXt` 청크에 API 포맷(prompt) 데이터를 포함시켜 이미지 자체가 실행 가능한 소스 코드 역할을 하도록 설계한다 [16, 17].
+- **직접 딕셔너리 조작 패턴:** 개발자가 JSON을 로드하여 특정 노드 ID의 `inputs` 값을 파이썬 등으로 수정 후 `/prompt` 엔드포인트에 전송하는 동적 제어 방식을 지원한다 [8, 10, 18].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 API 포맷은 주로 `workflow_api.json` 파일로 알려져 있으며, 서버리스 API 호출이나 외부 애플리케이션 통합 시 핵심적인 역할을 한다 [2, 15]. 이 포맷은 Litegraph 표준을 따르는 프론트엔드 포맷과 달리, 백엔드 엔진이 즉시 해석할 수 있도록 평탄화(Flattened)된 구조를 가진다 [1, 11]. 
+
+구조적으로 API 포맷은 노드 ID를 키로 사용하는 단일 JSON 객체이다 [9]. 각 노드 정의에는 해당 노드의 클래스 이름인 `class_type`과 위젯 값 및 링크 정보를 포함하는 `inputs` 딕셔너리가 들어간다 [3, 8]. 예를 들어, `CLIPTextEncode` 노드의 경우 텍스트 입력값과 함께 연결된 CLIP 모델의 노드 정보를 `[노드ID, 슬롯번호]` 형태의 배열로 보유한다 [7, 10].
+
+이 포맷은 데이터 용량이 작고 효율적이지만, 다시 ComfyUI 인터페이스로 드래그했을 때 시각적 레이아웃 정보가 없어 노드들이 겹치거나 연결 구조를 파악하기 힘든 '스켈레톤(Skeleton)' 상태로 로드된다는 특징이 있다 [19, 20]. 따라서 실무에서는 시각적 편집용 원본 워크플로를 별도로 보관하는 것이 권장된다 [20]. 또한, 최근에는 시각적 포맷을 API 포맷으로 실시간 변환해주는 서버측 엔드포인트 도구들이 개발되어 이 단점을 보완하고 있다 [19, 21].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가독성 vs 실행력:** API 포맷은 인간이 읽기에 간결하지만, 시각적 정보가 결여되어 있어 복잡한 워크플로를 이 포맷만으로 수동 편집하기에는 한계가 있다 [17, 20].
+- **버전 호환성:** ComfyUI가 빈번하게 업데이트됨에 따라 구버전의 JSON API 포맷이 최신 서버 환경에서 정상적으로 작동하지 않을 수 있다는 경고가 존재한다 [22].
+- **데이터 유실 위험:** 표준 이미지 편집기나 소셜 미디어를 거칠 경우 PNG 메타데이터에 포함된 API 포맷 정보가 삭제될 수 있어 전송 시 주의가 필요하다 [16].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 프론트엔드 워크플로를 API 포맷으로 변환하는 서버측 `/workflow/convert` 엔드포인트를 구현하였다 [19].
+  - **Git 커밋:** `bc85382` (콤보 위젯 값의 대소문자 정규화 수정 포함) [23, 24].
+- **deimos-deimos/comfy_api_simplified:** 노드 제목(Title)을 기준으로 API 포맷의 파라미터를 수정하고 큐에 등록하는 파이썬 래퍼 기능을 제공한다 [25-27].
+- **pydn/ComfyUI-to-Python-Extension:** 저장된 API 포맷 JSON을 독립 실행 가능한 `.py` 스크립트로 변환하는 CLI 기능을 포함한다 [28-30].
+- **Mystic (Pipeline AI):** 사용자의 API JSON을 파이썬 엔드포인트 내에 주입하여 서버리스 환경에서 실행하는 템플릿을 제공한다 [14, 31].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (공식 문서 및 오픈소스 프로젝트 코드 기반) [23, 32]
+- **중복 검사 결과:** 신규 생성
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Frontend Format]]
+  - 연결 이유: API 포맷과 대조되는 시각적 편집용 데이터 구조임. [1, 2]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 메타데이터 분리 전략 및 Litegraph 표준의 한계. [1, 33]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: ComfyUI 워크플로가 직렬화되는 근본적인 논리 구조임. [34]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 실행 순서와 데이터 흐름 제어 원리. [34, 35]
+
+#### [구현/활용 도구]
+- [[ComfyUI-to-Python-Extension]]
+  - 연결 이유: API JSON을 파이썬 코드로 변환하는 직접적인 도구임. [28]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 객체가 실제 파이썬 함수 호출로 매핑되는 과정. [29, 36]
+- [[ComfyUI Manager]]
+  - 연결 이유: API 포맷 로드 시 발생하는 커스텀 노드 누락 문제를 해결하는 필수 도구임. [37, 38]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 종속성 관리 및 `class_type` 기반의 노드 복구 메커니즘. [37, 39]
+
+### 심층 후속 질문 (Deeper Research Questions)
+- API 포맷에서 노드 ID가 단순한 숫자 문자열을 넘어 기능적 키(Functional Key)로 작동할 때, 대규모 워크플로에서 ID 충돌을 방지하는 내부 메커니즘은 무엇인가? [1, 2]
+- `workflow_api.json`에 포함된 `_meta` 필드는 실행 엔진에서 어떤 구체적인 역할을 수행하며, 필수 요소인가? [9]
+- 서브그래프(Subgraph)가 중첩된 워크플로를 API 포맷으로 내보낼 때, 내부 링크 ID와 외부 링크 ID의 충돌을 처리하는 알고리즘은 어떻게 설계되어 있는가? [40]
+- API 포맷 내의 `inputs` 필드에서 위젯 값(`widgets_values`)과 동적 링크 연결을 구분하여 처리하는 구문 분석 로직은 무엇인가? [7, 41]
+- `exiftool`과 같은 외부 CLI 도구를 사용하여 PNG에서 API JSON을 추출할 때, 메타데이터 손상을 복구하거나 검증할 수 있는 표준 스키마가 존재하는가? [42, 43]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 파이썬 `json` 라이브러리를 사용하여 API JSON 파일을 로드하고, 특정 노드 ID의 입력값을 수정한 뒤 서버의 `/prompt` 엔드포인트로 POST 요청을 보내 자동화를 구현한다 [8, 10, 18].
+- **System Design:** 프론트엔드 편집 도구와 백엔드 실행기를 분리하여, 사용자는 웹 UI에서 편집하고 실제 운영 환경에서는 경량화된 API JSON만 사용하여 리소스를 최적화한다 [1, 44].
+- **Operation / Maintenance:** API JSON에는 모델 체크포인트의 이름이 하드코딩되므로, 서버 간 모델 공유 시 파일명 불일치 문제를 해결하기 위해 모델 해싱(SHA-256) 기술과 함께 운용한다 [45, 46].
+- **Learning Path:** 먼저 GUI에서 워크플로를 완성한 후, 개발자 모드를 통해 API 포맷을 내보내고 그 구조를 분석하여 프로그래밍 방식의 제어 단계로 넘어가는 것이 표준 학습 경로이다 [14, 47].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Node Definitions]]
+  - 확장 방향: API 포맷 내 `class_type`이 참조하는 각 노드의 입력/출력 타입 정의 연구. [43]
+- [[Execution Model Inversion]]
+  - 확장 방향: API JSON 전체 중 필요한 노드만 선택적으로 실행하는 백엔드 최적화 원리 이해. [32, 48]
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. 기반 소스 18개 종합 분석 완료. [1-186]

10_Wiki/Topics/Topic_Graphic/Comfyui/API JSON (Backend Format).md

@@ -0,0 +1,69 @@
+---
+id: api-json-(backend-format)
+title: "API JSON (Backend Format)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow_api.json", "Backend Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow_api.json", "/workflow/convert", "new_pipeline.py", "SaveImageWebsocket"]
+github_commit: "bc85382"
+---
+
+# [[API JSON (Backend Format)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+API JSON은 UI 메타데이터를 배제하고 실행 로직과 데이터 흐름만을 압축하여 서버 측 실행 및 프로그래밍 방식의 자동화에 최적화된 백엔드 전용 워크플로우 규격이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **실행 중심 그래프 (Execution Graph):** 위치, 크기, 색상 등 시각적 요소를 제거하고 엔진이 노드를 처리하는 데 필요한 핵심 논리 구조만 포함한다 [1, 3, 4].
+2. **참조 기반 노드 연결:** 링크 객체를 별도로 관리하는 대신 노드 입력(`inputs`) 필드 내에 소스 노드 ID와 출력 슬롯 인덱스를 직접 배열(예: `[node_id, slot_index]`) 형태로 임베딩한다 [1, 5, 6].
+3. **데이터 경량화:** 시각적 메타데이터 제거를 통해 프런트엔드 JSON보다 파일 크기가 훨씬 작으며, 네트워크 전송 및 API 호출 페이로드로 사용하기에 적합하다 [2, 7, 8].
+4. **개발자 모드 활성화:** 표준 저장 방식과 달리 ComfyUI 설정에서 'Dev mode'를 명시적으로 활성화해야만 생성 및 내보내기가 가능하다 [9-11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **노드 ID 키 매핑 패턴:** JSON의 루트 레벨에서 각 노드의 고유 숫자 ID(문자열 형태)를 키값으로 사용하며, 그 내부에 `class_type`과 `inputs`를 정의한다 [3, 12, 13].
+- **입출력 노드 최적화:** API 활용 시 이미지를 웹소켓으로 직접 수신하기 위해 `SaveImageWebsocket` 노드를 사용하거나, `Load Image (Base64)`를 통해 이미지 데이터를 직접 주입하는 구조를 취한다 [14].
+- **역방향 그래프 탐색:** 백엔드 엔진은 API JSON을 실행할 때 출력 노드(예: Save Image)부터 역방향으로 탐색하여 결과 도출에 필요한 종속 노드만 식별하고 실행한다 [15].
+
+## 📖 세부 내용 (Details)
+API JSON(일반적으로 `workflow_api.json`으로 명명)은 ComfyUI의 백엔드 엔진과 직접 통신하는 언어 역할을 수행한다 [1, 2, 16].
+
+- **프런트엔드 포맷과의 차별성:** 표준 `workflow.json`이 인간의 가독성과 편집 편의성을 위해 노드 좌표(`pos`), 크기(`size`), 그룹, 위젯 상태(`flags`) 등을 포함하는 것과 달리, API 포맷은 이러한 정보를 모두 폐기하고 오직 실행에 필요한 데이터만 남긴다 [1-3, 17, 18].
+- **내부 구조 분석:** 
+    - **`class_type`:** 노드 레지스트리에 등록된 실제 Python 클래스 이름을 참조한다 [4, 12, 19].
+    - **`inputs`:** 위젯 값(텍스트, 숫자 등)과 다른 노드로부터 오는 동적 링크 정보를 모두 포함한다 [4, 5].
+- **생성 프로세스:** 
+    1. ComfyUI 설정 아이콘을 클릭한다 [9, 10, 20].
+    2. 'Enable Dev mode Options' 체크박스를 활성화한다 [9-11].
+    3. 메인 메뉴에 새로 나타난 'Save (API Format)' 버튼을 클릭하여 다운로드한다 [10, 11, 21].
+- **이미지 메타데이터와의 관계:** ComfyUI에서 생성된 PNG 파일의 메타데이터에는 프런트엔드 포맷(workflow)과 API 포맷(prompt) 데이터가 동시에 저장되어 있어, 이미지만으로도 시각적 복구와 프로그래밍 방식의 재실행이 모두 가능하다 [8, 22, 23].
+- **자동화 및 확장:** Python의 `json` 라이브러리를 사용하여 노드 ID를 기반으로 프롬프트나 시드 값을 동적으로 변경한 후 서버의 `/prompt` 엔드포인트로 전송하여 대량의 이미지를 생성할 수 있다 [6, 12, 14].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가역성의 한계:** API JSON을 다시 ComfyUI 인터페이스로 드래그하여 불러올 경우, 시각적 위치 정보가 없기 때문에 노드들이 모두 겹쳐서 나타나는 '스켈레톤(skeleton)' 상태가 된다 [24]. 따라서 재편집을 위해서는 반드시 원본 프런트엔드 포맷을 별도로 보관해야 한다 [24].
+- **버전 호환성 문제:** ComfyUI의 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있으며, 특히 커스텀 노드 의존성이 있는 경우 더욱 빈번하게 발생한다 [25].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **RunComfy Serverless API:** `workflow_api.json`을 내부적으로 저장하여 서버리스 실행 시 베이스라인으로 활용하며, API 호출 시 입력값만 오버라이드한다 [4, 16].
+- **Mystic Pipeline (`new_pipeline.py`):** Python SDK를 통해 ComfyUI 서버를 시작하고 API 포맷 JSON에 프롬프트를 주입하여 실행하는 템플릿에 적용됨 [26, 27].
+- **ComfyUI Workflow Converter (`bc85382`):** `/workflow/convert` 엔드포인트를 통해 비 API 포맷(Frontend)을 실시간으로 API 포맷으로 변환하여 `/prompt` 엔드포인트에 즉시 사용할 수 있도록 지원 [28-30].
+- **SaveImageWebsocket 노드:** API 환경에서 생성된 이미지를 파일 저장 대신 웹소켓을 통해 실시간 바이너리로 수신할 때 사용됨 [14].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/API JSON (workflow_api.json).md

@@ -0,0 +1,64 @@
+---
+id: api-json-(workflow_api.json)
+title: "API JSON (workflow_api.json)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Backend Format", "API Format JSON", "Execution Graph"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "API", "JSON"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["SethRobinson/comfyui-workflow-to-api-converter-endpoint", "fofr/any-comfyui-workflow", "Mystic Pipeline", "ComfyUI-to-Python-Extension"]
+github_commit: "bc85382"
+---
+
+# [[API JSON (workflow_api.json)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+API JSON은 ComfyUI의 시각적 메타데이터를 제거하고 백엔드 엔진의 즉각적인 실행을 위해 최적화된 경량화된 실행 그래프 형식이다 [1], [2], [3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **백엔드 실행 그래프 (Backend Execution Graph):** 노드 위치, 크기, 색상 등의 UI 정보를 배제하고 오직 노드 유형, 입력값, 연결 관계만을 포함하는 실행 전용 데이터 구조이다 [1], [4], [3].
+- **직접 링크 임베딩 (Direct Link Embedding):** 연결 정보가 별도의 객체 배열로 관리되지 않고, 각 노드의 입력 필드 내에 소스 노드 ID와 출력 슬롯 번호의 참조(`[node_id, slot_index]`) 형태로 직접 포함된다 [1], [2], [5].
+- **개발자 모드 의존성 (Dev Mode Dependency):** 표준 내보내기(Save)와 달리, ComfyUI 설정에서 'Enable Dev mode Options'를 활성화해야만 생성 및 수동 추출이 가능하다 [6], [7], [8], [9].
+- **프로그래밍적 제어 (Programmatic Control):** 텍스트 프롬프트, 시드(Seed) 등 위젯 값을 노드 ID를 통해 직접 수정할 수 있어 외부 애플리케이션 및 스크립트와의 자동화 연동에 핵심적인 역할을 한다 [10], [11], [12].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI-Stripping 패턴:** 시각적 요소(Litegraph 메타데이터)를 삭제하여 파일 크기를 축소하고 데이터 파싱 속도를 향상시킨다 [1], [13], [3].
+- **ID 기반 맵 구조:** 전체 JSON 구조가 노드 ID를 키(Key)로 하고 노드 정의(Inputs, Class Type)를 값(Value)으로 하는 단일 딕셔너리 형태를 취한다 [10], [14].
+- **입력 우선주의 (Execution Model Inversion):** 백엔드 엔진이 출력 노드(Save Image 등)로부터 역추적하여 필요한 노드만 실행하도록 하는 구조적 기반을 제공한다 [15].
+
+## 📖 세부 내용 (Details)
+- **데이터 구조 및 구성 요소:** API JSON의 각 노드 객체는 해당 노드의 클래스 이름을 나타내는 `class_type`과 노드에 전달될 데이터인 `inputs`를 필수적으로 포함한다 [10], [3]. `inputs` 내에는 사용자가 직접 입력한 위젯 값과 다른 노드에서 전달되는 링크 정보가 공존한다 [5].
+- **프론트엔드 형식과의 차이:** 시각적 편집을 위한 `workflow.json`은 노드 위치(`pos`), 크기(`size`), 그룹 정보 등을 포함하여 다시 불러왔을 때 캔버스를 재구성할 수 있게 하지만, API JSON은 이를 모두 제거하여 "스켈레톤(skeleton)" 상태의 데이터만 남긴다 [1], [13], [16].
+- **생성 및 변환 프로세스:**
+    - **수동 생성:** ComfyUI 설정 메뉴의 기어 아이콘을 클릭하여 'Enable Dev mode Options'를 활성화한 후, 메뉴 상단에 나타나는 'Save (API Format)' 버튼을 사용한다 [6], [7], [8].
+    - **자동 추출:** ComfyUI에서 생성된 PNG/WebP 파일의 메타데이터(tEXt 또는 zTXt 청크)에서 `prompt` 태그를 통해 API 형식을 추출할 수 있다 [17], [18], [19].
+    - **서버측 변환:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드를 사용하여 일반 워크플로우 JSON을 API 형식으로 실시간 변환하여 `/prompt` 엔드포인트로 전송할 수 있다 [20], [21].
+- **실행 환경에서의 활용:** API JSON은 파이썬 스크립트에서 `urllib`이나 `requests`를 통해 ComfyUI 서버의 `/prompt` 경로로 POST 요청을 보낼 때 페이로드(Payload)로 사용된다 [11], [22]. 또한 Replicate와 같은 클라우드 플랫폼에서 서버리스 엔드포인트를 구동하는 기본 사양으로 채택된다 [23], [24], [4].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가역성 상실:** API JSON을 ComfyUI 캔버스로 다시 드래그하면 시각적 레이아웃 정보가 없기 때문에 모든 노드가 겹쳐서 나타나거나 그룹 정보가 유실되어 수동 편집이 매우 어렵다 [16]. 따라서 편집용 'Full Workflow'를 항상 별도로 보관하는 것이 권장된다 [16].
+- **버전 호환성 주의:** ComfyUI의 잦은 업데이트로 인해 이전 버전에서 생성된 API JSON이 최신 백엔드 엔진에서 유효하지 않은 노드 클래스나 입력 방식을 참조할 경우 실행 오류가 발생할 수 있다 [25], [26].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **SethRobinson/comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측의 자바스크립트 변환 로직을 파이썬으로 구현하여, 서버 측에서 비-API 워크플로우를 API 형식으로 즉시 변환해주는 커스텀 노드 (Commit: `bc85382`) [27], [20].
+- **fofr/any-comfyui-workflow (Replicate):** 사용자가 제공한 API JSON 블롭(blob)을 해석하여 이미지 및 비디오를 생성하는 범용 API 모델 [23], [24].
+- **Mystic Pipeline:** `new_pipeline.py` 스크립트를 통해 API JSON 워크플로우를 로드하고 입력 프롬프트를 동적으로 주입하여 서버리스 엔드포인트로 배포하는 구조 [9], [28].
+- **ComfyUI-to-Python-Extension:** API JSON 파일을 입력받아 독립적으로 실행 가능한 파이썬 스크립트(`.py`)로 변환하는 도구 [29], [30].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증 가능성 높음)
+- **출처 신뢰도:** B (공식 문서 및 주요 오픈소스 프로젝트 기술 사양 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/API JSON.md

@@ -0,0 +1,67 @@
+---
+id: api-json
+title: "API JSON"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow_api.json", "Backend Format", "API Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator", "comfyui-workflow-to-api-converter-endpoint", "ComfyUI-to-Python-Extension", "comfy_api_simplified"]
+github_commit: ""
+---
+
+# [[API JSON]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+API JSON은 ComfyUI의 시각적 인터페이스 요소를 배제하고 순수 실행 로직만을 추상화하여 백엔드 엔진의 프로그래밍적 제어와 자동화를 가능케 하는 핵심 데이터 규격이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **백엔드 실행 그래프 (Backend Execution Graph):** 노드 위치, 크기, 그룹 등 UI 관련 메타데이터를 제거하고 실행에 필요한 노드 타입과 입력값, 연결 관계만을 남긴 콤팩트한 형식이다 [1, 3].
+2. **임베딩된 참조 구조 (Reference-based Linking):** 별도의 링크 배열을 사용하는 프론트엔드 형식과 달리, 노드 입력 필드 내에 직접 소스 노드 ID와 출력 슬롯 인덱스를 배열 형태로 기술한다 [1, 3, 4].
+3. **개발자 모드 (Dev Mode) 활성화:** 표준 ComfyUI 환경에서 API JSON을 추출하기 위해 설정(Settings) 메뉴에서 반드시 선행 활성화해야 하는 옵션이다 [5-7].
+4. **프로그래밍적 엔드포인트 호환성:** `/prompt` 엔드포인트에 페이로드로 직접 전달되어 서버 측에서 즉시 실행될 수 있도록 최적화된 구조를 가진다 [8-10].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Bifurcation (이원화) 저장 패턴:** 사용자의 시각적 편집을 위한 `workflow.json`과 기계적 실행을 위한 `workflow_api.json`을 분리하여 각 용도에 최적화된 성능과 관리 편의성을 제공한다 [1, 8, 11].
+- **Metadata Chunk 중복 저장:** 생성된 PNG 파일의 tEXt 또는 zTXt 청크에 프론트엔드 워크플로우와 API 프롬프트를 모두 저장하여, 이미지 하나로 시각적 복원과 API 실행을 동시에 보장한다 [12, 13].
+- **Execution Model Inversion:** 엔진이 출력 노드에서부터 역방향으로 그래프를 탐색하여 결과 생성에 필요한 노드만 선별 실행함으로써 데이터 처리 효율을 극대화한다 [14].
+
+## 📖 세부 내용 (Details)
+### 1. 기술적 구조 및 사양
+API JSON은 루트 키가 **노드 ID(문자열)**로 구성된 단일 JSON 객체 구조를 취한다 [15, 16]. 각 노드 객체는 클래스 이름인 `class_type`과 사용자 입력 및 연결 정보를 포함하는 `inputs` 딕셔너리로 이루어진다 [3, 17]. 노드 간의 연결은 `inputs` 내에 `[노드_ID, 출력_슬롯_인덱스]` 형식의 배열로 표현되어 그래프 구조를 형성한다 [4, 18]. 이는 Litegraph 표준을 따르는 프론트엔드 포맷보다 훨씬 파일 크기가 작고 처리가 빠르다 [8].
+
+### 2. 수동 생성 및 추출 방법
+가장 기본적인 생성 방법은 ComfyUI 웹 인터페이스를 이용하는 것이다. 설정 메뉴에서 **"Enable Dev mode Options"**를 체크하면 컨트롤 패널에 **"Save (API Format)"** 버튼이 노출되며, 이를 통해 즉시 다운로드 가능하다 [5, 6, 19, 20]. 또한, 이미 생성된 PNG 이미지에서 `exiftool`과 같은 CLI 도구를 사용해 메타데이터에 숨겨진 API JSON(Prompt) 데이터를 추출할 수도 있다 [21, 22].
+
+### 3. 자동화 및 프로그래밍적 생성
+- **LLM 기반 생성:** `ComfyUI-WorkflowGenerator`는 자연어 지시를 해석하여 논리적 합성, 의미론적 검증, 그래프 컴파일 단계를 거쳐 실행 가능한 API JSON을 자동으로 구축한다 [23-25].
+- **동적 변환:** `comfyui-workflow-to-api-converter-endpoint` 커스텀 노드는 서버측에서 `/workflow/convert` 엔드포인트를 제공하여, 시각적 정보가 포함된 표준 JSON을 실시간으로 API 포맷으로 변환해준다 [10, 26, 27].
+- **Python 래퍼 및 확장:** `comfy_api_simplified`나 `ComfyUI-to-Python-Extension`은 API JSON을 로드하여 특정 노드의 파라미터(시드, 프롬프트 등)를 동적으로 수정한 후 큐잉하거나, 전체 워크플로우를 독립 실행형 Python 스크립트로 변환하는 기능을 제공한다 [28-30].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성 제한:** ComfyUI는 업데이트가 매우 잦아 이전 버전에서 생성된 API JSON이 최신 버전의 노드 레지스트리나 스키마와 충돌하여 작동하지 않을 가능성이 상존한다 [31].
+- **데이터 파괴 위험:** 표준 이미지 편집기나 소셜 미디어 플랫폼을 통해 이미지를 공유할 경우, API JSON이 포함된 메타데이터 청크가 자동으로 삭제되어 워크플로우 정보가 영구 손실될 수 있다 [12, 31].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Mystic Python SDK 연동:** `workflow_api.json`을 사용하여 텍스트-투-비디오 워크플로우를 서버리스 엔드포인트로 배포하며, Python 스크립트에서 입력 프롬프트를 동적으로 주입한다 [32, 33].
+- **Replicate API 호출:** `fofr/any-comfyui-workflow` 모델을 통해 API JSON을 직접 입력받아 원격 GPU에서 워크플로우를 실행한다 [7, 34].
+- **ComfyUI-to-Python-Extension:** CLI를 통해 `workflow_api.json`을 입력 파일로 받아 실행 가능한 `.py` 스크립트를 생성하며, 이때 `--input_file` 플래그로 API JSON 경로를 지정한다 [35, 36].
+- **Lou@blog Python 코드:** `urllib`와 `websocket`을 사용하여 API JSON의 특정 노드 ID(예: #37 TextInput)의 `inputs.text` 값을 교체한 후 서버에 요청을 보내는 구조를 구현하였다 [16, 37].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견됨에 따라 추후 applied/validated 승격 가능)
+- **출처 신뢰도:** B (공식 문서 및 실제 오픈소스 프로젝트의 README/구현 코드를 바탕으로 함)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Base64 Image Encoding.md

@@ -0,0 +1,59 @@
+---
+id: base64-image-encoding
+title: "Base64 Image Encoding"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["이미지 Base64 인코딩", "Base64 Data Embedding"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "API", "Python"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy_api_python.py"]
+github_commit: ""
+---
+
+# [[Base64 Image Encoding]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Base64 인코딩은 별도의 파일 스토리지 없이 이미지 바이너리를 문자열로 변환하여 ComfyUI API JSON 페이로드에 직접 포함시킴으로써 워크플로우를 데이터-논리 통합형 자립 구조로 변환하는 핵심 기술이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Load Image (Base64) 노드:** 워크플로우 내에서 파일 경로 대신 Base64 인코딩 문자열을 직접 입력받아 이미지 데이터로 변환하는 전용 입력 노드이다 [1, 2].
+- **데이터 임베딩(Self-contained Request):** 이미지 원천 데이터를 JSON의 `inputs` 필드 내 `base64_data` 키에 직접 삽입하여, 요청 하나에 생성 로직과 원본 데이터를 동시에 전달한다 [1, 2].
+- **서버리스 스토리지 우회:** 서버에 임시 이미지 파일을 생성하거나 업로드 경로를 관리할 필요가 없어, 스테이트리스(Stateless) API 환경에서의 처리 효율성을 극대화한다 [1].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **동적 페이로드 수정 패턴:** 템플릿 JSON 파일을 로드한 후, 특정 노드 ID(예: #37)의 `inputs` 딕셔너리에 접근하여 실시간으로 인코딩된 문자열을 주입하는 방식을 취한다 [2, 3].
+- **Python 기반 인코딩 파이프라인:** `open(file, "rb")` -> `base64.b64encode()` -> `.decode("utf-8")` 과정을 거쳐 JSON 규격에 맞는 문자열을 생성한다 [2].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우를 API로 호출할 때, 특히 이미지-투-이미지(Img2Img)나 컨트롤넷(ControlNet)과 같이 입력 이미지가 필요한 경우 Base64 인코딩이 광범위하게 활용된다 [1].
+
+1. **API 전송 메커니즘:** 개발자는 이미지를 문자열로 인코딩한 뒤, API 포맷 JSON(workflow_api.json)의 관련 노드 입력값에 이를 할당한다. 이는 서버 사이드에서 이미지 파일을 따로 찾을 필요가 없게 만들어준다 [1].
+2. **구현 방법:** Python 환경에서는 내장 `base64` 라이브러리를 사용하여 이미지 파일의 바이너리를 읽고 이를 UTF-8 문자열로 변환한다. 이후 워크플로우 JSON 객체를 딕셔너리로 다루어 해당 노드 ID의 `base64_data` 필드 값을 교체한다 [2].
+3. **효율성 및 용도:** 배너 광고 자동 생성 시스템이나 스타일 전송(Style Transfer) 등 대량의 이미지를 동적으로 처리해야 하는 운영 환경에서, 파일 시스템 입출력(I/O) 오버헤드를 줄이기 위해 권장된다 [1, 4].
+4. **제약 사항:** 소스에 따르면 워크플로우의 전체 크기가 1MB를 초과할 경우 보안 및 성능상의 이유로 제한될 수 있으므로, 고해상도 이미지 임베딩 시 페이로드 크기 관리가 필요하다 [5, 6].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **데이터 관리의 이중성:** 이미지 임베딩은 별도 저장소가 필요 없어 편리하지만, JSON 파일 자체의 크기를 비대하게 만들어 네트워크 전송 지연을 초래할 수 있다는 점이 간접적으로 시사된다 [5, 7].
+- **전용 노드 필요성:** 표준 `Load Image` 노드는 서버 내 로컬 경로를 참조하므로, Base64 데이터를 처리하기 위해서는 반드시 `Load Image (Base64)`와 같은 커스텀 노드가 워크플로우에 포함되어 있어야 한다 [1, 2].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Python API 연동 스크립트:** 소스 [2]에서 `image_base64(filename)` 함수를 통해 이미지를 인코딩하고, `prompt[str(load_image_node_id)]["inputs"]["base64_data"] = image` 형태로 데이터를 주입하는 실무 코드가 확인되었다.
+- **배너 자동 생성 워크플로우:** 이미지 데이터를 동적으로 교체하여 배너 광고를 생성하는 프로젝트에서 실제 적용 사례로 언급되었다 [4].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (제시된 Python 코드를 통해 실제 구현 방법이 구체적으로 명시됨)
+- **출처 신뢰도:** B (공식 가이드 및 전문 기술 블로그를 통한 검증)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Comfy CLI.md

@@ -0,0 +1,91 @@
+---
+id: comfy-cli
+title: "Comfy CLI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["comfy-cli"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Comfy-Org/comfy-cli Issue #341"]
+github_commit: ""
+---
+
+# [[Comfy CLI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+GUI의 한계를 넘어 터미널 환경에서 워크플로우의 대량 관리, 메타데이터 복구 및 자동화된 실행을 지원하는 ComfyUI 생태계의 통합 명령줄 인터페이스 도구이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **헤드리스 자동화 (Headless Automation):** 웹 인터페이스 없이 명령줄에서 직접 워크플로우를 관리하고 실행할 수 있는 환경을 제공한다 [3, 4].
+2. **메타데이터 가공 및 복구:** 이미지 파일(PNG, WebP)이나 영상 파일(MP4)에 포함된 워크플로우 JSON을 추출, 삽입, 복사하는 기능을 통해 데이터의 영속성을 보장한다 [2].
+3. **배치 처리 (Batch Processing):** 대규모 이미지 저장소에서 워크플로우를 일괄적으로 추출하거나 관리하기 위한 효율적인 수단을 제공한다 [1, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **메타데이터 분리 전략:** `exiftool`과 같은 하위 수준 도구를 호출하거나 전용 CLI 라이브러리를 통해 이미지의 `tEXt` 또는 `zTXt` 청크에서 JSON 데이터를 격리하는 패턴을 사용한다 [1, 5, 6].
+- **통합 지원 구조:** 개별적으로 흩어진 `Workflow Extractor`, `Python API Converter` 등의 기능을 하나의 통합된 CLI(comfy-cli)로 수렴하여 관리 효율성을 극대화한다 [2].
+
+## 📖 세부 내용 (Details)
+Comfy CLI는 ComfyUI의 강력한 노드 기반 시스템을 터미널 및 프로그래밍 환경으로 확장하기 위해 설계되었습니다.
+
+- **워크플로우 추출 및 관리:** CLI 도구는 특히 대량의 이미지 파일에서 워크플로우를 복구하는 데 유용합니다. 사용자는 `exiftool -b -workflow input.png > workflow.json`과 같은 명령을 통해 시각적 메타데이터를 JSON 파일로 추출할 수 있으며, `Comfy_UI_prompt_extractor`와 같은 전문 CLI 도구는 긍정적 프롬프트, API 그래프, UI 레이아웃을 분리하여 생성하는 기능을 제공합니다 [1, 5].
+- **이미지 메타데이터 복원 기능:** GIMP와 같은 표준 이미지 편집기나 소셜 미디어 플랫폼은 파일 크기 최적화를 위해 메타데이터를 삭제하는 경우가 많습니다. CLI는 유실된 워크플로우 데이터를 다시 이미지에 삽입(Insert)하거나 다른 이미지로 복사(Copy)하는 기능을 지원하여 워크플로우의 이동성을 유지합니다 [2, 5, 6].
+- **워크플로우 전환 지원:** CLI 환경에서 [[Workflow JSON (Frontend Format)]]을 [[Workflow API JSON (Backend Format)]]으로 변환하거나, 아예 독립적으로 실행 가능한 Python 스크립트로 내보내는 기능을 결합하여 외부 애플리케이션과의 연동을 용이하게 합니다 [7, 8].
+- **설치 및 시스템 관리:** Comfy CLI는 ComfyUI 설치 가이드의 주요 항목으로 포함되어 있으며, 시스템 상태 확인(GPU VRAM, Python 버전 등) 및 노드 카탈로그 업데이트를 위한 도구로도 활용됩니다 [9-11].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **메타데이터 손상 주의:** 수동 드래그 앤 드롭 방식과 달리 CLI 도구는 대량 처리에 유리하지만, 압축 소프트웨어나 네트워크 전송 과정에서 메타데이터가 영구적으로 제거된 경우에는 CLI로도 복구가 불가능하다는 한계가 소스에서 지적됩니다 [6, 12].
+- **기능 통합 진행형:** 현재 `comfy-cli`는 이미지에서 워크플로우를 추출, 삽입, 복사하는 기능을 포함하도록 개발 및 제안 단계에 있으며, 이는 기존의 여러 개별 CLI 도구들을 대체하거나 통합하려는 시도로 분석됩니다 [2, 5].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Comfy-Org/comfy-cli Issue #341:** 이미지, WebP, MP4 등 지원되는 모든 매체에서 워크플로우를 추출, 삽입, 복사할 수 있는 기능을 `comfy-cli`에 포함시키기 위한 기능 제안 및 논의가 진행되었습니다 [2, 13].
+- **배치 워크플로우 복구:** 대규모 AI 아트 라이브러리에서 디지털 포렌식 기법을 사용하여 생성 기술을 유지하고 검색 가능한 라이브러리를 구축하는 데 활용되었습니다 [1].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 및 개발자 커뮤니티의 기능 제안을 기반으로 작성됨)
+- **출처 신뢰도:** B (Official Documentation / GitHub Issue Discussion)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처 및 기반 기술]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: CLI를 통해 JSON 워크플로우를 생성 및 관리하는 상위 주제임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: GUI 이외의 워크플로우 획득 경로.
+- [[Workflow API JSON (Backend Format)]]
+  - 연결 이유: CLI 도구가 최종적으로 실행을 위해 변환하거나 추출해야 하는 타겟 형식임.
+
+#### [구현 및 활용 도구]
+- [[ComfyUI-to-Python-Extension]]
+  - 연결 이유: CLI 명령을 통해 워크플로우를 Python 코드로 변환하는 유사한 터미널 기반 도구임.
+- [[ComfyUI-Manager]]
+  - 연결 이유: CLI에서 누락된 커스텀 노드를 감지하고 종속성을 해결할 때 상호 보완적으로 작동함.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- `comfy-cli`가 이미지 외에 영상(MP4) 메타데이터에서 워크플로우를 추출할 때 사용하는 구체적인 태그 구조는 무엇인가?
+- `exiftool`을 이용한 수동 추출 방식과 `comfy-cli` 전용 명령어를 통한 추출 방식 사이의 데이터 무결성 차이는 존재하는가?
+- CLI 환경에서 [[Workflow JSON (Frontend Format)]]을 거치지 않고 직접 API 전용 JSON을 이미지에 삽입하는 것이 가능한가?
+- 대규모 배치 처리 시 노드 ID의 충돌이나 종속성 문제를 CLI에서 어떻게 자동으로 해결하는가?
+- CLI 도구가 외부 이미지 편집기(GIMP 등)에 의해 삭제된 메타데이터를 복구하기 위한 'Shadow Backup' 전략을 가지고 있는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `comfyui-to-python` CLI를 사용하여 반복적인 생성 작업을 자동화하는 쉘 스크립트 작성 [8].
+- **System Design:** 서버 사이드에서 사용자로부터 업로드된 이미지를 받아 워크플로우를 자동 추출하여 데이터베이스화하는 파이프라인 설계 [1, 2].
+- **Operation / Maintenance:** ComfyUI 업데이트 시 `UpdateNodeCatalog` CLI 명령을 통해 노드 호환성을 일괄 점검 [10].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Metadata Extraction]]
+  - 확장 방향: AI 생성 이미지 내에 숨겨진 프롬프트 및 파라미터 데이터 보호 및 분석 기술.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Source references 6, 33, 136, 170, 171, 182)

10_Wiki/Topics/Topic_Graphic/Comfyui/Comfy GPT.md

@@ -0,0 +1,102 @@
+---
+id: comfy-gpt
+title: "Comfy GPT"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyGPT", "ComfyUI-WorkflowGenerator"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "LLM", "Automation"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["DanielPFlorian/ComfyUI-WorkflowGenerator", "xiatianzs/resources", "ComfyUI/models/LLM/"]
+github_commit: "82df278"
+---
+
+# [[Comfy GPT]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Comfy GPT는 자연어 설명을 실행 가능한 ComfyUI 노드 그래프(JSON)로 변환하여 '비주얼 프로그래밍'을 '대화형 프로그래밍'으로 격상시키는 다단계 AI 합성 프레임워크이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **자연어 기반 워크플로우 생성 (Natural Language Generation):** 사용자의 의도(예: "SDXL을 사용한 텍스트-이미지 워크플로우 생성")를 해석하여 복잡한 노드 연결 구조를 자동 생성한다 [2].
+2.  **3단계 합성 파이프라인 (Three-stage Pipeline):** 논리적 구조 생성(Generator), 노드 이름 및 호환성 검증(Validator), 최종 실행 파일 컴파일(Builder)의 단계적 공정을 거친다 [3, 4].
+3.  **의미론적 노드 검증 (Semantic Node Validation):** 생성된 노드가 로컬 환경에 존재하는지 확인하고, 임베딩 모델을 통해 가장 유사한 실제 노드로 자동 교정한다 [4-6].
+4.  **도메인 특화 미세 조정 모델 (Fine-tuned Models):** ComfyUI의 내부 노드 레지스트리와 스키마 사양에 최적화된 LLM(예: Qwen2.5-14B)을 중추로 활용한다 [1, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **구조적 논리 합성 패턴:** 자연어 입력을 바로 JSON으로 변환하는 것이 아니라, 중간 단계의 논리적 그래프 구조를 먼저 형성한 후 컴파일한다 [4, 6].
+-   **로컬 환경 동기화 패턴:** `UpdateNodeCatalog` 노드를 통해 사용자의 로컬 ComfyUI에 설치된 네이티브 및 커스텀 노드를 스캔하여 검증 기준(Catalog)을 최신화한다 [7, 8].
+-   **하이브리드 검증 전략:** 속도를 위한 '의미론적 검색' 모드와 정확도를 위한 'LLM 정밀 교정' 모드를 선택적으로 사용하여 유효성을 확보한다 [6].
+
+## 📖 세부 내용 (Details)
+Comfy GPT는 **"ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation"** 연구에 기반한 기술적 구현체이다 [4]. 이 시스템은 전문적인 노드 지식이 없는 사용자도 대화를 통해 복잡한 생성 AI 파이프라인을 구축할 수 있게 돕는다 [2].
+
+-   **작동 메커니즘:**
+    -   **Generator:** Qwen2.5-14B 기반 모델이 입력된 자연어를 분석하여 노드 간의 데이터 흐름(DAG)을 정의하는 논리적 JSON 문자열을 출력한다 [5, 6].
+    -   **NodeValidator:** 생성된 노드 이름이 실제 설치된 노드 클래스 명칭과 일치하는지 검사한다 [6]. 일치하지 않을 경우 `sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2` 모델을 사용한 의미론적 검색으로 가장 적합한 노드를 제안하거나, LLM이 문맥을 통해 이름을 수정한다 [5, 6].
+    -   **WorkflowBuilder:** 최종 검증된 구조를 ComfyUI 실행 엔진이 이해할 수 있는 표준 [[Workflow JSON]] v1.0 규격으로 변환하고 파일로 저장한다 [3, 8, 9].
+-   **기술적 특징:** GGUF 양자화 모델(q8_0)을 지원하여 효율적인 VRAM 관리가 가능하며, CUDA 및 Metal 환경에서 가속화된 추론을 제공한다 [5, 10, 11]. 또한, JSON 파일은 생성 의도와 실행 로직 사이의 '중간 바이트코드' 역할을 수행하게 된다 [3].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **정적 모델의 한계:** 미세 조정된 모델은 훈련 데이터 컷오프 시점 이후에 출시된 새로운 커스텀 노드나 아키텍처에 대해서는 기본적으로 알지 못하는 '동결된(Frozen)' 상태라는 점이 한계로 지적된다 [12, 13].
+-   **할루시네이션 관리:** 모델이 존재하지 않는 노드 연결을 생성할 위험이 있으므로, 향후에는 정적 미세 조성을 넘어선 실시간 적응형 아키텍처로의 진화가 필요하다고 명시되어 있다 [13, 14].
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **GitHub 프로젝트:** `DanielPFlorian/ComfyUI-WorkflowGenerator`가 ComfyGPT 연구를 로컬 노드 수트로 구현한 독립적 사례로 확인된다 [2, 15].
+-   **Git 커밋 기록:** `82df278` 커밋에서 드롭다운의 중복 모델 노출 문제가 수정되었으며, `config`, `generators`, `nodes` 등의 디렉토리 구조로 관리된다 [15].
+-   **모델 경로 사양:** 사용자는 GGUF 모델과 토크나이저를 `ComfyUI/models/LLM/` 경로에 배치하여 시스템을 구동한다 [7].
+-   **저장 로직:** 생성된 워크플로우 JSON은 기본적으로 `comfyUI/output` 폴더에 저장되어 즉시 로드하거나 공유할 수 있다 [16].
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (실제 GitHub 프로젝트와 연구 논문이 존재하며 구현 가이드가 소스에 포함됨) [2, 4]
+-   **출처 신뢰도:** B (Official Documentation / GitHub Repository README via NotebookLM) [2]
+-   **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: Comfy GPT가 해결하고자 하는 근본적인 루트 주제.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 수동 생성 방식과 자동 생성 방식의 차이점.
+- [[Workflow JSON]]
+  - 연결 이유: Comfy GPT 파이프라인의 최종 출력물 규격.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: v1.0 스키마 제약 사항 준수의 중요성.
+
+#### [구현/활용 도구]
+- [[Workflow API JSON]]
+  - 연결 이유: 생성된 JSON이 API 호출에 사용될 때의 스트림라인 포맷.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각 정보가 제거된 실행 전용 그래프 구조.
+- [[ComfyUI Manager]]
+  - 연결 이유: 생성된 워크플로우의 커스텀 노드 의존성을 해결하는 핵심 도구.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 'Red Nodes' 오류 발생 시의 복구 메커니즘.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 훈련 데이터 컷오프 이후 출시된 최신 커스텀 노드에 대한 할루시네이션을 `NodeValidator`가 어느 정도 수준까지 교정할 수 있는가? [12]
+- `UpdateNodeCatalog` 노드가 로컬의 `INPUT_TYPES`를 스캔하여 LLM에게 전달하는 컨텍스트 주입 방식은 구체적으로 어떻게 설계되어 있는가? [8]
+- GGUF 양자화 모델 사용 시, q8_0와 q4_0 간의 워크플로우 논리 합성 정확도 차이가 유의미하게 발생하는가? [10]
+- 3단계 파이프라인 중 `Generator`가 생성한 '논리적 그래프'와 최종 '실행용 JSON' 사이의 데이터 유실 가능성은 없는가? [6, 8]
+- LLM 기반 생성 시 복잡한 `ControlNet`의 다중 레이어 연결이나 `IPAdapter` 설정의 세밀한 파라미터 제어가 가능한가? [2, 16]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `Workflow Generator Pipeline` 노드를 추가하고 자연어 지침을 입력하여 즉시 실행 가능한 그래프를 생성함 [7, 16].
+- **System Design:** 사용자의 로컬 환경에 맞춰진 `Node Catalog`를 기반으로 맞춤형 유효성 검사 루프를 구축함 [8].
+- **Operation / Maintenance:** 새로운 커스텀 노드 설치 후 반드시 `Update Node Catalog`를 실행하여 시스템의 지식 베이스를 동기화해야 함 [17].
+- **Learning Path:** 복잡한 노드 이름을 외우는 대신, 자연어로 기능을 설명하며 워크플로우 구축 원리를 학습하는 도구로 활용 가능 [2, 18].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[ComfyUI Custom Scripts]]
+  - 확장 방향: 자동 생성된 워크플로우를 시각적 이미지(PNG/SVG)로 내보내어 관리하는 방법 연구 [19, 20].
+- [[Executing ComfyUI Workflows as Standalone Scripts]]
+  - 확장 방향: LLM이 생성한 JSON을 서버리스 환경에서 즉시 Python 스크립트로 실행하는 자동화 파이프라인 구축 [21, 22].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. [23]

10_Wiki/Topics/Topic_Graphic/Comfyui/Comfy Nodekit.md

@@ -0,0 +1,62 @@
+---
+id: comfy-nodekit
+title: "Comfy Nodekit"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Comprehensive Architectures for ComfyUI Workflow JSON Generation and Serialization"]
+github_commit: ""
+---
+
+# [[Comfy Nodekit]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Comfy Nodekit은 수동적인 딕셔너리 조작 대신 타입 안전성이 보장된 **Python 우선 방식(Python-first approach)**을 통해 ComfyUI 워크플로를 프로그래밍적으로 구축하고 직렬화하는 라이브러리이다 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+- **타입 안전한 워크플로 구축:** 원시 JSON 딕셔너리를 직접 수정하는 대신, 정적 타입을 지원하는 Python 환경에서 워크플로를 설계하여 오류를 최소화한다 [1].
+- **노드 팩토리(Node Factories):** 서버에 설치된 커스텀 노드와 자동으로 동기화되는 노드 팩토리를 제공하여 사용 가능한 노드를 정확하게 반영한다 [1].
+- **복잡성 관리:** 수백 개의 노드로 구성된 복잡한 그래프를 다룰 때 발생할 수 있는 참조 오류와 구조적 결함을 줄이는 데 최적화되어 있다 [1].
+- **프로그래밍적 직렬화:** Python 코드를 통해 정의된 노드 관계를 ComfyUI가 실행 가능한 JSON 포맷으로 변환하는 기능을 수행한다 [1, 2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **추상화 패턴:** 노드의 고유 ID(numeric ID)를 직접 지정하는 파편화된 방식에서 벗어나, 프로그래밍 언어의 객체와 함수를 통해 논리적 구조를 정의하는 추상화 계층을 형성한다 [1, 3].
+- **서버-클라이언트 동기화:** 로컬의 개발 도구가 서버의 실제 노드 레지스트리 상태를 실시간 또는 주기적으로 반영하여 호환성을 보장하는 설계 패턴을 따른다 [1].
+
+## 📖 세부 내용 (Details)
+Comfy Nodekit은 ComfyUI가 단순한 시각적 도구를 넘어 **운영 환경(Production environments)**으로 확장됨에 따라 발생하는 프로그래밍적 요구를 충족하기 위해 설계되었다 [1, 3]. 기존의 수동 JSON 편집 방식은 노드 ID가 변경되거나 워크플로가 복잡해질 때 매우 취약해지는 단점이 있다 [1].
+
+이 라이브러리는 다음과 같은 기술적 특징을 가진다:
+- **딕셔너리 조작의 대체:** 개발자가 `json` 라이브러리를 사용하여 중첩된 딕셔너리 구조를 일일이 탐색하고 수정할 필요가 없도록 만든다 [1, 3].
+- **자동 동기화:** 사용자의 ComfyUI 서버에 설치된 커스텀 노드들을 인식하고 이에 대응하는 Python 인터페이스를 자동으로 생성하여 개발 효율성을 높인다 [1].
+- **대규모 그래프 지원:** 수백 개의 연결 노드가 존재하는 대규모 프로젝트에서도 타입 체크를 통해 연결 오류를 사전에 방지할 수 있는 'Python-first' 워크플로 빌드 환경을 제공한다 [1].
+
+이는 "Comfy API Simplified"가 노드 제목(Title)을 기준으로 파라미터를 설정하는 방식이나, "ComfyUI-to-Python-Extension"이 기존 JSON을 Python 스크립트로 변환하는 방식과는 차별화된, **코드 기반의 신규 생성 및 관리**에 초점을 맞춘 도구이다 [1].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **접근 방식의 차이:** 일반적인 사용자가 GUI를 통해 JSON을 내보내는 방식과 달리, 개발자가 처음부터 코드로 워크플로를 작성하는 방식을 제안하며, 이는 시각적 프로그래밍과 텍스트 기반 프로그래밍 사이의 브릿지 역할을 수행한다 [1, 4].
+- **최신성:** LLM을 이용한 자연어 기반 JSON 생성 방식이 등장하는 등 워크플로 생성 기술이 진화하는 과정에서, Nodekit은 코드의 엄격함과 안전성을 강조하는 전문 개발자용 도구로서 위치한다 [1, 5].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **운영 환경의 워크플로 생성:** "Comprehensive Architectures for ComfyUI Workflow JSON Generation and Serialization" 문서에서 프로그래밍적 워크플로 생성 및 수정을 위한 주요 래퍼 라이브러리 중 하나로 인용되었다 [1, 2].
+- **Hacker News 사례:** "Show HN: Comfy Nodekit – build/serialize ComfyUI workflows in Python"이라는 제목으로 공개되어, Python 환경 내에서 ComfyUI 워크플로를 구축하고 직렬화하는 실제 구현 사례로 제시되었다 [2].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyGPT.md

@@ -0,0 +1,71 @@
+---
+id: comfygpt
+title: "ComfyGPT"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI-WorkflowGenerator"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator", "Workflow Generator Pipeline node", "UpdateNodeCatalog", "ComfyUI/models/LLM/"]
+github_commit: "82df278"
+---
+
+# [[ComfyGPT]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+자연어 설명을 다단계 LLM 에이전트 파이프라인을 통해 실행 가능한 ComfyUI 노드 그래프(JSON)로 자동 변환하는 자기 최적화 시스템 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **3단계 생성 파이프라인 (Three-stage Pipeline):** 사용자의 의도를 논리적 합성(Generator), 의미론적 검증(Validator), 그래프 컴파일(Builder) 과정으로 분리하여 처리하는 아키텍처 [2, 3].
+- **의미론적 노드 매핑 (Semantic Node Mapping):** 훈련 데이터에 없는 최신 커스텀 노드를 인식하기 위해 로컬 설치된 노드 레지스트리 및 의미론적 임베딩을 활용하여 노드 이름을 수정하는 메커니즘 [2, 4].
+- **특화 LLM 통합 (Specialized LLM Integration):** ComfyUI의 내부 노드 레지스트리 및 스키마 사양에 맞춰 미세 조정(Fine-tuned)된 모델(Qwen2.5-14B 등)을 핵심 엔진으로 사용 [4, 5].
+- **노드 카탈로그 자동화 (Node Cataloging):** 로컬 환경의 기본 노드 및 커스텀 노드를 스캔하여 LLM이 참조할 수 있는 데이터베이스를 구축하는 프로세스 [6, 7].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **논리-물리 분리 패턴:** 자연어 의도를 먼저 논리적인 그래프 구조로 합성한 뒤, 실제 로컬 환경의 가용 노드와 대조하여 실행 가능한 물리적 JSON으로 변환하는 '중계 컴파일' 패턴 [2, 8].
+- **검증 기반 보정 패턴:** LLM이 생성한 노드 이름이 실제 환경과 다를 경우, 의미론적 유사도 검색을 통해 유효한 노드 이름으로 교정하는 가디언(Guardian) 패턴 [9, 10].
+- **계층적 에이전트 협업:** 단일 노드가 아닌 Generator, Validator, Builder라는 독립적인 역할을 가진 에이전트들이 순차적으로 결과를 전달하며 최종 워크플로우를 완성하는 다단계 협업 구조 [2, 9].
+
+## 📖 세부 내용 (Details)
+ComfyGPT는 "ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation" 연구를 기반으로 하며, 사용자의 자연어 지시(예: "SDXL을 사용한 텍스트-투-이미지 워크플로우 생성")와 실제 실행 가능한 노드 그래프 사이의 간극을 좁히는 것을 목적으로 한다 [1, 2].
+
+**1. 주요 파이프라인 단계 [2, 3, 8]:**
+- **생성기 (Generator):** 사용자의 자연어 프롬프트를 해석하여 논리적 그래프 구조(JSON)를 생성한다. Qwen2.5-14B와 같이 워크플로우 데이터에 특화된 모델이 사용된다.
+- **검증기 (NodeValidator):** 생성된 노드 이름이 로컬 ComfyUI 환경에 설치된 노드와 일치하는지 확인한다. 불일치 시 의미론적 검색(MiniLM 모델 활용) 또는 LLM 정제 모드를 통해 이름을 교정한다.
+- **빌더 (WorkflowBuilder):** 검증된 논리 구조를 ComfyUI 실행 엔진이 즉시 인식할 수 있는 최종 API 형식 또는 프론트엔드 형식의 JSON 파일로 컴파일한다.
+
+**2. 활용 모델 아키텍처 [4, 11]:**
+- **WorkflowGenerator:** Qwen2.5-14B 기반 미세 조정 모델로, 128K 컨텍스트 윈도우를 지원하며 GGUF 형식으로 양자화되어 효율적인 추론이 가능하다.
+- **Embedding Model:** `sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2`를 사용하여 노드 간의 의미론적 유사도를 계산한다.
+- **NodeValidator:** Qwen2.5-7B-Instruct 모델을 사용하여 추가적인 LLM 정제를 수행할 수 있다.
+
+**3. 로컬 환경 동기화:**
+시스템의 신뢰도를 높이기 위해 `UpdateNodeCatalog` 노드를 통해 현재 설치된 모든 커스텀 노드를 스캔하고 카탈로그화해야 한다. 이는 LLM이 훈련 컷오프 이후에 출시된 새로운 노드를 인식하지 못하는 한계를 보완한다 [6, 7].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정적 모델의 한계:** 미세 조정된 모델은 훈련 시점 이후에 출시된 노드에 대해 환각(Hallucination)을 일으킬 수 있다. 소스에서는 이를 해결하기 위해 향후 RAG(검색 증강 생성) 아키텍처로의 전환이 필요함을 시사한다 [12, 13].
+- **I/O 타입 인식 부재:** 현재 시스템은 노드 이름의 의미론적 일치에는 강점이 있으나, 노드 간 데이터 타입(Float, Latent, Image 등)의 엄격한 스키마 호환성을 검증하는 기능은 아직 미래 과제로 남아있다 [13].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI-WorkflowGenerator:** DanielPFlorian이 개발한 GitHub 저장소(`DanielPFlorian/ComfyUI-WorkflowGenerator`)에 ComfyGPT 아키텍처가 네이티브 노드 세트로 구현되어 있다 [1, 14].
+- **Workflow Generator Pipeline 노드:** Generator, Validator, Builder 단계를 단일 실행으로 통합한 원클릭 솔루션 노드로 구현되었다 [3, 6].
+- **모델 경로 규격:** GGUF 모델 및 토크나이저를 `ComfyUI/models/LLM/` 경로에 배치하여 관리하는 방식이 적용되었다 [6].
+- **GitHub 커밋:** 커밋 해시 `82df278`에서 드롭다운 모델 중복 수정 등의 유지보수 기록이 발견된다 [14].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (ComfyUI-WorkflowGenerator 프로젝트를 통해 실제 노드 형태로 구현됨)
+- **출처 신뢰도:** B (GitHub 기술 문서 및 연구 기반 구현체 소스 코드 설명)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI API Integration.md

@@ -0,0 +1,80 @@
+---
+id: comfyui-api-integration
+title: "ComfyUI API Integration"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint/README.md", "pydn/ComfyUI-to-Python-Extension", "deimos-deimos/comfy_api_simplified/examples", "Mystic/pipeline.yaml", "Mystic/new_pipeline.py", "DanielPFlorian/ComfyUI-WorkflowGenerator"]
+github_commit: ""
+---
+
+# [[ComfyUI API Integration]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI API Integration은 시각적 노드 그래프를 실행 최적화된 **API JSON(Backend Format)**으로 직렬화하여, 외부 애플리케이션 및 서버리스 환경에서 생성 AI 워크플로우를 프로그래밍 방식으로 자동화하고 확장하는 핵심 매개체이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **워크플로우 포맷의 이분화 (Bifurcation):** 사용자의 시각적 편집을 위한 'Frontend Format(workflow.json)'과 서버 실행을 위해 UI 메타데이터를 제거한 'API Format(workflow_api.json)'으로 구분된다 [2, 4-6].
+- **API JSON 직렬화:** 노드 위치, 크기, 그룹 등 시각적 정보를 배제하고 노드 클래스(class_type), 입력 매개변수(inputs), 노드 간 연결 관계만을 포함하는 압축된 실행 그래프이다 [2, 6, 7].
+- **개발자 모드 (Dev Mode):** 표준 UI에서는 숨겨져 있으며, 설정에서 활성화해야만 API 전용 JSON을 내보낼 수 있는 기능이 활성화된다 [8-12].
+- **엔드포인트 연동:** 생성된 API JSON은 ComfyUI 서버의 `/prompt` 엔드포인트로 전송되어 실제 이미지나 미디어 생성 명령으로 변환된다 [2, 4, 12, 13].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **개발자 모드 활성화 패턴:** `Settings` 아이콘 클릭 → `Enable Dev mode Options` 체크 → 메뉴의 `Save (API Format)` 버튼 사용 [8-11, 14].
+- **메타데이터 추출 패턴:** PNG/WebP 이미지의 `tEXt` 또는 `zTXt` 청크에 포함된 JSON 데이터를 `exiftool`이나 전용 추출 도구를 통해 복구하여 재사용하는 방식 [15-18].
+- **동적 템플릿 패턴:** 기본 JSON 파일을 로드한 후 Python 딕셔너리 조작을 통해 특정 노드 ID의 `seed`, `prompt`, `image` 등의 값을 실시간으로 변경하여 큐에 삽입하는 전략 [13, 19, 20].
+- **고유 식별자(ID) 타겟팅:** 각 노드에 부여된 숫자형 문자열 키(예: "37")를 사용하여 특정 노드의 입력 필드에 접근하는 패턴 [5, 20].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우 JSON은 생성 AI 프로세스를 **유향 비순환 그래프(DAG)**로 정의하며, 이를 직렬화함으로써 이식성과 자동화를 실현한다 [1].
+
+### 1. 워크플로우 JSON의 주요 유형 및 구조
+- **Frontend JSON (workflow.json):** Litegraph 표준을 따르며 노드 좌표, 그룹화, 색상 등 캔버스 레이아웃 정보를 포함한다 [2, 5, 21].
+- **API JSON (workflow_api.json):** 백엔드 엔진이 프롬프트를 실행하는 데 필요한 논리적 연결만 남긴 효율적인 그래프이다 [2, 4, 6]. 링크는 별도 객체가 아닌 노드 입력 내에 직접 임베딩된다 [2, 22].
+- **구조적 제약:** JSON v1.0 스키마에 따라 각 노드는 고유 `id`, `type`, `inputs`, `outputs`를 가져야 하며, 실행 엔진은 출력 노드에서 역방향으로 그래프를 탐색하여 필요한 의존성만 실행하는 '실행 모델 반전' 방식을 사용한다 [23-25].
+
+### 2. JSON 생성 및 획득 방법
+- **수동 내보내기:** 웹 인터페이스에서 개발자 모드를 활성화한 후 전용 저장 버튼을 사용한다 [8, 9, 11].
+- **알고리즘 추출:** ComfyUI가 생성한 PNG 파일에는 워크플로우가 메타데이터로 자동 저장되므로, 이를 드래그 앤 드롭하거나 `exiftool` 명령어를 사용하여 추출할 수 있다 [15, 17, 26-28].
+- **자연어 기반 생성:** LLM(예: Qwen2.5-14B)을 사용하여 자연어 설명을 논리적 그래프 구조로 합성하고 로컬 노드 카탈로그와 대조하여 유효한 JSON으로 변환하는 방식이 도입되었다 [29-32].
+
+### 3. 프로그래밍 방식의 통합 및 변환
+- **Python 직접 조작:** Python의 `json` 라이브러리를 사용하여 노드 ID를 기반으로 텍스트나 이미지 데이터를 업데이트한다 [19, 20]. 이미지는 주로 Base64로 인코딩되어 JSON 내에 직접 포함된다 [13, 33].
+- **추상화 래퍼:** `comfy_api_simplified`와 같은 라이브러리는 숫자 ID 대신 노드 제목으로 매개변수를 설정하게 하여 유지보수성을 높인다 [34, 35].
+- **스크립트 변환:** `ComfyUI-to-Python-Extension`은 JSON 워크플로우를 실행 가능한 독립형 `.py` 스크립트로 변환하여 헤드리스 환경에서 실행할 수 있게 한다 [34, 36, 37].
+
+### 4. API 기반 자동화 및 배포
+- **서버리스 플랫폼:** Replicate나 Mystic 같은 서비스는 API JSON 블롭을 입력받아 클라우드 GPU에서 실행하고 결과를 반환하는 엔드포인트를 제공한다 [9, 38-40].
+- **의존성 관리:** JSON 로드 시 누락된 커스텀 노드는 '빨간 박스'로 표시되며, `ComfyUI-Manager`를 통해 자동으로 식별 및 설치할 수 있다 [41-43].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **포맷 호환성 문제:** 표준 저장 방식으로 생성된 JSON은 API 엔드포인트에서 오류를 발생시키므로 반드시 API 포맷으로의 변환이 필요하다 [12].
+- **메타데이터 손실:** 소셜 미디어나 이미지 편집기(GIMP 등)를 통해 이미지를 전송 또는 수정할 경우 워크플로우 메타데이터가 삭제될 수 있다는 경고가 반복적으로 확인된다 [16, 26, 44, 45].
+- **노드 ID 변동성:** 워크플로우를 UI에서 수정하면 노드 ID가 변경될 수 있어, 하드코딩된 Python 스크립트가 파손될 위험이 존재한다 [19, 34]. 이에 대한 해결책으로 노드 제목 기반 매핑이 권장된다 [34, 35].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **서버 측 변환 엔드포인트:** `comfyui-workflow-to-api-converter-endpoint`는 클라이언트 측의 자바스크립트 로직을 파이썬으로 변환하여 서버에서 일반 JSON을 API JSON으로 실시간 변환하는 `/workflow/convert` 엔드포인트를 구현했다 [12, 46, 47].
+- **독립 실행형 스크립트 변환:** `pydn/ComfyUI-to-Python-Extension` 프로젝트는 `Save As Script` 기능을 통해 워크플로우를 `.py` 파일로 다운로드하여 자동화된 실행 환경을 구축했다 [37, 48].
+- **매개변수 스케줄링:** `comfy_api_simplified` 라이브러리는 수백 개의 이미지를 야간에 생성하기 위해 여러 프롬프트와 매개변수를 반복 실행하는 예제 코드를 제공한다 [35, 49].
+- **배너 광고 자동 생성:** ComfyUI API를 Python과 연동하여 입력 이미지와 텍스트를 변경하며 대량의 광고 소재를 생성하는 실제 사례가 보고되었다 [50].
+- **Mystic 파이프라인 배포:** `pipeline.yaml`과 `new_pipeline.py`를 사용하여 텍스트-비디오 워크플로우를 서버리스 엔드포인트로 배포하는 구조가 상세히 기술되었다 [51-53].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI API.md

@@ -0,0 +1,112 @@
+---
+id: comfyui-api
+title: "ComfyUI API"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["API Format", "workflow_api.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "automation", "API"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in:
+  - "comfyui-workflow-to-api-converter-endpoint (bc85382)"
+  - "ComfyUI-WorkflowGenerator (82df278)"
+  - "ComfyUI-to-Python-Extension (6cdcc23)"
+github_commit: ""
+---
+
+# [[ComfyUI API]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI API는 노드 기반의 비주얼 워크플로를 **실행 가능한 데이터 구조(JSON)**로 직렬화하여, 창의적 프로세스를 자동화된 프로덕션 파이프라인으로 전환하는 핵심 인터페이스이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **API Format (workflow_api.json):** 사용자 인터페이스(UI) 메타데이터(노드 위치, 크기, 그룹 등)를 제거하고 오직 백엔드 엔진의 실행에 필요한 노드 유형과 입력 연결 정보만을 포함하는 간소화된 그래프 포맷이다 [3-5].
+- **Dev Mode Options:** API 포맷으로 워크플로를 내보내기 위해 반드시 활성화해야 하는 설정으로, 활성화 시 'Save (API format)' 버튼이 노출된다 [6-8].
+- **Serialization & Mapping:** 노드망을 JSON 형식의 딕셔너리로 변환하며, 각 노드는 고유한 numeric ID(예: "37")를 키로 사용하여 `class_type`과 `inputs` 값을 정의한다 [9-11].
+- **Prompt Endpoint (/prompt):** 생성된 API JSON 페이로드를 ComfyUI 서버의 `/prompt` 엔드포인트로 POST 요청을 보내 실제 실행을 트리거한다 [10, 12].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Execution Model Inversion:** 엔진이 모든 노드를 실행하는 대신 'Save Image'와 같은 출력 노드에서 역방향으로 탐색하여 최종 결과에 필요한 의존성 노드만 식별하고 실행한다 [13].
+- **Bifurcation of Formats:** 시각적 편집을 위한 Frontend 포맷(`workflow.json`)과 프로그래밍적 실행을 위한 Backend 포맷(`workflow_api.json`)을 분리하여 운영 효율성을 극대화한다 [3, 14].
+- **Metadata Recovery:** PNG 파일의 `tEXt` 또는 `zTXt` 청크에 숨겨진 워크플로 JSON 데이터를 `exiftool`이나 전용 추출기를 통해 복구하여 공유 및 재사용하는 패턴이 발견된다 [15-17].
+
+## 📖 세부 내용 (Details)
+
+### 1. API JSON 생성 및 구조적 특징
+API 포맷 JSON은 백엔드 실행 최적화를 위해 설계되었다.
+- **데이터 구조:** 루트 키는 노드 ID(문자열)이며, 각 값은 `class_type`과 `inputs` 딕셔너리를 포함한다 [10, 18].
+- **연결 표현:** 노드 간의 링크는 별도의 배열이 아닌 노드 입력 내에서 `[origin_node_id, output_slot_index]` 형태의 참조로 직접 임베딩된다 [3, 19].
+- **위젯 값 전환:** GUI에서 사용자가 입력한 위젯 값(시드, 텍스트 등)은 API JSON의 `inputs` 필드로 직접 매핑되어 고정된 값이 된다 [19].
+
+### 2. 프로그래밍적 조작 및 자동화
+개발자는 템플릿화된 API JSON을 Python 등을 통해 동적으로 수정하여 대량 생성을 자동화할 수 있다.
+- **입력값 교체:** `json` 라이브러리를 사용하여 특정 노드 ID의 `inputs` 필드(예: 프롬프트 텍스트, 시드 값)를 런타임에 변경한다 [10, 20].
+- **이미지 주입:** 외부 이미지를 API로 전달할 때는 `Load Image (Base64)` 노드를 사용하거나 이미지를 서버의 `input` 디렉토리에 업로드한 후 파일명으로 참조한다 [21, 22].
+- **결과 수신:** 생성 진행 상황과 결과 이미지는 WebSocket 통신을 통해 실시간으로 모니터링하며, `SaveImageWebsocket` 노드를 사용하여 바이너리 데이터를 직접 수신할 수 있다 [22].
+
+### 3. 고도화된 생성 도구
+- **ComfyUI-to-Python-Extension:** JSON 워크플로를 독립적으로 실행 가능한 `.py` 스크립트로 변환하여 서버 없이도 헤드리스 환경에서 실행 가능하게 한다 [23, 24].
+- **Comfy API Simplified:** 노드 ID 대신 사용자가 지정한 노드 제목(title)으로 파라미터를 설정할 수 있게 하여 워크플로 수정 시 코드의 파손을 방지한다 [23, 25].
+- **LLM 기반 생성:** 자연어 설명을 입력하면 Qwen2.5와 같은 모델이 이를 해석하여 유효한 노드 그래프 구조를 자동으로 생성하고 빌드한다 [26, 27].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **하위 호환성 문제:** ComfyUI의 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있다는 경고가 존재한다 [28].
+- **포맷의 비가역성:** API 포맷 JSON은 실행 효율은 높으나, 이를 다시 GUI로 드래그하여 로드할 경우 시각적 레이아웃(노드 위치 등)이 유실된 '스켈레톤' 상태로 나타나 편집이 어렵다 [12, 29].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 사이드의 JS 로직을 Python으로 변환하여 서버 측에서 일반 JSON을 API JSON으로 즉시 변환하는 엔드포인트를 구현함 (커밋: bc85382) [12, 30].
+- **ComfyUI-WorkflowGenerator:** 자연어 프롬프트를 기반으로 3단계 파이프라인(생성-검증-빌드)을 거쳐 실행 가능한 워크플로를 생성하는 시스템 (커밋: 82df278) [27, 31].
+- **ComfyUI-to-Python-Extension:** 워크플로를 Python 코드로 번역하여 자동화 및 반복 생성에 최적화된 스크립트를 제공함 (커밋: 6cdcc23) [24, 32].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (다수의 GitHub 프로젝트를 통해 실용성 입증됨)
+- **출처 신뢰도:** B (공식 문서 및 오픈소스 프로젝트 README 기반)
+- **중복 검사 결과:** 신규 생성
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow JSON]]
+  - 연결 이유: API 데이터의 근간이 되는 스키마 규격
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 속성 및 링크 스키마 v1.0의 기술적 제약 사항 [33].
+
+#### [구현/활용 도구]
+- [[API Format]]
+  - 연결 이유: ComfyUI 서버 통신을 위한 필수 데이터 포맷
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: UI 메타데이터 제거 및 실행 최적화 로직 [5].
+- [[ComfyUI-Manager]]
+  - 연결 이유: API 실행 시 누락된 커스텀 노드 의존성 해결 도구
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 내 `class_type`을 기반으로 한 자동 노드 설치 프로세스 [34].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- API JSON의 `inputs` 필드에서 노드 참조 시 사용되는 슬롯 인덱스의 정확한 매핑 규칙은 무엇인가? [35]
+- `Execution Model Inversion`이 대규모 워크플로에서 실제 성능(VRAM/연산)에 미치는 정량적 영향은 어느 정도인가? [13]
+- LLM 기반 워크플로 생성 시 `NodeValidator`가 사용하는 시맨틱 임베딩 방식은 커스텀 노드의 정확도를 어떻게 보장하는가? [36, 37]
+- PNG 메타데이터가 손상된 경우, `exiftool` 외에 바이너리 수준에서 워크플로를 복구할 수 있는 대안적 방법이 있는가? [17, 38]
+- `comfyui-workflow-to-api-converter`가 처리하는 1MB 요청 제한의 기술적 근거와 대규모 워크플로(Flux 등) 대응 방안은 무엇인가? [39, 40]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `/prompt` 엔드포인트에 전송할 JSON 페이로드를 생성하기 위해 GUI의 'Dev mode'를 활용하여 템플릿을 확보한다 [8].
+- **System Design:** 프로덕션 환경에서는 사용자의 입력을 수신하는 미들웨어를 구축하고, 템플릿 JSON의 특정 노드 ID 값을 동적으로 치환하여 ComfyUI 인스턴스에 전달한다 [22, 41].
+- **Operation / Maintenance:** 워크플로 변경 시 노드 ID가 변할 수 있으므로, 유지보수성을 위해 `comfy_api_simplified`와 같이 노드 제목 기반으로 접근하는 래퍼 사용을 권장한다 [23, 25].
+- **Learning Path:** 기본 UI 사용법 숙지 → Dev mode 활성화 및 API JSON 구조 분석 → Python `requests` 및 `websocket`을 이용한 원격 제어 순으로 학습한다 [42, 43].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Comfy GPT]]
+  - 확장 방향: AI 에이전트가 직접 노드를 조립하고 디버깅하는 자가 최적화 시스템 연구 [27, 44].
+- [[Model Hashing]]
+  - 확장 방향: 파일명 대신 해시값을 사용하여 API 호출 시 모델 불일치 문제를 해결하는 기술 [45].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on 18 sources)

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Backend Engine.md

@@ -0,0 +1,100 @@
+---
+id: comfyui-backend-engine
+title: "ComfyUI Backend Engine"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI API Engine", "ComfyUI Execution Layer"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/custom_nodes/comfyui-workflow-to-api-converter-endpoint", "ComfyUI-to-Python-Extension", "WorkflowExecutor", "ExecutionCache"]
+github_commit: "bc85382"
+---
+
+# [[ComfyUI Backend Engine]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI Backend Engine은 복잡한 노드 그래프(DAG)를 실행 가능한 [[API 포맷]]으로 직렬화하고, 역방향 의존성 추적을 통해 최적화된 상태로 머신러닝 워크플로우를 처리하는 핵심 실행 계층이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+1. **API JSON (Backend Format):** UI 메타데이터(좌표, 크기 등)를 제거하고 노드 클래스(class_type)와 입력(inputs) 간의 논리적 연결만 포함된 정제된 실행 데이터 구조이다. [2, 4, 5]
+2. **Execution Model Inversion:** 최종 출력 노드(예: Save Image)에서 시작하여 필요한 의존성만 역방향으로 탐색해 실행함으로써 불필요한 노드 연산을 배제하는 최적화 기법이다. [3]
+3. **Standalone Script Execution:** 웹 서버와 UI 계층을 분리하여 워크플로우를 독립적인 Python 스크립트나 헤드리스(Headless) 파이프라인으로 구동하는 메커니즘이다. [6-8]
+4. **Dynamic Prompting:** API 엔드포인트(/prompt)에 JSON 페이로드를 전송할 때 노드 ID나 타이틀을 기반으로 파라미터를 실시간으로 수정하여 동적 워크플로우를 생성한다. [9-11]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Serialization Bifurcation (직렬화 이원화):** 시각적 편집을 위한 'Frontend 포맷'과 서버 실행을 위한 'Backend API 포맷'으로 워크플로우를 구분하여 관리한다. [2, 12]
+- **Backward Dependency Traversal:** 그래프 전체를 순차 실행하는 대신, 결과값 도출에 필수적인 노드들만 선별하여 실행 순서를 결정한다. [3]
+- **Target Node Overriding:** JSON 내부의 특정 노드 ID를 키값으로 활용하여 시드(Seed), 프롬프트, 모델 경로 등의 값을 프로그래밍 방식으로 교체한다. [10, 13, 14]
+
+## 📖 세부 내용 (Details)
+
+ComfyUI의 백엔드 엔진은 워크플로우를 **유향 비순환 그래프(DAG)**로 처리하며, 이를 직렬화(Serialization)하여 기기 간 이식성과 프로그래밍 자동화를 지원한다. [1] 워크플로우를 API로 실행하기 위해서는 표준 JSON 포맷이 아닌 'API 전용 포맷'이 필수적이며, 이는 ComfyUI 설정 메뉴에서 **"Dev mode Options"**를 활성화해야 내보내기가 가능하다. [15-17]
+
+### 1. JSON 포맷의 구조적 차이
+- **Frontend JSON (workflow.json):** `nodes` 배열 안에 위치 정보(`pos`), 크기(`size`), 그룹 정보 등 UI 레이아웃 메타데이터가 포함된다. 연결은 별도의 `links` 배열에서 관리된다. [18-20]
+- **API JSON (workflow_api.json):** 노드 ID가 루트 키인 딕셔너리 구조이며, UI 관련 정보가 모두 제거된다. 링크 정보는 노드 입력값 내에 직접 참조(예: `[node_id, output_slot]`) 형태로 포함되어 훨씬 컴팩트하다. [4, 18, 21, 22]
+
+### 2. 실행 및 최적화 메커니즘
+백엔드 엔진은 **/prompt 엔드포인트**를 통해 수신된 JSON을 분석한다. [13, 18] 엔진의 **Execution Model Inversion** 아키텍처는 그래프에 수십 개의 노드가 있더라도 최종 결과 노드에 연결되지 않은 노드는 완전히 무시하여 자원을 최적화한다. [3] 또한, `WorkflowExecutor`와 `ExecutionCache` 같은 클래스를 활용하면 서버 환경 없이도 독립적인 Python 환경에서 워크플로우를 실행할 수 있다. [9, 23]
+
+### 3. 프로그래밍적 확장성
+개발자는 Python의 `json` 라이브러리를 사용하여 로드된 워크플로우 객체의 특정 노드 값을 변경한 뒤 API 서버로 전송할 수 있다. [13, 24] 이 과정에서 노드 ID가 고정되지 않아 발생하는 유지보수 문제는 **Comfy API Simplified**와 같은 래퍼 라이브러리를 사용하여 노드의 제목(Title)으로 접근함으로써 해결할 수 있다. [11, 25] 최근에는 LLM을 활용해 자연어를 이 API 형식의 JSON으로 변환해주는 **ComfyUI-WorkflowGenerator** 기술도 도입되고 있다. [26, 27]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **포맷 호환성 이슈:** 표준 JSON 파일을 API 엔드포인트로 직접 보내면 에러가 발생하며, 반드시 API 포맷으로 변환해야 한다. [28]
+- **API 포맷의 역변환 한계:** API 포맷 JSON을 UI로 불러오면 노드의 시각적 정보(위치, 크기 등)가 누락되어 분석 및 편집이 어려운 '스켈레톤' 상태로 로드된다. [29]
+- **버전 호환성:** ComfyUI는 업데이트가 매우 빈번하여, 구버전 JSON이 최신 버전 백엔드에서 작동하지 않을 수 있으므로 주의가 필요하다. [30]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측 JavaScript 로직을 Python으로 변환하여 서버사이드에서 non-API 포맷을 API 포맷으로 자동 변환해주는 엔드포인트(/workflow/convert)를 제공한다. [28, 31]
+- **ComfyUI-to-Python-Extension:** 워크플로우를 실행 가능한 `.py` 스크립트로 변환하여 헤드리스 환경에서 실행할 수 있게 한다. [7, 8]
+- **WorkflowExecutor & ExecutionCache:** 소스 코드 레벨에서 ComfyUI 워크플로우의 실행과 결과 캐싱을 관리하는 핵심 클래스 구현체이다. [9, 23]
+- **P-Reinforce 관련:** LLM 기반 자동 워크플로우 생성 파이프라인(Generator -> Validator -> Builder)에서 최종 실행 객체로 활용된다. [32, 33]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견됨)
+- **출처 신뢰도:** B (공식 문서 및 GitHub 기술 문서를 기반으로 합성됨)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[API JSON]]
+  - 연결 이유: 백엔드 엔진이 직접적으로 해석하고 실행하는 유일한 데이터 포맷이다. [4]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간 데이터 흐름의 실제 직렬화 방식. [2, 21]
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 백엔드 엔진 실행 시 누락된 커스텀 노드 의존성을 해결하는 필수 도구이다. [34, 35]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 내부의 class_type 정보를 기반으로 한 종속성 관리 메커니즘. [34]
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Execution Model Inversion이 복잡한 순환 구조(실제로는 DAG지만 복잡한 경우)에서 어떻게 성능을 최적화하는가?
+- API 포맷 JSON에서 사용자 정의 노드(Custom Nodes)의 버전 관리 정보를 포함할 수 있는 방법은 무엇인가? [36]
+- Standalone 실행 시 `ExecutionCache`가 GPU VRAM 자원을 효율적으로 해제하거나 재사용하는 구체적인 로직은 무엇인가? [23]
+- `workflow_api.json` 내의 노드 ID를 수동 조작하지 않고 프로그래밍적으로 매핑할 수 있는 가장 안정적인 라이브러리는 무엇인가? [25]
+- LLM 기반 생성기에서 `NodeValidator`가 지원하지 않는 새로운 커스텀 노드를 인식하게 하는 방법은 무엇인가? [37]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 웹 서비스 백엔드에서 사용자가 입력한 프롬프트를 JSON에 주입하고 ComfyUI API로 요청을 보내 이미지 생성 결과를 받아오는 데 활용된다. [24, 38]
+- **System Design:** 헤드리스 렌더링 서버나 CI/CD 파이프라인에서 생성 AI 워크플로우를 자동 테스트하는 용도로 설계된다. [7, 8]
+- **Operation / Maintenance:** ComfyUI Manager를 통해 백엔드에서 필요한 모델과 노드를 자동 설치하여 배포 프로세스를 간소화한다. [34]
+- **Learning Path:** GUI를 통한 실험 단계에서 JSON 스키마를 이해하고, 이후 Python API를 통한 대량 생성 자동화 단계로 넘어가는 핵심 관문이다. [10, 39]
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing]]
+  - 확장 방향: 백엔드에서 파일명 대신 해시값을 통해 정확한 모델 가중치를 로드하는 안정성 확보 방안 연구. [40]
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Ref: [1-4, 9, 28])

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Custom Scripts.md

@@ -0,0 +1,67 @@
+---
+id: comfyui-custom-scripts
+title: "ComfyUI Custom Scripts"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI root directory"]
+github_commit: ""
+---
+
+# [[ComfyUI Custom Scripts]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 기본 저장 및 로드 기능을 확장하여 워크플로 관리의 효율성을 극대화하고, 노드 그래프를 시각적 파일로 변환하여 공유 편의성을 높이는 통합 UI 강화 도구 세트 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **워크플로 관리 최적화:** 저장(Save) 및 불러오기(Load) 버튼 아래에 드롭다운 메뉴를 생성하여 특정 루트 디렉토리의 워크플로에 즉시 액세스할 수 있도록 지원함 [1, 3].
+- **시각적 내보내기 (Visual Export):** 워크플로를 표준 JSON 형식 외에도 PNG 또는 SVG 파일로 내보낼 수 있어 소셜 미디어나 문서화에 용이한 시각적 자료를 생성함 [2, 3].
+- **UI 기능성 강화:** 노드 자동 정렬, 그리드 스냅(Snap to grid), 노드 잠금 등 캔버스 작업의 정밀도와 속도를 높이는 편의 기능을 제공함 [2].
+- **입력 지능화:** 프롬프트 작성 시 임베딩(Embedding) 리스트를 활용한 자동 완성 기능을 제공하고, 위젯 값 입력 시 수학적 표현식을 사용할 수 있게 함 [2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **네이티브 UI 확장 패턴:** 기존 ComfyUI 제어 패널의 버튼 구조를 변경하지 않고 하단에 드롭다운 레이어를 추가하여 사용자 경험의 연속성을 유지하면서 기능을 확장함 [1].
+- **워크플로 시각화 전략:** 복잡한 노드 연결망을 이미지 파일(PNG/SVG)로 직렬화하여 JSON 파일 없이도 워크플로의 전체 구조를 한눈에 파악할 수 있도록 함 [3].
+- **정보 밀도 향상 패턴:** 체크포인트, LoRA, 임베딩에 대한 추가 정보를 화면에 표시하여 사용자가 모델의 세부 사항을 즉각적으로 인지하도록 설계됨 [2].
+
+## 📖 세부 내용 (Details)
+ComfyUI Custom Scripts는 일반적인 워크플로 제작 방식을 넘어 파워 유저를 위한 정교한 제어 기능을 제공하는 커스텀 노드 패키지이다 [1]. 
+
+**1. 워크플로 저장 및 관리의 고도화**
+이 스크립트는 ComfyUI 패널의 저장 및 로드 버튼 아래에 원활한 드롭다운 메뉴를 생성한다 [1]. 이 메뉴는 ComfyUI 내의 특정 루트 디렉토리를 참조하며, 사용자가 복잡한 파일 탐색기 과정 없이 사전에 정의된 경로에서 워크플로를 빠르게 교체하거나 저장할 수 있게 한다 [1, 3]. 이는 업데이트로 인해 워크플로가 덮어씌워지는 것을 방지하는 안전한 백업 환경을 구축하는 데 기여한다 [3].
+
+**2. 시각적 워크플로 공유 기술**
+기존의 JSON 기반 공유 방식은 텍스트 데이터에 의존하지만, Custom Scripts는 워크플로 자체를 PNG 또는 SVG 형식으로 내보내는 기능을 제공한다 [2, 3]. 이는 소셜 미디어나 Discord와 같은 플랫폼에서 워크플로의 시각적 형태를 즉시 공유할 수 있게 하며, 동시에 시각적 문서화 도구로 활용된다 [3]. 특히 PNG 파일로 저장할 경우 워크플로 데이터를 포함할 수 있는 옵션이 포함된다 [2].
+
+**3. 캔버스 작업 편의성 및 데이터 처리**
+- **노드 배치:** 노드 자동 정렬 기능과 그리드 스냅 기능을 통해 엉킨 노드 그래프를 정돈하고 구조화된 레이아웃을 유지할 수 있다 [2].
+- **데이터 활용:** 프롬프트 입력창에서 자동 완성을 지원하여 임베딩 선택 시 오류를 줄이고, 레이턴트(Latent) 생성 등 위젯 값 입력 시 수학적 수식을 직접 사용하여 동적인 값 계산이 가능하다 [2].
+- **상태 제어:** 노드 잠금(Lock) 기능을 통해 실수로 배치를 변경하는 것을 방지하며, 이미지 피드를 UI 상에서 직접 확인할 수 있는 향상된 뷰어를 제공한다 [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정보의 상호 보완:** 소스 데이터는 이를 "UI 향상 도구"이자 "인기 있는 커스텀 노드"로 정의하고 있다 [2, 4]. 
+- **JSON과의 관계:** 표준 저장 방식인 JSON 파일과 대조적으로, 이 스크립트는 PNG/SVG와 같은 시각적 내보내기를 강조하지만 이것이 JSON 형식을 완전히 대체하는 것이 아니라 보완적인 공유 수단으로 작동함을 시사한다 [3].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI 루트 디렉토리 관리:** 워크플로를 저장하고 로드할 때 참조되는 기본 경로 설정 로직에 적용되어 있다 [1, 3].
+- **클라우드 플랫폼 지원:** Replicate와 같은 환경에서 인기 있는 커스텀 노드 리스트로 분류되어 기본적으로 지원되거나 권장되는 도구로 포함되어 있다 [4, 5].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Manager.md

@@ -0,0 +1,94 @@
+---
+id: comfyui-manager
+title: "ComfyUI Manager"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI-Manager"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/custom_nodes/ComfyUI-Manager"]
+github_commit: ""
+---
+
+# [[ComfyUI Manager]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우의 **의존성 자동 해결** 및 **중앙 집중식 자원 관리**를 통해 JSON 워크플로우의 이식성과 재현성을 보장하는 핵심 확장 도구 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **의존성 해결 (Dependency Resolution):** 외부에서 로드된 JSON 파일을 분석하여 누락된 커스텀 노드 패키지를 식별하고 설치를 지원함 [1].
+- **커스텀 노드 및 모델 관리 (Nodes & Models Management):** 수천 개의 커스텀 노드와 체크포인트, LoRA, VAE 등 모델 가중치를 GUI 환경에서 검색하고 원클릭으로 설치 및 업데이트함 [2, 3].
+- **워크플로우 발견 (Workflow Discovery):** 관리자 인터페이스 내에서 ComfyWorkflows, OpenArt 등의 플랫폼과 연동하여 워크플로우를 탐색하고 직접 다운로드함 [4].
+- **보안 및 환경 설정 (Security & Config):** 서버 보안 수준에 따른 실행 제한 관리 및 터미널 로그 확인 등 시스템 유틸리티 기능을 제공함 [5, 6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **누락 노드 복구 패턴 (Red Box Recovery):** 외부 워크플로우(JSON/PNG) 로드 시 빨간색 상자가 나타나면 "Install Missing Custom Nodes" 기능을 통해 필요한 노드를 일괄 설치한 후 서버를 재시작하여 복구함 [1, 7].
+- **의존성 명시 패턴 (Dependency Marking):** 특정 노드(예: Workflow to API Converter)는 '마커 노드'를 워크플로우에 포함시켜 ComfyUI Manager가 해당 워크플로우의 의존성을 더 정확하게 감지하도록 유도함 [8, 9].
+- **모델 검색 및 해싱 패턴:** 파일명 대신 모델의 SHA-256 해시를 사용하여 서로 다른 시스템 간의 모델 경로 및 이름 불일치 문제를 해결함 [10].
+
+## 📖 세부 내용 (Details)
+ComfyUI Manager는 `ltdrdata`가 개발한 커스텀 노드로, ComfyUI 생태계의 복잡한 노드 간 연결과 모델 의존성을 관리하는 중추적인 역할을 수행합니다 [2].
+
+- **설치 및 구조:** 사용자는 `ComfyUI/custom_nodes` 디렉토리에 해당 저장소를 `git clone` 하여 설치할 수 있으며, 설치 후 UI에 관리 메뉴가 통합됩니다 [2].
+- **JSON 워크플로우와의 관계:** ComfyUI는 노드 기반의 비순환 유향 그래프(DAG)를 JSON으로 직렬화하여 공유하는데, 이때 제작자와 사용자의 환경이 다를 경우 발생하는 노드 누락 문제를 해결하는 것이 Manager의 주된 임무입니다 [1, 11].
+- **기능 인터페이스:** 
+    - **Install Custom Nodes:** 사용 가능한 모든 커스텀 노드 목록을 조회하고 설치합니다 [2].
+    - **Install Models:** 모델 체크포인트, ControlNet, LoRA 등을 카테고리별로 검색하여 다운로드할 수 있습니다 [3].
+    - **Update/Fetch:** ComfyUI 자체 및 설치된 노드들의 최신 버전을 유지합니다 [2].
+- **고급 유틸리티:** 사용자 설정 메뉴에서 "Enable Dev mode Options"를 활성화하면 API 포맷의 JSON 내보내기가 가능해지며, Manager는 이 과정에서 의존성 정보를 포함하거나 누락된 요소를 진단하는 보조 도구로 활용됩니다 [12, 13].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **보안 오류:** ComfyUI Manager 사용 시 보안 설정 수준에 따라 'This action is not allowed' 오류가 발생할 수 있으며, 이는 환경 설정 파일 수정을 통한 해결이 필요합니다 [5, 6].
+- **노드 관리 방식의 변화:** 새로운 노드 매니저(기본 Windows 빌드 포함)에서는 일부 레거시 커스텀 노드 매니저가 보이지 않을 수 있으며, 필요시 레거시 모드를 활성화해야 합니다 [14].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **실제 파일 경로:** `ComfyUI/custom_nodes/ComfyUI-Manager` 경로에 위치하며 시스템이 시작될 때 로드됩니다 [2].
+- **워크플로우 진단:** 외부 플랫폼(Civitai, MimicPC 등)에서 다운로드한 JSON 워크플로우를 분석하여 로컬 환경에 없는 노드를 식별하는 과정에 적용됩니다 [1, 12].
+- **의존성 보증:** `comfyui-workflow-to-api-converter-endpoint` 프로젝트에서 Manager가 해당 노드의 의존성을 탐지할 수 있도록 "Workflow to API Converter (Marker)" 노드를 제공하는 사례가 확인됩니다 [8, 9].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Official Documentation / ComfyUI-Wiki / Primary YouTube Tutorials)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크
+
+### 상위/유사 개념
+- [[Workflow.json (Frontend Format)]]
+  - 연결 이유: Manager가 분석하고 누락된 요소를 채워 넣는 주된 대상 파일 포맷입니다 [1, 15].
+- [[Custom Nodes]]
+  - 연결 이유: Manager가 관리하는 핵심 객체이며, 워크플로우의 기능을 확장하는 단위입니다 [2, 16].
+- [[Workflow API JSON]]
+  - 연결 이유: API 실행을 위해 UI 메타데이터를 제거한 최적화된 JSON 형태이며, Manager는 이 과정에서의 의존성을 확인합니다 [1, 17].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- ComfyUI Manager가 JSON 파일을 파싱하여 누락된 노드의 GitHub 저장소 주소를 정확히 찾아내는 메커니즘은 무엇인가?
+- 모델 해싱(SHA-256)을 통한 모델 관리 방식은 파일명 기반 관리와 비교했을 때 이식성 측면에서 구체적으로 어떤 이점을 제공하는가? [10]
+- 'Terminal Log (Manager)' 노드는 실시간 디버깅 및 JSON 실행 오류 분석에서 어떤 데이터를 제공하는가? [6]
+- Manager의 보안 수준(Security Level)이 'This action is not allowed' 오류를 유발하는 구체적인 임계 조건은 무엇인가? [6]
+- 워크플로우 패키징 기능(`comfy-pack`)과 Manager의 의존성 해결 기능은 상호 보완적인가 아니면 독립적인 대안인가? [10, 18]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `git clone`을 통해 `custom_nodes` 폴더에 설치 후, UI의 "Manager" 버튼을 통해 모든 조작을 수행합니다 [2].
+- **System Design:** 외부 API 서버 구축 시 필요한 모든 커스텀 노드와 모델이 사전에 설치되었는지 확인하는 검증 도구로 활용합니다 [1, 19].
+- **Operation / Maintenance:** ComfyUI 및 커스텀 노드들의 업데이트를 주기적으로 체크하여 환경의 안정성을 유지합니다 [2].
+- **Learning Path:** 초보자가 복잡한 워크플로우를 분석하기 전, 누락된 노드 문제를 해결하는 첫 번째 단계로 학습합니다 [7].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[ComfyUI Workspace Manager]]
+  - 확장 방향: 워크플로우를 시각적으로 조직하고 백업하는 특화된 관리 기능을 제공합니다 [20].
+- [[Comfy CLI]]
+  - 확장 방향: 명령줄 인터페이스를 통해 워크플로우 추출 및 의존성 관리를 수행하는 도구입니다 [21].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.---

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Workflow Extractor.md

@@ -0,0 +1,66 @@
+---
+id: comfyui-workflow-extractor
+title: "ComfyUI Workflow Extractor"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["SethRobinson/comfyui-workflow-to-api-converter-endpoint (bc85382)", "Comfy-Org/comfy-cli issue #341", "exiftool CLI implementation"]
+github_commit: "bc85382"
+---
+
+# [[ComfyUI Workflow Extractor]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 생성 이미지의 메타데이터(PNG Chunks)에 내장된 워크플로우 논리를 추출하여 유실된 노드 그래프를 복구하고 재사용 가능한 JSON으로 변환하는 필수 기술. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+- **메타데이터 임베딩 (Metadata Embedding):** ComfyUI의 'Save Image' 노드는 실행 시 전체 노드 그래프, 레이아웃, 설정 및 프롬프트를 PNG 파일의 숨겨진 메타데이터에 주입함. [4, 5]
+- **PNG 청크 분석 (PNG Chunk Analysis):** 주로 `tEXt` 또는 `zTXt` 청크를 사용하여 워크플로우(Frontend 형식)와 프롬프트(API 형식)라는 두 가지 고유한 문자열을 저장함. [2]
+- **데이터 복구 및 변환 (Data Recovery & Conversion):** 이미지 편집기나 소셜 미디어 플랫폼에 의해 제거될 수 있는 취약한 메타데이터를 독립적인 JSON 파일로 추출하여 공유 및 백업 가능성을 확보함. [1, 2]
+- **추출 도구 생태계 (Extraction Tool Ecosystem):** 웹 기반 인터페이스부터 명령줄 도구(CLI), Python 라이브러리 및 하이 레벨 스크립트에 이르기까지 다양한 복구 경로가 존재함. [3, 6]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **바이너리 태그 격리 패턴:** `exiftool`과 같은 유틸리티를 사용하여 미디어 파일 내의 특정 바이너리 태그(`-workflow`)만을 분리하여 표준 JSON 파일로 출력하는 전략을 취함. [3, 6]
+- **드래그 앤 드롭 로딩 메커니즘:** 추출 프로세스를 수동으로 수행하는 대신, 메타데이터가 포함된 이미지를 ComfyUI 캔버스에 직접 드롭하여 즉각적으로 노드 레이아웃을 재구성함. [4, 7, 8]
+- **자동화된 배치 처리:** 대량의 이미지 저장소에서 워크플로우를 대규모로 수집하기 위해 디렉토리 전체를 스캔하고 API 그래프와 UI 레이아웃을 별도의 JSON으로 생성하는 배치 프로세싱 패턴이 발견됨. [3]
+
+## 📖 세부 내용 (Details)
+ComfyUI Workflow Extractor는 이미지 파일 내에 직렬화된 데이터 구조를 파싱하는 전문화된 도구 모음을 의미함. ComfyUI에서 생성된 거의 모든 PNG 파일은 그 자체가 워크플로우의 운반체 역할을 하며, 이는 'Save Image' 노드가 실행될 때 최종 이미지와 함께 전체 노드 그래프를 인젝션하기 때문임. [4, 5]
+
+이 기술의 핵심은 PNG 규격 내의 비필수 메타데이터 영역을 활용하는 것임. 구체적으로 `tEXt` 또는 `zTXt` 청크에 두 가지 형식의 데이터를 저장하는데, 하나는 시각적 배치를 포함한 **Frontend 워크플로우**이고, 다른 하나는 실행을 위한 최적화된 **Backend API 프롬프트**임. [2] 이러한 데이터는 매우 취약하여 이미지 압축 소프트웨어나 소셜 네트워크 서비스를 거칠 경우 유실될 가능성이 높으므로, 워크플로우 추출기는 이러한 유실이 발생하기 전 혹은 저장된 라이브러리로부터 지식을 추출하는 데 중요함. [1, 2, 7]
+
+전문적인 추출 방법으로는 다음과 같은 것들이 존재함:
+- **CLI 기반 도구:** `exiftool -b -workflow input.png > workflow.json`과 같은 명령어를 통해 바이너리 데이터를 직접 추출하거나, `ComfyUI_prompt_extractor`와 같은 전용 스크립트를 사용하여 긍정적 프롬프트와 API 그래프를 분리함. [3, 6]
+- **웹 인터페이스 도구:** 'Weird Wonderful AI Art'에서 제공하는 추출기와 같이 사용자가 이미지를 업로드하면 서버 측 처리 없이(또는 보안 처리 후) 즉시 JSON 데이터를 반환하는 방식임. [1, 9]
+- **통합 확장 도구:** `ComfyUI-to-Python-Extension`과 같은 도구는 추출된 워크플로우를 실행 가능한 Python 스크립트로 변환하여 헤드리스 환경에서 자동화할 수 있게 함. [10, 11]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **데이터 무결성 문제:** PNG 이미지 드래그 방식은 간편하지만, 새로 추가된 노드나 특정 커스텀 노드가 메타데이터에 올바르게 포함되지 않아 복구 시 일부 정보가 누락될 수 있다는 경고가 소스에서 확인됨. [5]
+- **형식 간 충돌:** 추출 도구는 'Frontend JSON'과 'API JSON'을 구분해야 함. API 포맷은 시각적 정보(노드 위치, 크기 등)가 제거된 상태이므로 이를 다시 ComfyUI UI로 드래그하면 시각적으로 불완전한 상태로 로드될 수 있음. [12, 13]
+- **메타데이터 파괴성:** 많은 표준 이미지 편집기(GIMP 등)는 이미지 저장 시 비표준 메타데이터 청크를 제거하므로, 원본 워크플로우를 유지하려면 전용 삽입/복사 도구가 필요함이 제기됨. [14]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **SethRobinson/comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측의 자바스크립트 논리를 파이썬으로 변환하여 서버 측에서 비-API 워크플로우 형식을 API 형식으로 변환하는 `/workflow/convert` 엔드포인트를 구현함 (Commit: `bc85382`). [15, 16]
+- **Comfy-Org/comfy-cli Issue #341:** 이미지뿐만 아니라 webp, mp4 등 지원되는 모든 미디어에서 워크플로우를 추출, 삽입, 복사하는 기능을 `comfy-cli`에 추가하려는 논의와 `exiftool` 활용 사례가 기록됨. [6, 14, 17]
+- **WeirdWonderfulAI.Art:** 약 21,460개 이상의 워크플로우를 추출한 통계를 보유한 웹 기반 추출 도구 서비스를 운영 중임. [9]
+- **exiftool CLI:** `exiftool -b -workflow` 명령을 통해 PNG에서 바이너리 워크플로우 데이터를 격리하는 표준적인 디지털 포렌식 기법으로 활용됨. [3, 6]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증 가능성 높음)
+- **출처 신뢰도:** B (Official Documentation / GitHub Issue / Technical Guides)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Workflow JSON Generation and Serialization.md

@@ -0,0 +1,102 @@
+---
+id: comfyui-workflow-json-generation-and-serialization
+title: "ComfyUI Workflow JSON Generation and Serialization"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI Workflow JSON 생성 및 직렬화"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "ComfyUI API", "Serialization"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint", "comfyui_to_python.py", "WorkflowGenerator Pipeline", "/workflow/convert endpoint", "comfy_api_simplified"]
+github_commit: "bc85382"
+---
+
+# [[ComfyUI Workflow JSON Generation and Serialization]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우 직렬화는 시각적 노드 그래프를 실행 가능한 계층적 JSON 구조(Frontend vs. API)로 변환하여 생성 AI 파이프라인의 이식성, 자동화 및 프로그래밍적 제어를 가능케 하는 핵심 메커니즘이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **JSON 포맷의 이분화 (Frontend vs. API)**: 시각적 편집과 레이아웃 정보를 포함하는 '프론트엔드 포맷(workflow.json)'과 실행 엔진에 최적화되어 UI 메타데이터가 제거된 '백엔드/API 포맷(workflow_api.json)'으로 나뉜다 [2, 3].
+- **메타데이터 임베딩 (Steganography)**: 워크플로우 데이터를 PNG, WebP 등의 이미지 파일 내부 텍스트 청크(tEXt/zTXt)에 숨겨 이미지 자체가 워크플로우 소스 코드 역할을 하게 한다 [4-6].
+- **JSON v1.0 스키마 표준**: 노드 ID, 클래스 타입, 위젯 값, 슬롯 기반 링크 연결 등을 정의하는 기술적 제약 조건 모음이다 [7, 8].
+- **실행 모델 역전 (Execution Model Inversion)**: 출력 노드(Save Image 등)에서 시작하여 역방향으로 그래프를 탐색함으로써 필요한 의존성만 식별하여 실행을 최적화한다 [9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **수동 내보내기 프로토콜**: 설정 메뉴에서 'Dev mode Options'를 활성화하여 API 전용 JSON을 추출하거나, 표준 저장을 통해 UI 포함 JSON을 생성한다 [10-12].
+- **프로그래밍적 매개변수 변조**: JSON을 딕셔너리 객체로 로드한 후 특정 노드 ID의 `inputs` 값을 수정하여 시드(seed)나 프롬프트를 동적으로 변경한다 [13, 14].
+- **3단계 LLM 파이프라인**: 자연어 지시를 받아 '논리적 합성(Generator) -> 시맨틱 검증(Validator) -> 그래프 컴파일(Builder)' 과정을 거쳐 워크플로우를 자동 생성한다 [15-17].
+- **서버측 포맷 변환**: 클라이언트 자바스크립트 없이 서버 내부 노드 레지스트리를 참조하여 비 API 포맷을 API 포맷으로 변환하는 `/workflow/convert` 엔드포인트 패턴이다 [18, 19].
+
+## 📖 세부 내용 (Details)
+ComfyUI는 생성 프로세스를 **유향 비순환 그래프(DAG)**로 취급하며, 이를 JSON으로 직렬화하는 과정은 크게 두 가지 경로로 진행된다 [1]. 
+
+첫째, **프론트엔드 JSON(workflow.json)**은 Litegraph 표준을 따르며 노드의 좌표, 크기, 그룹화 정보와 같은 시각적 메타데이터를 포함한다 [2, 20]. 이는 주로 사용자 인터페이스에서의 편집과 공유를 목적으로 한다 [3]. 
+
+둘째, **API JSON(workflow_api.json)**은 실제 실행에 필요한 논리만을 남긴 스트림라인화된 그래프이다 [2]. 여기서는 링크가 별도의 객체가 아니라 노드 입력 내부에 직접 삽입된 참조 형태(`[origin_node_id, output_slot_index]`)로 표현된다 [2, 21]. 
+
+기술적으로 **JSON v1.0 스키마**는 `nodes` 배열 내의 각 객체가 `id`, `type`, `pos`, `size`, `widgets_values`, `mode` 등의 속성을 가질 것을 요구한다 [7]. 특히 연결(Connectivity)은 입력 슬롯과 출력 슬롯의 고유 인덱스를 통해 정의되며, 이는 VAE Loader와 같이 여러 출력을 가진 노드에서 정확한 데이터 흐름을 보장하는 데 필수적이다 [22]. 
+
+최근에는 **ComfyGPT** 연구를 기반으로 한 LLM 중심 생성 방식이 도입되어, Qwen2.5-14B와 같은 미세 조정된 모델이 자연어 설명을 실행 가능한 노드 그래프로 번역한다 [15, 23]. 또한 **ComfyUI-to-Python-Extension**과 같은 도구는 JSON 워크플로우를 순수 파이썬 스크립트로 변환하여 헤드리스(headless) 환경에서의 독립적 실행을 지원한다 [24, 25].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON 버전 호환성**: ComfyUI가 빈번하게 업데이트됨에 따라 이전 버전의 JSON 파일이 최신 버전에서 제대로 작동하지 않을 수 있다는 경고가 존재한다 [26].
+- **메타데이터 손실 위험**: 이미지 파일에 포함된 워크플로우 메타데이터는 소셜 미디어 플랫폼이나 이미지 압축 소프트웨어에 의해 제거될 수 있으며, 이 경우 JSON 추출이 불가능해진다 [6, 26].
+- **API 포맷의 가독성**: API 포맷은 실행에는 효율적이지만 인간이 읽기 어렵고 노드 좌표가 없어 UI로 다시 불러올 때 노드들이 겹쳐 보이거나 뼈대만 남는 문제가 발생한다 [18, 27].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint**: `bc85382` 커밋에서 대소문자가 틀린 콤보 위젯 값을 정규화하는 기능이 수정되었으며, `/workflow/convert` 엔드포인트를 통해 비 API 포맷을 변환한다 [28-30].
+- **ComfyUI-to-Python-Extension**: `comfyui_to_python.py` 및 `comfyui_to_python_utils.py` 파일을 통해 JSON 워크플로우를 파이썬 코드로 변환하는 로직이 구현되어 있다 [31].
+- **DanielPFlorian/ComfyUI-WorkflowGenerator**: 자연어를 통한 워크플로우 생성을 위해 `Workflow Generator Pipeline` 노드를 제공하며, 내부적으로 `UpdateNodeCatalog`를 통해 로컬 노드 정보를 카탈로그화한다 [32-34].
+- **Mystic Pipeline**: `pipeline.yaml`과 `new_pipeline.py`를 사용하여 ComfyUI 워크플로우를 서버리스 엔드포인트로 배포할 때 API JSON 포맷이 사용된다 [35, 36].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 오픈소스 프로젝트와 공식 문서의 포맷 명세를 통해 기술적 구조 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 실제 구현체 GitHub 소스 코드 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: ComfyUI의 워크플로우 구조 자체가 DAG를 기반으로 설계됨 [1].
+- [[Litegraph Standard]]
+  - 연결 이유: 프론트엔드 JSON 포맷이 따르는 시각적 노드 그래프 라이브러리 표준 [2, 20].
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 로드 시 발생하는 'Missing Custom Node' 오류를 해결하는 핵심 의존성 관리 도구 [37].
+- [[ComfyUI API]]
+  - 연결 이유: 생성된 JSON(API format)이 실제로 소모되는 최종 인터페이스 [38, 39].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- ComfyUI의 'Execution Model Inversion'은 순방향 그래프 탐색 방식과 비교했을 때 대규모 워크플로우에서 어느 정도의 리소스 절감 효과를 가지는가? [9]
+- 이미지 메타데이터(tEXt/zTXt) 외에 WebP나 MP4와 같은 다른 미디어 포맷에서 워크플로우 JSON을 안전하게 유지하는 표준 방식은 무엇인가? [40]
+- LLM 기반 생성기에서 발생하는 '할루시네이션(노드 오연결)'을 방지하기 위한 Semantic Validator의 구체적인 임베딩 비교 알고리즘은 무엇인가? [23, 41]
+- `object_info.json`을 사용하여 실시간으로 노드 스키마를 검증하는 것과 정적 카탈로그를 사용하는 방식의 성능 차이는 어떠한가? [42, 43]
+- 복합적인 서브그래프(Subgraph)가 포함된 워크플로우를 API 포맷으로 직렬화할 때 노드 ID 충돌을 방지하는 내부 슬롯 매핑 전략은 무엇인가? [44]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 파이썬 `json` 라이브러리를 사용하여 로드된 워크플로우 딕셔너리의 `inputs` 키를 조작함으로써 자동화된 배치 생성을 구현할 수 있다 [13, 45].
+- **System Design:** API 전용 포맷을 사용하여 UI 오버헤드를 줄인 서버리스 추론 엔드포인트(Mystic, Replicate)를 구축한다 [39, 46].
+- **Operation / Maintenance:** ComfyUI Manager를 통해 외부에서 공유된 JSON의 커스텀 노드 누락 문제를 자동 진단하고 해결한다 [37, 47].
+- **Learning Path:** 기본 워크플로우(Default workflow)를 JSON으로 내보내 구조를 분석한 후, 점진적으로 커스텀 노드를 추가하며 스키마 변화를 관찰하는 학습이 권장된다 [48, 49].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: 워크플로우 JSON의 이식성을 위해 파일 이름 대신 모델의 해시값을 사용하여 의존성을 해결하는 기술 [50].
+- [[Steganography in Generative AI]]
+  - 확장 방향: 이미지 파일에 생성 파라미터를 숨기는 방식의 보안 및 데이터 보존 관련 연구 [6].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on 18 sources)

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Workflow JSON.md

@@ -0,0 +1,115 @@
+---
+id: comfyui-workflow-json
+title: "ComfyUI Workflow JSON"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["워크플로우 JSON", "workflow_api.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "ComfyUI", "JSON"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in:
+  - "DanielPFlorian/ComfyUI-WorkflowGenerator/README.md"
+  - "comfyui-workflow-to-api-converter-endpoint/README.md"
+  - "pydn/ComfyUI-to-Python-Extension/README.md"
+github_commit: "82df278, bc85382, 6cdcc23"
+---
+
+# [[ComfyUI Workflow JSON]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI Workflow JSON은 복잡한 노드 기반 생성 AI 프로세스를 직렬화하여 가시적인 UI 레이아웃과 프로그램적 실행 로직 간의 상호 운용성을 보장하는 핵심 청사진이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **포맷의 이분화 (Bifurcation):** 사용자의 시각적 편집을 위한 '프런트엔드 포맷(workflow.json)'과 서버 실행에 최적화된 '백엔드/API 포맷(workflow_api.json)'으로 나뉜다 [3-6].
+2.  **메타데이터 임베딩 (Metadata Embedding):** 생성된 PNG 이미지의 tEXt/zTXt 청크 내에 워크플로우 데이터를 숨겨 저장함으로써 이미지 자체가 백업 및 공유 수단이 된다 [7-9].
+3.  **노드 레지스트리 기반 스키마:** 각 노드는 고유 ID, 클래스 타입, 입력/출력 슬롯 및 연결 정보를 담고 있으며, 이는 JSON Schema v1.0 규격을 따른다 [10-12].
+4.  **프로그램적 제어 (Programmatic Automation):** JSON 구조를 직접 수정하거나 전용 라이브러리를 통해 워크플로우를 동적으로 생성 및 실행할 수 있다 [13-15].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **실행 모델 역전 (Execution Model Inversion):** 엔진은 출력 노드(Save Image 등)에서 시작하여 역방향으로 그래프를 탐색하며 필요한 의존성만 식별하여 실행한다 [16].
+-   **3단계 생성 파이프라인 (LLM):** 자연어 설명을 기반으로 논리적 구조 합성(Generator), 노드 이름 검증(Validator), 실행 가능한 JSON 컴파일(Builder) 순으로 워크플로우를 자동 생성한다 [17-19].
+-   **헤드리스 변환 패턴:** 시각적 노드 그래프를 순수 Python 스크립트(.py)로 변환하여 GUI 없이 독립적으로 실행하는 구조를 가진다 [20, 21].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우는 AI 이미지 생성 프로세스를 설명하는 노드 네트워크를 직렬화한 데이터이다 [22, 23]. 주요 생성 및 관리 방법은 다음과 같다.
+
+**1. 포맷별 특성 및 생성**
+*   **프런트엔드 JSON:** 노드 위치, 크기, 그룹, 색상 등 시각적 정보를 포함하며 Litegraph 표준을 따른다 [3, 5, 24]. 일반적인 'Save' 버튼이나 `Ctrl+S`로 생성한다 [8, 25].
+*   **API JSON:** UI 메타데이터를 제거하고 실행 로직(노드 타입, 입력값, 연결 관계)만 남긴 효율적인 포맷이다 [3, 6, 26]. 설정에서 'Dev mode Options'를 활성화한 후 'Save (API Format)'를 통해 추출할 수 있다 [27-30].
+
+**2. 이미지 메타데이터 활용 및 추출**
+ComfyUI에서 생성된 모든 이미지는 워크플로우 데이터를 내부 메타데이터에 포함한다 [31, 32]. 사용자는 PNG 파일을 캔버스에 드래그 앤 드롭하여 워크플로우를 즉시 복원할 수 있다 [7, 33, 34]. 대량의 이미지에서 JSON을 추출하기 위해 `exiftool`이나 전용 CLI 도구, 웹 기반 추출기(`Weird Wonderful AI Art` 등)가 사용된다 [35-37].
+
+**3. 자동화 및 변환 도구**
+*   **Python API 연동:** `json` 라이브러리를 사용하여 시드, 프롬프트 등 특정 노드 파라미터를 직접 수정하고 `/prompt` 엔드포인트로 전송할 수 있다 [13, 15].
+*   **변환 엔드포인트:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드는 비-API 포맷을 API 포맷으로 서버 측에서 변환하는 기능을 제공한다 [38, 39].
+*   **코드 변환:** `ComfyUI-to-Python-Extension`은 JSON 워크플로우를 독립 실행 가능한 Python 코드로 번역하여 자동화 및 실험의 효율성을 높인다 [14, 21].
+
+**4. LLM 기반 동적 생성**
+`ComfyUI-WorkflowGenerator`는 Qwen2.5와 같은 거대언어모델을 활용하여 "SDXL을 이용한 텍스트 투 이미지 워크플로우 생성"과 같은 자연어 명령을 즉시 노드 그래프로 구축한다 [40-42]. 이 과정에서 로컬 노드 카탈로그를 스캔하여 유효성을 검증한다 [43, 44].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **버전 호환성:** ComfyUI의 잦은 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 제대로 작동하지 않을 수 있다는 경고가 존재한다 [33].
+*   **메타데이터 소실:** 압축 소프트웨어나 소셜 미디어 플랫폼을 통해 이미지를 전송할 경우 임베딩된 워크플로우 정보가 삭제될 수 있다 [9, 33].
+*   **API 포맷의 단점:** API 포맷으로만 저장된 파일은 UI 정보를 포함하지 않아 캔버스에 로드 시 노드가 겹치거나 시각적 구조가 무너진 '스켈레톤' 상태로 나타난다 [45].
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **DanielPFlorian/ComfyUI-WorkflowGenerator:** LLM을 이용해 자연어 설명을 실행 가능한 워크플로우 JSON으로 변환하는 파이프라인 구현 (커밋: `82df278`) [19, 42, 46].
+*   **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 사이드 자바스크립트 로직을 파이썬으로 이식하여 `/workflow/convert` 엔드포인트를 통해 JSON 포맷을 변환 (커밋: `bc85382`) [38, 39, 47].
+*   **pydn/ComfyUI-to-Python-Extension:** JSON 워크플로우를 `.py` 파일로 내보내어 단독 실행 가능한 스크립트 생성 환경 구축 (커밋: `6cdcc23`) [48, 49].
+*   **Mystic Pipeline:** 사용자의 커스텀 워크플로우 JSON을 서버리스 엔드포인트에 배포하여 API 형태로 서빙 [50, 51].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (다양한 오픈소스 프로젝트 및 공식 문서에서 적용 사례 확인됨)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Nodes]]
+  - 연결 이유: 워크플로우 JSON의 기본 구성 단위 [22, 52].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간의 링크 연결 방식 및 데이터 흐름 구조 [23, 53].
+- [[Litegraph]]
+  - 연결 이유: 프런트엔드 JSON 포맷의 시각적 직렬화 표준 [3, 5].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 캔버스 레이아웃과 노드 좌표 관리 원리 [4].
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 로드 시 누락된 커스텀 노드를 감지하고 설치하는 도구 [54-56].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 워크플로우 공유 시 발생하는 의존성 해결 방법 [55].
+- [[Comfy GPT]]
+  - 연결 이유: LLM 기반 워크플로우 생성의 원형이 되는 연구 [19, 40].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 자연어-그래프 변환 알고리즘의 발전 방향 [57].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 프런트엔드 JSON과 API JSON 간의 구조적 차이가 실제 서버 실행 성능에 미치는 정량적 차이는 무엇인가? [3, 4]
+- PNG 외에 WebP나 MP4 메타데이터에 워크플로우를 효율적으로 내장하고 추출하는 기술적 표준은 어떻게 정의되는가? [58]
+- 'Execution Model Inversion'이 복잡한 루프 구조를 가진 워크플로우에서도 일관된 순서를 보장하는가? [16]
+- LLM 기반 생성기에서 새로운 커스텀 노드 출현 시 실시간으로 카탈로그를 업데이트하고 반영하는 효율적인 전략은 무엇인가? [57, 59]
+- `.cpack.zip`과 같은 워크플로우 패키징 방식이 기존 JSON 방식의 모델 경로 문제를 어떻게 완전히 해결할 수 있는가? [60]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `/prompt` 엔드포인트를 호출할 때 API JSON의 특정 노드 ID 값을 가로채어 동적으로 파라미터를 삽입함 [13, 15].
+- **System Design:** 시각적 편집 환경(프런트엔드)과 배포 환경(백엔드)을 분리하여 효율적인 AI 프로덕션 파이프라인 구축 [3, 50, 61].
+- **Operation / Maintenance:** `ComfyUI Manager`를 통해 외부 공유 워크플로우의 커스텀 노드 누락 문제를 모니터링하고 해결 [54, 55].
+- **Learning Path:** 기본 워크플로우 템플릿 로드에서 시작하여, 메타데이터 추출을 통한 타인 워크플로우 분석, 최종적으로 API 기반 자동화 단계로 발전 [62-64].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Custom Nodes]]
+  - 확장 방향: JSON 내 `class_type`이 참조하는 실제 기능 구현체 및 의존성 관리 [8, 55, 65].
+- [[Model Hashing]]
+  - 확장 방향: JSON 파일 내 하드코딩된 모델 경로 문제를 SHA-256 해시를 이용해 해결하는 방법 [66].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Source indices: [1-186])

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI Workspace Manager.md

@@ -0,0 +1,88 @@
+---
+id: comfyui-workspace-manager
+title: "ComfyUI Workspace Manager"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Workspace Manager"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI 루트 디렉토리"]
+github_commit: ""
+---
+
+# [[ComfyUI Workspace Manager]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우를 시각적으로 조직화하고 루트 디렉토리 기반의 안전한 저장 및 자산 관리 기능을 제공하는 파워 유저용 워크스페이스 최적화 도구 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **시각적 워크플로우 조직화 (Visual Organization):** 버튼 클릭 한 번으로 워크플로우를 시각적으로 확인하고 관리할 수 있는 세련된 사용자 인터페이스를 제공함 [2].
+2. **루트 디렉토리 보호 저장 (Root Directory Storage):** 워크플로우를 ComfyUI의 루트 디렉토리에 저장하여, 향후 업데이트 시 파일이 실수로 덮어씌워지는 것을 방지하고 안전한 백업 및 공유를 지원함 [2].
+3. **통합 자산 획득 (Integrated Asset Acquisition):** 관리 인터페이스 내에서 체크포인트 모델, LoRA 및 기타 필요한 파일들을 직접 다운로드할 수 있는 기능을 포함함 [3].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **업데이트 내성 저장 패턴:** 시스템 업데이트와 사용자 데이터를 분리하기 위해 워크플로우를 고정된 루트 디렉토리 구조에 보관하여 데이터 영속성을 보장함 [2].
+- **중앙 집중식 관리 패턴:** 워크플로우 파일(JSON) 관리와 모델 자산(Weights) 관리를 단일 시각 인터페이스로 통합하여 작업 흐름의 단절을 최소화함 [2, 3].
+
+## 📖 세부 내용 (Details)
+ComfyUI Workspace Manager는 기본 ComfyUI의 저장 및 로드 기능을 넘어선 고도의 관리 기능을 원하는 사용자들을 위한 커스텀 노드이다 [1]. 이 도구는 단순히 JSON 파일을 저장하는 것에 그치지 않고, 사용자가 보유한 수많은 워크플로우를 시각적으로 탐색하고 분류할 수 있는 전용 브라우저 역할을 수행한다 [2].
+
+특히 **데이터 안전성** 측면에서 강력한 이점을 가지는데, 모든 워크플로우 데이터를 ComfyUI 설치 폴더의 루트 디렉토리에 체계적으로 보관함으로써 소프트웨어의 핵심 바이너리가 업데이트되더라도 사용자의 소중한 워크플로우 자산이 손실되지 않도록 설계되었다 [2]. 또한, 사용자는 이 인터페이스를 통해 필요한 모델이나 LoRA를 즉시 검색하고 내려받을 수 있어, 워크플로우 구성 중 발생하는 리소스 부족 문제를 도구 내에서 즉각 해결할 수 있다 [3].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+기존의 [[ComfyUI Custom Scripts]]가 저장/로드 버튼 아래에 드롭다운 메뉴를 생성하여 경로 기반 접근을 제공하는 것과 달리, Workspace Manager는 별도의 독립적이고 시각적인 인터페이스를 제공하는 상급 대안으로 분류된다 [1, 2]. 소스 데이터 내에서 기능적 모순은 발견되지 않으며, 파워 유저를 위한 편의성 확장 도구로서의 성격이 강조된다 [1].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **저장 위치:** 이 도구를 통해 관리되는 모든 워크플로우는 **ComfyUI의 루트 디렉토리**에 저장되어 안전하게 관리된다 [2].
+- **기능 활용:** 사용자는 인터페이스를 통해 워크플로우 관리뿐만 아니라 **모델 및 LoRA 다운로드**를 수행하여 작업 환경을 구축한다 [3].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Primary Source via NotebookLM / User Guides)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [워크플로우 관리 체계]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: Workspace Manager가 관리하는 핵심 대상인 JSON 파일의 생성 원리임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 관리 도구가 JSON의 어떤 메타데이터를 활용하여 시각화하는지 이해할 수 있음.
+- [[ComfyUI Custom Scripts]]
+  - 연결 이유: 워크플로우의 저장 및 로드 편의성을 개선하는 유사한 목적의 도구임 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 경로 기반 관리와 시각적 관리 방식의 차이점을 비교할 수 있음.
+
+#### [자산 및 의존성 관리]
+- [[ComfyUI Manager]]
+  - 연결 이유: 누락된 노드 설치 및 모델 관리를 수행하는 상호보완적 도구임 [4].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: Workspace Manager의 모델 다운로드 기능과의 통합 활용법을 파악할 수 있음.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Workspace Manager가 루트 디렉토리에 워크플로우를 저장할 때 내부적인 폴더 구조화 규칙은 무엇인가?
+- 시각적 인터페이스에서 워크플로우의 썸네일이나 메타데이터를 추출하여 표시하는 메커니즘은 어떠한가?
+- 루트 디렉토리에 저장된 워크플로우가 Git 등의 버전 관리 시스템과 연동될 때의 이점은 무엇인가?
+- 모델 다운로드 기능이 ComfyUI Manager의 DB와 동기화되어 작동하는가, 아니면 독자적인 소스를 사용하는가?
+- 대규모 워크플로우(예: 200KB 이상의 복잡한 노드 그래프) 처리 시 인터페이스의 성능 한계는 존재하는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 다수의 프로젝트별 워크플로우를 시각적으로 구분하여 관리해야 하는 제작 환경에 도입.
+- **System Design:** 업데이트가 잦은 개발 환경에서 워크플로우 자산을 안전하게 보존하기 위한 저장 전략으로 채택.
+- **Operation / Maintenance:** 워크플로우와 필요한 모델(Weights)을 한 곳에서 관리하여 팀 내 공유 및 인수인계 효율화.
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Workflow JSON]]
+  - 확장 방향: 관리 도구가 제어하는 데이터 형식의 상세 스펙 이해 [5].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI-Manager.md

@@ -0,0 +1,89 @@
+---
+id: comfyui-manager
+title: "ComfyUI-Manager"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ltdrdata/ComfyUI-Manager", "Comfy-Org/ComfyUI-Manager/issues/719"]
+github_commit: ""
+---
+
+# [[ComfyUI-Manager]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI-Manager는 워크플로우 JSON의 종속성을 동적으로 해석하고 누락된 커스텀 노드와 모델을 자동 설치하여, 정적인 파일 상태의 지식을 실행 가능한 파이프라인으로 전환하는 핵심 관리 엔진이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **종속성 자동 해결 (Dependency Resolution):** 외부에서 가져온 JSON 파일을 로드할 때 발생하는 "Red Box(누락된 노드)" 오류를 분석하여 필요한 커스텀 노드 패키지를 식별하고 원클릭 설치를 지원함 [1, 2].
+2.  **통합 리소스 허브 (Resource Hub):** 커스텀 노드뿐만 아니라 체크포인트, LoRA, ControlNet 등 다양한 AI 모델(Weights)의 검색 및 설치를 GUI 내에서 통합 관리함 [3, 4].
+3.  **워크플로우 브라우징:** Comfy Workflows 및 OpenArt와 같은 플랫폼과 직접 연결되어 워크플로우 JSON을 다운로드하기 전에 미리 보고 즉시 로드할 수 있는 통로 역할을 함 [5].
+4.  **보안 및 상태 관리:** 노드 설치 시의 보안 수준(Security Level) 설정 및 서버 업데이트, 터미널 로그 확인 등 시스템 전반의 유지보수 기능을 수행함 [6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **Scan-Parse-Install 패턴:** 사용자가 JSON을 로드하면 시스템이 `class_type`을 스캔하고, 로컬 레지스트리와 대조하여 누락된 항목을 파싱한 뒤, 해당 Git 리포지토리를 찾아 설치를 제안하는 일련의 흐름 [2].
+-   **마커 노드 활용 패턴:** `Workflow to API Converter (Marker)`와 같은 특정 노드를 워크플로우에 포함시켜, Manager가 해당 워크플로우의 특정 종속성을 더 정확하게 감지하도록 유도하는 전략 [7, 8].
+-   **중앙 집중형 업데이트 전략:** 개별적으로 `git pull`을 수행하는 대신, Manager를 통해 설치된 모든 커스텀 노드의 업데이트 상태를 일괄 확인하고 갱신함 [3, 9].
+
+## 📖 세부 내용 (Details)
+ComfyUI-Manager는 **ltdrdata**에 의해 개발된 커스텀 노드로, ComfyUI 생태계의 복잡한 노드 종속성 문제를 해결하기 위해 설계되었다 [3]. 사용자가 Civitai나 GitHub에서 공유된 JSON 워크플로우를 로드했을 때, 로컬 환경에 해당 커스텀 노드가 없으면 화면에 붉은색 상자가 표시된다 [2]. 이때 Manager는 JSON 내의 노드 정보를 분석하여 "Install Missing Custom Nodes" 기능을 통해 누락된 패키지를 자동으로 찾아 설치하고 서버를 재시작함으로써 워크플로우를 즉시 복구한다 [1, 2].
+
+또한, 워크플로우 생성에 필수적인 **모델 관리** 기능도 강력하다. "Install Models" 메뉴를 통해 SDXL, Realistic Vision 등 주요 모델뿐만 아니라 특정 커스텀 노드에 필요한 ControlNet 모델까지 검색하여 적절한 폴더 경로에 자동으로 배치한다 [4, 10, 11].
+
+설치 방법은 매우 간단하여, ComfyUI의 `custom_nodes` 디렉토리 내에서 `git clone https://github.com/ltdrdata/ComfyUI-Manager` 명령을 실행하는 것만으로 활성화된다 [3]. 최근에는 워크플로우를 API용 JSON으로 변환할 때 종속성을 명시하기 위한 'Marker' 노드 등을 제공하여, 다른 사용자와 워크플로우를 공유할 때의 호환성을 높이는 역할도 수행하고 있다 [7, 8].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **보안 수준 갈등:** Manager를 통한 자동 설치 시 'This action is not allowed'와 같은 보안 레벨 오류가 발생할 수 있으며, 이는 설정 메뉴에서의 별도 조치가 필요하다 [6].
+-   **모델 명칭 불일치:** 동일한 모델임에도 파일명이 다를 경우(예: `sd_xl_base_v10.safetensors` vs `sdxl_base.safetensors`) Manager가 이를 해결하기 위해 모델 해싱(SHA-256) 기술을 활용하거나 검색 기능을 강화하고 있다 [12, 13].
+-   **특정 노드 누락:** IP-Adapter와 같은 일부 복잡한 커스텀 노드의 경우 Manager를 통해서도 해결되지 않는 종속성 문제가 보고되어 지속적인 수정이 이루어지고 있다 [14].
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **ltdrdata/ComfyUI-Manager 리포지토리:** `ComfyUI/custom_nodes/ComfyUI-Manager` 경로에 설치되어 전체 노드 관리 시스템으로 작동 [3].
+-   **Workflow to API Converter (Marker) 노드:** 워크플로우 공유 시 Manager가 종속성을 감지할 수 있도록 돕는 마커로 실제 JSON 구조 내에 포함됨 [7, 8].
+-   **Issue #719 (ComfyUI-Manager):** IP-Adapter 및 누락된 모델/커스텀 노드에 대한 커뮤니티 차원의 수정 및 기여 시도가 기록됨 [14].
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual
+-   **출처 신뢰도:** B (Official Wiki 및 튜토리얼 소스 기반 합성)
+-   **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: Manager는 생성된 JSON을 타 환경에서 복구하고 실행하는 데 필수적인 도구임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 파일의 이식성(Portability) 확보 원리.
+- [[Workflow API JSON (Backend Format)]]
+  - 연결 이유: API 형식의 JSON에서도 종속성을 추적하기 위해 Manager의 마커 기능을 사용함 [7].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각적 정보가 없는 API 환경에서의 노드 복구 전략.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- ComfyUI-Manager가 JSON의 `class_type`을 기반으로 정확한 Git 리포지토리를 매핑하는 내부 레지스트리 업데이트 알고리즘은 무엇인가?
+- 모델 해싱(SHA-256) 기술이 Manager의 모델 검색 엔진에 어떻게 통합되어 파일명 불일치 문제를 해결하는가?
+- 보안 레벨 설정(`Security Level Error`)이 노드 설치 권한에 미치는 구체적인 영향과 해결 방안은 무엇인가?
+- `Workflow to API Converter (Marker)` 노드가 JSON 메타데이터에 기록되는 방식과 Manager가 이를 인식하는 로직은 무엇인가?
+- 서브그래프(Subgraph)나 중첩된 워크플로우 구조 내에서 Manager의 종속성 감지 성능은 어떻게 보장되는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 커스텀 노드 개발 시 `INPUT_TYPES`를 정확히 정의하여 Manager의 레지스트리와 호환되도록 설계해야 함 [15].
+- **System Design:** 워크플로우 배포 시 Manager가 인식 가능한 'Marker' 노드를 포함하여 사용자 경험을 개선함 [7, 8].
+- **Operation / Maintenance:** 정기적으로 Manager를 통해 설치된 모든 패키지의 업데이트 상태를 점검하여 최신 모델 지원 환경을 유지함 [3, 9].
+- **Learning Path:** 초보 사용자가 "Red Box" 오류를 해결하고 다양한 모델을 안전하게 설치하는 첫 번째 단계로 학습함 [1, 3].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[ComfyUI Workspace Manager]]
+  - 확장 방향: Manager가 설치를 담당한다면, Workspace Manager는 설치된 노드들을 활용한 워크플로우의 시각적 조직화와 백업에 집중함 [16, 17].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI-WorkflowGenerator.md

@@ -0,0 +1,106 @@
+---
+id: comfyui-workflowgenerator
+title: "ComfyUI-WorkflowGenerator"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["DanielPFlorian/ComfyUI-WorkflowGenerator", "catalog/", "cataloging/", "config/", "generators/", "nodes/", "tests/", "utils/", "wiki/", "workflows/"]
+github_commit: "82df278"
+---
+
+# [[ComfyUI-WorkflowGenerator]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+자연어 설명을 기반으로 복잡한 노드 그래프 논리를 추론하고, 실행 가능한 [[Workflow API JSON]] 형식으로 자동 변환하는 LLM 기반의 지능형 워크플로우 합성 엔진 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **자연어-노드 그래프 변환 (Natural Language to Node Graph Conversion):** 사용자의 의도(예: "SDXL 기반 텍스트 투 이미지 생성")를 분석하여 적절한 노드 구성과 데이터 흐름을 정의하는 논리적 연결망을 생성함 [1-3].
+- **3단계 생성 파이프라인 (Three-stage Pipeline):** 논리적 합성(Generator), 시맨틱 검증(Validator), 그래프 컴파일(Builder) 과정을 거쳐 최종 결과물을 도출하는 구조적 아키텍처 [3-5].
+- **미세 조정된 전문 모델 (Fine-tuned Specialist LLM):** ComfyUI의 내부 노드 레지스트리 및 스키마 사양을 학습한 Qwen2.5-14B 기반 모델을 핵심 엔진으로 사용함 [1, 6].
+- **로컬 노드 동기화 (Local Node Synchronization):** 'Update Node Catalog' 기능을 통해 현재 환경에 설치된 네이티브 및 커스텀 노드를 스캔하여 모델의 지식 공백을 보완함 [7, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **시맨틱 검증 및 교정 패턴 (Semantic Validation & Correction):** LLM이 생성한 가상의 노드 이름을 로컬에 설치된 실제 노드 클래스 이름과 대조하여 자동 수정하거나 대체 노드를 제안함 [3, 4, 9].
+- **모듈형 단계별 개입 (Modular Step-wise Intervention):** 생성-검증-구축 과정을 개별 노드로 분리하여 사용자가 중간 결과물(논리 다이어그램 등)을 직접 검토하고 수정할 수 있도록 설계됨 [10, 11].
+- **환경 적응형 지식 확장 (Environment-adaptive Knowledge Expansion):** 학습 데이터의 컷오프(Cutoff) 한계를 극복하기 위해 로컬 노드 리스트를 동적으로 임베딩하여 검증에 활용하는 휴리스틱을 적용함 [7, 8, 12].
+
+## 📖 세부 내용 (Details)
+ComfyUI-WorkflowGenerator는 **ComfyGPT 연구**를 기반으로 구현된 독립적인 시스템으로, 사용자가 노드를 직접 배치하는 "시각적 프로그래밍" 단계에서 언어로 의도를 전달하는 "대화형 프로그래밍"으로의 전환을 목표로 한다 [2-4].
+
+- **아키텍처 구조:**
+    1. **Generator (논리 합성):** LLM이 자연어 지시를 해석하여 노드 종류와 연결 관계를 정의하는 추상적 JSON 구조를 생성한다 [3, 5, 9].
+    2. **Validator (시맨틱 검증):** 'Semantic search' 전용 모드 또는 'LLM refinement' 모드를 통해 생성된 노드 이름의 유효성을 검사하고 로컬 환경과의 호환성을 보장한다 [3, 9].
+    3. **Builder (그래프 컴파일):** 검증된 추상 구조를 ComfyUI 실행 엔진이 인식할 수 있는 **v1.0 스키마** 준수 워크플로우 JSON으로 최종 변환한다 [3, 8].
+
+- **모델 및 실행 환경:**
+    - **핵심 모델:** Qwen2.5-14B를 기반으로 미세 조정되었으며, 효율성을 위해 **GGUF 양자화(q8_0)** 형식을 주로 사용한다 [6].
+    - **필수 의존성:** GGUF 모델 구동을 위해 `llama-cpp-python` 라이브러리가 필요하며, 시맨틱 검색을 위해 별도의 임베딩 모델(`paraphrase-multilingual-MiniLM-L12-v2`)을 활용한다 [6, 13].
+    - **카탈로그 관리:** `UpdateNodeCatalog` 노드를 실행하면 현재 설치된 모든 커스텀 노드를 스캔하여 임베딩 및 카탈로그 파일을 최신화하며, 이는 생성된 워크플로우의 정확도를 결정하는 핵심 요소이다 [7, 8].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정적 학습 데이터 vs 동적 생태계:** 미세 조정된 모델은 학습 시점 이후에 출시된 최신 커스텀 노드에 대해서는 본질적으로 지식이 없는 "동결(frozen)" 상태이다. 이를 해결하기 위해 로컬 노드 스캔(Update Catalog)을 통한 보완책이 강조된다 [12, 14].
+- **논리적 생성 vs 물리적 실행:** 모델이 논리적으로 올바른 노드 연결을 생성하더라도, 로컬 환경에 해당 체크포인트 모델이나 특정 커스텀 노드가 물리적으로 부재할 경우 최종 워크플로우는 실행 실패(Red Nodes)로 이어질 수 있다 [3, 14, 15].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **GitHub 프로젝트:** `DanielPFlorian/ComfyUI-WorkflowGenerator` 저장소에 전체 소스 코드와 노드 아키텍처가 공개되어 있다 [16].
+- **주요 파일 구조:**
+    - `nodes/`: WorkflowGenerator, NodeValidator, WorkflowBuilder 등 핵심 노드 구현체 포함 [11, 16].
+    - `catalog/`: 로컬 노드 정보를 저장하고 검색하기 위한 카탈로그 관리 폴더 [8, 16].
+    - `generators/`: LLM을 통한 워크플로우 논리 생성 엔진 포함 [16].
+- **특이 사항:** 6개월 전 커밋(`82df278`)을 통해 드롭다운 메뉴의 중복 모델 표시 문제가 수정된 기록이 발견된다 [16].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 논문 ComfyGPT의 아키텍처를 기반으로 하며, 실제 GitHub 구현체가 존재함)
+- **출처 신뢰도:** B (GitHub Repository 및 기술 문서 기반 정보)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+---
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow API JSON]]
+  - 연결 이유: WorkflowGenerator의 최종 출력물이자 백엔드 실행을 위한 필수 규격임 [8, 17, 18].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각적 메타데이터가 배제된 실행 최적화 그래프 구조.
+- [[ComfyGPT]]
+  - 연결 이유: WorkflowGenerator의 이론적 토대가 된 다중 에이전트 워크플로우 생성 연구임 [2, 3].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: LLM이 노드 그래프를 이해하고 구성하는 원천 논리.
+
+#### [구현/활용 도구]
+- [[ComfyUI-Manager]]
+  - 연결 이유: 생성된 JSON에서 누락된 커스텀 노드 의존성을 해결하는 핵심 사후 관리 도구임 [15, 19].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 외부 공유 워크플로우의 실행 가능성 확보 프로세스.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- LLM의 학습 데이터 컷오프 이후에 출시된 새로운 아키텍처(예: Wan 2.2)를 `UpdateNodeCatalog` 정보만으로 정확히 구성할 수 있는가? [12]
+- Semantic Validation 단계에서 'LLM refinement'를 사용할 때 발생하는 토큰 소모량과 추론 시간 대비 정확도 향상 비율은 어느 정도인가? [9]
+- 생성된 워크플로우의 `order` 및 `mode` 속성을 결정할 때 WorkflowBuilder가 사용하는 우선순위 알고리즘은 무엇인가? [8, 20]
+- GGUF 양자화 강도(q4_0 vs q8_0)가 노드 간의 복잡한 연결(Link) 논리 보존력에 미치는 영향이 존재하는가? [21]
+- 다중 ControlNet과 같이 중첩된 조건부 연결을 자연어만으로 완벽하게 제어하기 위한 프롬프트 엔지니어링 표준은 무엇인가? [4, 5]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `llama-cpp-python[cuda]`를 설치하여 저사양 VRAM 환경에서도 LLM 기반 워크플로우 생성이 가능하도록 최적화할 수 있음 [13, 22].
+- **System Design:** 사용자의 요구사항을 바이트코드 형태의 JSON으로 변환하는 추상화 계층으로 활용하여 전문 지식 없는 사용자의 접근성을 높임 [4, 23].
+- **Operation / Maintenance:** 커스텀 노드 대량 추가 시 반드시 `UpdateNodeCatalog`를 재실행하여 시스템의 지식 베이스를 동기화해야 함 [7, 8].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Comfy Nodekit]]
+  - 확장 방향: 파이썬 코드를 통해 워크플로우를 프로그래밍 방식으로 구축하는 정적 생성 방식과의 비교 연구 [24].
+- [[Litegraph]]
+  - 확장 방향: 워크플로우 JSON의 시각적 요소(위치, 크기)가 정의되는 프론트엔드 표준 규격 이해 [17, 25].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/ComfyUI-to-Python-Extension.md

@@ -0,0 +1,66 @@
+---
+id: comfyui-to-python-extension
+title: "ComfyUI-to-Python-Extension"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Save As Script"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui_to_python.py", "comfyui_to_python_utils.py", "install.py", "init.py", "ComfyUI/custom_nodes"]
+github_commit: "6cdcc23"
+---
+
+# [[ComfyUI-to-Python-Extension]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+시각적인 **ComfyUI 노드 그래프 워크플로우를 별도의 서버 없이 독립적으로 실행 가능한 파이썬(.py) 코드로 변환**하여 자동화 및 실험의 반복성을 극대화하는 강력한 확장 도구이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Save As Script (UI Export):** ComfyUI 웹 인터페이스의 메뉴를 통해 현재 워크플로우를 즉시 파이썬 스크립트로 다운로드하는 기능이다 [2, 3].
+- **CLI Exporter:** 저장된 API 포맷의 JSON 파일을 명령줄 인터페이스에서 파이썬 코드로 일괄 변환하는 도구이다 [2, 4].
+- **Runtime Dependency:** 생성된 스크립트는 실행을 위해 반드시 **ComfyUI 런타임 환경(PyTorch 등)**과 코드베이스에 대한 접근 권한이 필요하다 [5, 6].
+- **Metadata Preservation:** 생성된 스크립트를 통해 저장된 이미지는 원본 워크플로우 메타데이터를 포함하므로, 다시 ComfyUI로 드래그 앤 드롭하여 복구가 가능하다 [5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Workflow-to-Script Serialization:** 시각적 DAG(Directed Acyclic Graph) 구조를 순차적인 파이썬 함수 호출 및 클래스 인스턴스화 코드로 직렬화하는 패턴을 따른다 [2, 7].
+- **Headless Execution Pattern:** 웹 서버나 프론트엔드 없이도 워크플로우를 실행할 수 있게 하여, 독립형 소프트웨어 프로젝트나 자동화 파이프라인에 통합하기 용이한 구조를 제공한다 [8, 9].
+- **Lifecycle Management:** 생성된 스크립트의 `main()` 함수 내에서 모델 및 캐시 정리를 수행하는 `finally` 블록을 포함하여 자원 관리를 최적화한다 [6].
+
+## 📖 세부 내용 (Details)
+- **주요 기능 및 사용법:**
+    - **웹 UI 확장:** `File -> Save As Script` 메뉴를 통해 `workflow_api.py` 파일로 워크플로우를 내보낸다 [3].
+    - **CLI 변환:** `python comfyui_to_python.py --input_file workflow_api.json` 명령을 통해 기존 JSON 파일을 스크립트로 변환할 수 있으며, `--queue_size` 옵션으로 실행 횟수를 지정할 수 있다 [4].
+    - **환경 설정:** 실행 환경에 따라 `COMFYUI_PATH`를 설정하여 ComfyUI 코드베이스 위치를 명시해야 한다 [6, 10].
+- **기술적 특징:**
+    - **독립 실행형 러너:** 생성된 스크립트는 프롬프트 서버가 아닌 **단발성 워크플로우 실행기(single-shot runner)**로 동작한다 [6].
+    - **인자 처리:** ComfyUI의 런타임 인자 파서를 재사용하므로, `--highvram`, `--cpu`와 같은 메모리 관리 플래그를 스크립트 실행 시 직접 전달할 수 있다 [5].
+    - **파이썬 버전 요구사항:** 안정적인 동작을 위해 **Python 3.12 이상**의 버전을 권장한다 [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **동적 워크플로우의 한계:** 한 소스에서는 이 도구가 중간 변환 단계가 필요하기 때문에 **동적인 워크플로우(Dynamic workflows)**를 실행하기에 어려움이 있다는 비판적 시각을 제시한다 [9].
+- **메뉴 위치 변동성:** 프론트엔드 버전에 따라 `Save As Script` 메뉴의 위치가 달라질 수 있다는 점이 명시되어 있다 [3, 6].
+- **최신성 유지:** 정적 데이터셋으로 훈련된 LLM 기반 생성 도구와 달리, 이 익스텐션은 로컬의 노드 레지스트리를 활용하려는 시도를 보이지만, 여전히 수동 변환 과정이 수반된다 [4, 11].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **pydn/ComfyUI-to-Python-Extension:** 해당 개념이 구현된 핵심 프로젝트 저장소이다 [1].
+- **comfyui_to_python.py / comfyui_to_python_utils.py:** 워크플로우를 파이썬 코드로 변환하는 로직이 담긴 실제 소스 파일들이다 [12].
+- **install.py:** 익스텐션 설치 및 의존성 관리를 위한 스크립트로 적용되어 있다 [12].
+- **Save As Script 메뉴:** ComfyUI의 `File` 메뉴 하단에 실제 인터페이스 요소로 구현되어 적용되었다 [3].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Comfyui workflow json 생성 방법.md

@@ -0,0 +1,114 @@
+---
+id: comfyui-workflow-json-생성-방법
+title: "Comfyui workflow json 생성 방법"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI Workflow Serialization", "ComfyUI API JSON Generation"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "ComfyUI", "Workflow", "JSON", "API"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["bc85382", "82df278", "DanielPFlorian/ComfyUI-WorkflowGenerator", "SethRobinson/comfyui-workflow-to-api-converter-endpoint", "pydn/ComfyUI-to-Python-Extension"]
+github_commit: "bc85382"
+---
+
+# [[Comfyui workflow json 생성 방법]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우 JSON은 시각적 그래프(Frontend)와 실행 가능한 로직(API) 사이를 연결하는 **직렬화된 소스 코드**이며, 수동 내보내기부터 LLM 기반 합성까지 다층적인 생성 경로를 제공한다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **형식의 이분화 (Bifurcation):** 시각적 메타데이터를 포함한 **Frontend JSON**(사용자 편집용)과 이를 제거하고 실행 로직만 남긴 **API JSON**(서버/프로그램 호출용)으로 구분된다 [4-7].
+- **메타데이터 임베딩 (Metadata Embedding):** 생성된 PNG/WebP 이미지의 tEXt 또는 zTXt 청크 내에 워크플로우 데이터를 숨겨 저장함으로써 이미지 자체가 워크플로우 백업 역할을 수행한다 [8, 9].
+- **실행 모델 역전 (Execution Model Inversion):** 최종 출력 노드에서 시작하여 필요한 의존성만 역방향으로 탐색해 실행 리스트를 구성하는 구조적 특성을 가진다 [10, 11].
+- **LLM 기반 합성 (LLM-driven Synthesis):** 자연어 설명을 세 단계(생성 → 검증 → 빌드)의 파이프라인을 거쳐 실행 가능한 노드 그래프로 자동 변환하는 최신 접근법이다 [12-14].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **개발자 모드 활성화 패턴:** API 전용 JSON을 추출하기 위해서는 설정 메뉴에서 **'Enable Dev mode Options'**를 활성화해야만 'Save (API format)' 버튼이 노출된다 [2, 15-17].
+- **노드 ID 고정화 전략:** API 환경에서 워크플로우를 제어할 때, 가변적인 노드 ID 대신 **노드 제목(Title)**이나 **사용자 정의 키**를 기반으로 파라미터를 수정하는 래퍼(Wrapper) 사용 패턴이 발견된다 [18-20].
+- **의존성 자동 해결 패턴:** 외부 JSON 로드 시 발생하는 'Missing Custom Node' 오류(빨간색 박스)를 해결하기 위해 **ComfyUI Manager**가 JSON을 파싱하여 누락된 패키지를 설치하도록 유도한다 [21-23].
+
+## 📖 세부 내용 (Details)
+
+### 1. GUI를 통한 수동 생성 방법
+가장 기본적이고 흔한 방법으로, ComfyUI 웹 인터페이스의 컨트롤 패널을 사용한다.
+- **Frontend 포맷 (workflow.json):** 캔버스 레이아웃, 노드 좌표, 그룹, 색상 등 시각적 정보를 모두 포함한다 [4, 24]. **Ctrl + S** (또는 Cmd + S) 단축키로 현재 상태를 바로 다운로드할 수 있다 [24].
+- **API 포맷 (workflow_api.json):** 서버 실행에 불필요한 UI 데이터를 제거한 정제된 그래프이다 [4, 7]. 설정에서 개발자 모드를 켠 후 생성되는 **'Save (API format)'** 버튼을 통해 추출하며, `/prompt` 엔드포인트 호출에 필수적이다 [2, 25, 26].
+
+### 2. 이미지 메타데이터로부터의 추출
+이미 생성된 결과물 파일에서 워크플로우 로직을 복구하는 방법이다.
+- **드래그 앤 드롭:** 워크플로우 정보가 포함된 PNG 파일을 캔버스에 떨어뜨리면 즉시 노드 구성이 복원된다 [8, 27-29].
+- **추출 도구 활용:** `ExifTool`을 사용하여 바이너리 태그를 추출하거나(`exiftool -b -workflow input.png > workflow.json`), 전문 웹 사이트(Weird Wonderful AI Art) 및 CLI 도구를 통해 벌크 추출이 가능하다 [30-33].
+
+### 3. 프로그래밍 및 자동화 생성
+개발 환경에서 워크플로우를 동적으로 생성하거나 변환한다.
+- **Python 딕셔너리 조작:** JSON은 기본적으로 중첩된 딕셔너리 구조이므로, `json` 라이브러리를 통해 시드, 프롬프트, 모델 경로 등의 특정 노드 입력을 직접 수정하여 다시 저장하거나 API로 보낼 수 있다 [34, 35].
+- **형식 변환 엔드포인트:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드를 사용하면, 일반 Frontend JSON을 서버 사이드에서 즉시 API 포맷으로 변환해주는 `/workflow/convert` API를 활용할 수 있다 [26, 36].
+- **Python 스크립트 변환:** `ComfyUI-to-Python-Extension`은 JSON 워크플로우를 순수 파이썬 코드(.py)로 변환하여 독립적인 실행 스크립트로 만들어준다 [18, 37, 38].
+
+### 4. LLM 기반 자연어 생성 (AI 합성)
+- **파이프라인 구조:** `ComfyUI-WorkflowGenerator`는 사용자의 자연어 명령(예: "SDXL을 사용한 텍스트-투-이미지 워크플로우 생성")을 입력받아 **Generator**(논리 구조 생성) → **Validator**(노드 이름 검증) → **Builder**(실행 가능 JSON 빌드) 과정을 거친다 [13, 14].
+- **기반 모델:** Qwen2.5-14B와 같이 미세 조정된 대규모 언어 모델을 활용하여 노드 간의 유효한 연결 관계를 추론한다 [39].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON 호환성 이슈:** ComfyUI의 빈번한 업데이트로 인해 이전 버전의 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있다는 경고가 존재한다 [23, 28].
+- **메타데이터 손실 위험:** 온라인 공유나 압축 과정에서 이미지의 메타데이터(JSON 정보 포함)가 제거될 수 있으며, 이 경우 드래그 앤 드롭을 통한 복구가 불가능하다 [9, 28, 40].
+- **Reroute 노드 처리:** 최근 업데이트(V2.2.0)에서는 변환기들이 새로운 'reroute' 노드를 무시하거나 적절히 처리하도록 로직이 수정되었다 [41].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Git 커밋 bc85382:** `comfyui-workflow-to-api-converter-endpoint` 프로젝트에서 대소문자 구분 오류(True vs true)를 수정하고 콤보 위젯 값을 정규화하는 로직이 적용됨 [41, 42].
+- **Git 커밋 82df278:** `ComfyUI-WorkflowGenerator`에서 드롭다운 메뉴의 중복 모델 표시 문제를 해결함 [43].
+- **/workflow/convert 엔드포인트:** Seth A. Robinson에 의해 개발된 커스텀 노드로, 비 API 포맷을 API 포맷으로 서버 측에서 변환하는 기능을 구현함 [26, 44].
+- **Save As Script 메뉴:** `pydn/ComfyUI-to-Python-Extension` 설치 시 ComfyUI의 'File' 메뉴에 추가되어 워크플로우를 파이썬 코드로 내보낼 수 있게 함 [45, 46].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 및 다수의 오픈소스 구현 사례 확인됨)
+- **출처 신뢰도:** B (공식 개발 문서, 메이저 커스텀 노드 개발자의 기술 노트 및 튜토리얼 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+
+#### [아키텍처/기반 기술]
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend JSON 형식이 기반하고 있는 시각적 그래프 표준 [4, 6].
+- [[Execution Model Inversion]]
+  - 연결 이유: JSON 데이터가 실제로 처리되는 백엔드 엔진의 핵심 알고리즘 [10].
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 생성된 JSON의 노드 의존성을 관리하고 누락된 요소를 복구하는 필수 도구 [21, 22].
+- [[ComfyUI API]]
+  - 연결 이유: 생성된 API JSON이 최종적으로 소비되는 인터페이스 엔드포인트 [47, 48].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 왜 ComfyUI는 Frontend와 API 포맷을 분리하여 설계했으며, 이로 인해 얻는 성능적 이득은 구체적으로 무엇인가? [4, 5]
+- PNG 메타데이터 청크(tEXt/zTXt)를 넘어서는 대용량 워크플로우를 이미지에 안전하게 포함시키는 대안 기술은 무엇이 있는가? [9]
+- LLM 기반 생성 시, 학습 데이터에 없는 최신 커스트 노드와의 연결을 위해 RAG(검색 증강 생성)를 어떻게 결합할 수 있는가? [49]
+- `Execution Model Inversion` 구조에서 사용되지 않는 노드가 JSON에 포함되었을 때 실제 실행 효율에 미치는 영향은 어떠한가? [10]
+- 모델 해싱(SHA-256)을 이용해 서로 다른 환경의 JSON 내 모델 파일 경로 불일치 문제를 해결하는 표준 프로세스는 무엇인가? [50]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `/workflow/convert` 엔드포인트를 활용하여 클라이언트 앱에서 워크플로우 수정 후 즉시 실행 가능한 API 호출 생성 [26].
+- **System Design:** 워크플로우를 Git으로 관리하고, 배포 시에는 API 포맷만 추출하여 서버리스 환경(Replicate, Mystic 등)에 업로드 [16, 17, 51].
+- **Operation / Maintenance:** `object_info.json`을 사용하여 실행 전 노드 입출력 유효성을 검사함으로써 런타임 오류 방지 [52, 53].
+- **Learning Path:** 기본 워크플로우 템플릿부터 시작하여 수동 내보내기를 익힌 후, `ComfyUI-to-Python`을 통해 자동화 단계로 진입 [38, 54].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: 워크플로우 이식성 강화를 위한 모델 식별 기술 [50].
+- [[Custom Node Registry]]
+  - 확장 방향: JSON 내 `class_type`이 참조하는 실제 노드 구현 저장소 관리 [55].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Source synthesis from 18 documents) [1-188]

10_Wiki/Topics/Topic_Graphic/Comfyui/Custom Node Dependency Management.md

@@ -0,0 +1,102 @@
+---
+id: custom-node-dependency-management
+title: "Custom Node Dependency Management"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["커스텀 노드 의존성 관리", "Missing Custom Nodes Resolution"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Dependency Management"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/custom_nodes/ComfyUI-Manager", "comfyui-workflow-to-api-converter-endpoint (V2.05)", "UpdateNodeCatalog Node"]
+github_commit: ""
+---
+
+# [[Custom Node Dependency Management]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 워크플로우 이식성은 **JSON 메타데이터 내 `class_type` 분석**과 **ComfyUI Manager를 통한 자동 의존성 해결** 메커니즘에 의해 보장된다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **Red Node Detection:** 워크플로우 로드 시 로컬 레지스트리에 존재하지 않는 노드를 시각적 경고(빨간색 박스)로 식별하는 메커니즘 [1, 3, 4].
+2. **Node Registry (object_info.json):** 현재 실행 중인 ComfyUI 인스턴스에서 사용 가능한 모든 노드의 입력/출력 스키마 및 클래스 정보를 담고 있는 통합 카탈로그 [5, 6].
+3. **Class Type Mapping:** JSON 파일의 `class_type` 속성을 기반으로 커스텀 노드 패키지를 역추적하여 필요한 기능을 식별하는 프로세스 [1, 7].
+4. **Automated Resolution (ComfyUI Manager):** 미설치 노드를 파싱하여 해당 패키지를 원클릭으로 설치하고 서버를 재시작할 수 있게 하는 관리 도구 [3, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Dependency Detection Marker:** 워크플로우 공유 시 ComfyUI Manager가 의존성을 더 쉽게 감지할 수 있도록 전용 '마커 노드'를 포함시키는 전략 [9].
+- **Semantic Validation Pipeline:** LLM을 사용하여 자연어 명령에서 생성된 노드 이름이 실제 설치된 노드와 일치하는지 시맨틱 임베딩으로 검증하고 교정하는 패턴 [10, 11].
+- **Model Weight Hashing:** 파일명 불일치 문제를 해결하기 위해 SHA-256 해시를 사용하여 모델 의존성을 관리하는 고급 직렬화 방식 [4, 12].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 의존성 관리는 워크플로우 JSON이 단순한 그래픽 레이아웃이 아니라 **실행 가능한 논리 구조(DAG)**라는 점에서 핵심적인 위치를 차지한다 [2, 13].
+
+**의존성 식별 및 해결 프로세스**
+사용자가 외부에서 생성된 JSON 워크플로우를 가져올 때, ComfyUI 인터페이스는 각 노드의 `class_type`을 로컬 노드 레지스트리와 대조한다 [1]. 이 과정에서 노드를 찾을 수 없는 경우 해당 노드는 캔버스에 빨간색 박스로 표시된다 [3, 14]. **ComfyUI Manager**는 이 JSON을 다시 파싱하여 누락된 커스텀 노드 패키지를 식별하며, "Install Missing Custom Nodes" 기능을 통해 자동 설치를 지원한다 [3, 8].
+
+**데이터 무결성 및 레지스트리**
+의존성 관리의 근간은 `object_info.json` 파일이다. 이 파일은 인스턴스 내 모든 노드의 입력/출력 유형, 기본값, 툴팁 등 상세 스키마를 포함하고 있어 도구 개발 및 입력 유효성 검사에 필수적이다 [6, 15]. 또한, 자연어 기반 워크플로우 생성 도구인 **WorkflowGenerator**는 `UpdateNodeCatalog` 노드를 통해 로컬 및 커스텀 노드를 정기적으로 스캔하여 최신 카탈로그를 유지한다 [16, 17].
+
+**환경 간 불일치 해결**
+로컬 경로가 하드코딩된 이미지나 모델의 경우, 타 시스템으로 워크플로우를 이동할 때 경로 오류가 발생하기 쉽다 [4]. 이를 해결하기 위해 모델 해싱을 사용하거나, `Comfy API Simplified`와 같이 노드 ID 대신 '타이틀'을 기준으로 파라미터를 설정하는 래퍼 라이브러리를 사용하여 워크플로우의 유연성을 높인다 [12, 18].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON 버전 호환성:** ComfyUI는 빈번하게 업데이트되므로, 구버전의 JSON 파일이 최신 버전에서 의존성 문제 없이 완벽하게 작동한다는 보장이 없으며 수동 수정이 필요할 수 있다 [19].
+- **정적 모델의 한계:** 특정 시점에 학습된 LLM 기반 워크플로우 생성기는 학습 이후에 출시된 새로운 커스텀 노드의 존재나 의존성 관계를 알 수 없는 '동결(frozen)' 상태의 한계를 가진다 [20].
+- **보안 이슈:** 의존성 관리의 핵심인 `Impact-Pack` 플러그인 등에서 채굴 바이러스가 발견되는 등 커스텀 노드 생태계의 보안 취약점이 보고된 바 있다 [21].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI/custom_nodes/ComfyUI-Manager:** 의존성 관리 및 커스텀 노드 설치를 위한 표준 디렉토리 경로 [22].
+- **comfyui-workflow-to-api-converter-endpoint (V2.05):** 워크플로우 의존성 감지를 강화하기 위한 "Marker Node" 기능 구현 [9, 23].
+- **UpdateNodeCatalog 노드:** 가용 노드(네이티브 및 커스텀)를 스캔하여 의존성 유효성 검사에 필요한 카탈로그 파일 업데이트 [16, 17].
+- **NodeValidator:** LLM 기반 생성 워크플로우에서 노드 이름을 실제 로컬 설치 노드와 비교하여 교정하는 검증 노드 [10, 11].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (주요 도구 및 레지스트리 구조 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 주요 오픈소스 프로젝트 리드미 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow JSON - ComfyUI]]
+  - 연결 이유: 의존성 정보가 저장되는 데이터 구조의 표준.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: `class_type` 필드의 중요성.
+- [[API JSON (Backend Format)]]
+  - 연결 이유: 시각 데이터가 제거된 순수 실행 그래프에서의 의존성 정의 방식.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 실질적인 의존성 해결 및 자동 설치 도구.
+- [[object_info.json]]
+  - 연결 이유: 모든 노드 의존성 및 스키마의 런타임 데이터 소스.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- ComfyUI Manager는 서로 다른 리포지토리에서 동일한 `class_type`을 가질 경우 우선순위를 어떻게 결정하는가? [소스에 관련 정보가 부족합니다.]
+- SHA-256 모델 해싱이 파일명 불일치를 해결하는 구체적인 알고리즘적 워크플로우는 무엇인가? [12]
+- LLM 기반 `NodeValidator`가 오인식(Hallucination) 없이 커스텀 노드를 정확히 매핑하기 위한 프롬프트 최적화 전략은? [10, 20]
+- `object_info`를 원격 서버에서 호출할 때 보안 인증이 의존성 정보 노출에 미치는 영향은? [24]
+- 의존성 감지를 위한 'Marker Node'가 JSON 구조 내에서 차지하는 데이터 가중치는 어느 정도인가? [9]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 커스텀 노드 개발 시 `INPUT_TYPES`를 정확히 정의하여 `object_info.json`에 반영되도록 설계해야 함 [25].
+- **System Design:** 다중 사용자 환경에서 워크플로우를 배포할 때, 누락된 노드로 인한 빨간색 박스 오류를 방지하기 위해 ComfyUI Manager 호환성을 고려해야 함 [1].
+- **Operation / Maintenance:** 새로운 커스텀 노드 설치 후에는 `UpdateNodeCatalog`를 실행하여 의존성 레지스트리를 갱신해야 함 [17].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: 모델 파일 관리의 일관성 보장 기술.
+- [[Retrieval-Augmented Generation (RAG) for Nodes]]
+  - 확장 방향: 미래의 동적 의존성 탐색 기술 [26].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. [27]

10_Wiki/Topics/Topic_Graphic/Comfyui/Custom Node Registry.md

@@ -0,0 +1,103 @@
+---
+id: custom-node-registry
+title: "Custom Node Registry"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Node Catalog", "Node Schema Registry"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/models/LLM/", "ComfyUI/custom_nodes/ComfyUI-WorkflowGenerator", "/object_info endpoint", "/workflow/convert endpoint"]
+github_commit: ""
+---
+
+# [[Custom Node Registry]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Custom Node Registry는 ComfyUI의 유연한 확장성을 지탱하는 핵심 데이터베이스로, JSON 워크플로의 추상화된 노드 타입을 실제 Python 실행 로직 및 스키마와 연결하는 권위 있는 원천이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+- **Node Mapping (class_type):** 워크플로 JSON 내의 `type` 또는 `class_type` 문자열을 로컬 환경에 설치된 실제 Python 클래스 기능과 매핑한다. [2, 4, 5]
+- **Schema Discovery (object_info):** 실행 중인 ComfyUI 인스턴스에서 모든 노드의 입력/출력 유형, 필수 여부, 허용 범위를 동적으로 카탈로그화하여 제공한다. [3, 6]
+- **Dependency Tracking:** 외부에서 유입된 JSON 워크플로를 로컬 레지스트리와 대조하여 누락된 커스텀 노드 패키지를 식별하고 관리한다. [7, 8]
+- **Semantic Validation:** 자연어 기반 워크플로 생성 시, 생성된 노드 이름이 실제 로컬 레지스트리에 존재하는지 검증하고 교정하는 기준점이 된다. [9-11]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Scan-and-Catalog 패턴:** 새로운 커스텀 노드를 설치하거나 업데이트한 후 `UpdateNodeCatalog` 노드 등을 실행하여 로컬 노드 환경을 최신화하고 카탈로그 파일을 생성한다. [11-13]
+- **Runtime Resolution 패턴:** 백엔드 엔진은 실행 시점에 JSON의 `class_type`을 레지스트리에서 찾아 기능을 호출하며, 시각적 데이터가 제거된 API 포맷에서 이 매핑이 특히 중요하다. [2, 5, 14]
+- **Schema Inversion 패턴:** `/object_info` 엔드포인트를 통해 레지스트리를 외부로 노출함으로써, 외부 앱이 ComfyUI 내부 로직을 모르더라도 노드 인터페이스를 동적으로 구성할 수 있게 한다. [3, 15]
+
+## 📖 세부 내용 (Details)
+Custom Node Registry는 ComfyUI 워크플로 생성 및 직렬화의 근간을 이룬다. 워크플로가 JSON으로 저장될 때, 각 노드는 레지스트리에 등록된 고유한 **class_type**을 기반으로 식별된다. [2, 4] 이는 프론트엔드에서 사용하는 시각적 ID와는 별개의 기능적 키 값이다. [2, 16]
+
+**주요 구성 요소 및 역할:**
+1. **스키마 정의 (object_info.json):** 이 레지스트리는 각 노드가 요구하는 `required` 및 `optional` 입력값, 데이터 타입, 도구 설명(tooltips) 등을 상세히 포함한다. [3] 개발자는 이를 활용해 입력값을 검증하거나 동적으로 워크플로 수정 도구를 빌드할 수 있다. [3, 15, 17]
+2. **의존성 해결 및 관리:** ComfyUI Manager는 외부에서 로드된 JSON의 노드 클래스를 로컬 레지스트리와 교차 검증한다. [7] 일치하는 항목이 없을 경우 "Missing Custom Node" 에러(빨간색 박스)를 발생시키고, 레지스트리 정보를 바탕으로 자동 설치를 지원한다. [7, 18]
+3. **API 변환 및 검증:** `Workflow to API Converter`와 같은 도구는 정확한 변환을 위해 ComfyUI의 실제 노드 레지스트리를 직접 참조하여 리스트, 딕셔너리 위젯, 서브그래프 등을 처리한다. [19]
+4. **LLM 기반 생성의 준거 집단:** 자연어 설명을 워크플로로 변환하는 시스템(`ComfyUI-WorkflowGenerator`)은 레지스트리 데이터를 기반으로 학습되거나, 생성 단계에서 레지스트리와의 시맨틱 매칭을 통해 유효한 그래프 구조를 보장한다. [9, 10, 20]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정적 모델과 동적 레지스트리의 간극:** 고정된 데이터로 학습된 LLM 모델은 학습 시점 이후에 출시된 새로운 커스텀 노드를 레지스트리에서 인식하지 못하는 한계가 있으며, 이를 극복하기 위해 실시간 카탈로그 스캔이 필수적이다. [21-23]
+- **버전 호환성 문제:** ComfyUI의 빈번한 업데이트로 인해 노드 레지스트리 내의 클래스 이름이나 구조가 변경될 수 있으며, 이로 인해 과거 버전의 JSON 파일이 최신 레지스트리에서 제대로 작동하지 않을 수 있다. [24]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **UpdateNodeCatalog:** 사용자가 설치한 모든 네이티브 및 커스텀 노드를 스캔하여 로컬 카탈로그를 갱신하는 기능이 구현되어 있다. [11, 12]
+- **ComfyUI Manager:** JSON 내의 `class_type`을 파싱하여 레지스트리에 없는 패키지를 탐지하고 설치 인터페이스를 제공한다. [7, 8]
+- **Workflow to API Converter Endpoint:** 클라이언트 측 JS 로직을 Python으로 변환하여 서버 사이드에서 노드 레지스트리를 참조해 비-API 포맷을 API 포맷으로 변환한다. [19, 25]
+- **object_info 엔드포인트:** `/object_info` 경로를 통해 현재 인스턴스의 전체 노드 스키마 레지스트리를 JSON 형태로 배포한다. [15]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례가 소스 코드 및 공식 문서 내 엔드포인트 형태로 다수 발견됨) [7, 15, 19]
+- **출처 신뢰도:** B (Official Documentation / GitHub Repository README / API Docs 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow API JSON (Backend Format)]]
+  - 연결 이유: API 포맷은 시각적 메타데이터 없이 오직 레지스트리의 기능적 키에만 의존하여 실행된다. [2, 26]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 데이터가 백엔드 실행 로직으로 변환되는 방식. [2, 5]
+- [[JSON Schema v1.0]]
+  - 연결 이유: 레지스트리에 정의된 노드 객체들이 준수해야 할 구조적 제약 조건을 정의한다. [4]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 ID, 타입, 위젯 값 등의 기술적 사양. [4, 27]
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 레지스트리 불일치 문제를 해결하고 의존성을 관리하는 가장 보편적인 도구이다. [7, 18]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 누락된 노드 설치 및 패키지 관리 프로세스. [7, 28]
+- [[ComfyUI-WorkflowGenerator]]
+  - 연결 이유: 자연어를 레지스트리에 존재하는 유효한 노드 그래프로 변환하는 파이프라인을 제공한다. [10, 29]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 레지스트리 데이터를 활용한 AI 기반 자동화 방법론. [9, 20, 30]
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 서로 다른 커스텀 노드 패키지 간에 클래스 이름(`class_type`)이 충돌할 경우 레지스트리는 어떤 우선순위로 이를 처리하는가?
+- 수백 개의 커스텀 노드가 설치된 환경에서 동적 카탈로그 스캔(`UpdateNodeCatalog`)이 시스템 성능 및 로딩 시간에 미치는 영향은 무엇인가?
+- `object_info.json`의 스키마 데이터를 활용하여 외부 웹 대시보드에서 실시간으로 ComfyUI 노드 UI를 완벽하게 재현할 수 있는가?
+- 노드 레지스트리의 변경 사항(필드 추가/삭제)이 기존에 직렬화된 JSON 워크플로의 하위 호환성에 미치는 영향과 그 대응 전략은 무엇인가?
+- `.cpack.zip`과 같은 워크스페이스 패키징 방식은 레지스트리 의존성 문제를 어떻게 영구적으로 해결하는가? [31]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 외부 애플리케이션 개발 시 `/object_info`를 호출하여 사용자 입력값이 노드 레지스트리 규격에 맞는지 클라이언트 사이드에서 즉시 검증할 수 있다. [3, 15]
+- **System Design:** Python 스크립트에서 워크플로를 동적으로 생성할 때 노드 ID 대신 레지스트리의 타이틀이나 클래스 명을 참조하는 래퍼 라이브러리를 사용하여 유지보수성을 높일 수 있다. [32]
+- **Operation / Maintenance:** 워크플로 공유 시 `Workflow to API Converter (Marker)` 노드를 추가하여 타인이나 매니저가 레지스트리 의존성을 쉽게 식별하도록 돕는다. [8]
+- **Learning Path:** 노드 메뉴얼을 읽는 대신 `object_info` 데이터를 분석하여 특정 노드의 모든 가능한 입력 조합과 데이터 흐름을 기술적으로 파악할 수 있다. [3]
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Execution Model Inversion]]
+  - 확장 방향: 레지스트리의 전체 노드 중 최종 출력에 필요한 노드만 선택적으로 실행하는 백엔드 최적화 원리. [33]
+- [[Model Hashing]]
+  - 확장 방향: 노드 정의 외에도 레지스트리에서 참조하는 모델 파일의 일관성을 보장하는 기술. [34]
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. [Source 26, 28, 37, 41, 133, 151 기반 합성]

10_Wiki/Topics/Topic_Graphic/Comfyui/Custom Nodes.md

@@ -0,0 +1,99 @@
+---
+id: custom-nodes
+title: "Custom Nodes"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["커스텀 노드", "확장 노드"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/custom_nodes", "GitHub: DanielPFlorian/ComfyUI-WorkflowGenerator", "GitHub: SethRobinson/comfyui-workflow-to-api-converter-endpoint", "GitHub: pydn/ComfyUI-to-Python-Extension"]
+github_commit: "bc85382"
+---
+
+# [[Custom Nodes]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+커스텀 노드는 ComfyUI의 모듈형 아키텍처를 무한히 확장하는 핵심 동력이지만, 워크플로우 JSON의 이식성과 실행 가능성을 결정짓는 가장 큰 종속성 변수이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **생태계 확장성 (Ecosystem Extensibility):** 기본 노드 세트(Core nodes) 외에 전 세계 개발자들이 공유하는 기능을 추가하여 Stable Diffusion뿐만 아니라 비디오, 오디오, 3D 생성 등 모든 유형의 미디어 자산을 생성할 수 있게 한다 [2, 3].
+- **클래스 타입 매핑 (Class_type Mapping):** JSON 워크플로우 파일 내에서 각 노드는 `class_type` 속성을 통해 식별되며, 실행 시 로컬의 커스텀 노드 레지스트리와 대조된다 [4, 5].
+- **종속성 관리 (Dependency Management):** 외부 워크플로우를 불러올 때 해당 시스템에 특정 커스텀 노드가 없으면 'Red Boxes' 에러가 발생하며, 이를 해결하기 위해 ComfyUI Manager와 같은 도구가 필수적이다 [5, 6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **누락 노드 복구 패턴:** 외부 JSON 로드 시 발생하는 'Red Boxes'를 감지하고 ComfyUI Manager를 통해 "Install Missing Custom Nodes"를 실행하여 서버를 재시작하는 복구 흐름이 정형화되어 있다 [5, 6].
+- **마커 노드 활용 패턴:** 워크플로우 공유 시 ComfyUI Manager가 종속성을 더 쉽게 감지할 수 있도록 "Workflow to API Converter (Marker)"와 같은 특정 마커 노드를 의도적으로 포함시킨다 [7].
+- **LLM 기반 자동 검색 패턴:** `Update Node Catalog` 노드를 사용하여 현재 설치된 모든 커스텀 노드를 스캔하고, 이를 LLM이 자연어를 JSON으로 변환할 때 참조하는 데이터베이스로 활용한다 [8, 9].
+
+## 📖 세부 내용 (Details)
+커스텀 노드는 ComfyUI의 `custom_nodes` 디렉토리에 설치되며, 주로 Git 클론을 통해 추가된다 [10, 11]. 워크플로우 JSON 생성 시, 커스텀 노드의 정보는 다음과 같이 처리된다.
+
+- **JSON 내 기록:** 워크플로우가 저장될 때 각 커스텀 노드의 설정, 위젯 값, 연결 관계가 JSON의 `nodes` 배열에 포함된다 [12, 13]. API 포맷인 경우 비주얼 메타데이터가 삭제된 `class_type`과 `inputs` 정보만 남는다 [4, 14].
+- **주요 커스텀 노드 예시:** 
+    - **ComfyUI-Manager:** 노드 및 모델 설치/관리의 중추 [10].
+    - **Efficiency Nodes:** 여러 노드를 하나로 결합하여 워크플로우를 간소화함 [15, 16].
+    - **AnimateDiff Evolved & VideoHelperSuite:** 비디오 생성을 위한 필수 확장 [15, 16].
+    - **IPAdapter Plus & ControlNet Aux:** 정밀한 이미지 제어를 위한 노드군 [16, 17].
+- **개발자 도구와의 통합:** `Comfy Nodekit`과 같은 Python 라이브러리는 서버의 커스텀 노드 레지스트리와 자동으로 동기화되어, 프로그래밍 방식으로 워크플로우를 생성할 때 타입 안정성을 제공한다 [18]. 또한 `ComfyUI-to-Python-Extension`은 이러한 커스텀 노드가 포함된 그래프를 순수 Python 스크립트로 변환하여 독립 실행을 지원한다 [19].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성 문제:** ComfyUI가 빈번하게 업데이트됨에 따라, 과거에 생성된 JSON 파일 내의 커스텀 노드 구성이 최신 버전의 노드와 충돌하여 제대로 작동하지 않을 수 있다는 경고가 존재한다 [20, 21].
+- **데이터 증발 위험:** 일반적인 이미지 편집기나 소셜 미디어 플랫폼에서 이미지를 처리할 때, 커스텀 노드 정보가 담긴 메타데이터(JSON)가 삭제될 수 있어 전용 추출 도구 사용이 권장된다 [22, 23].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **설치 위치:** `ComfyUI/custom_nodes` 디렉토리 하위에 각 노드 패키지가 배치됨 [10, 11].
+- **GitHub 프로젝트:** 
+    - `DanielPFlorian/ComfyUI-WorkflowGenerator`: LLM을 통해 커스텀 노드를 포함한 워크플로우를 자동 생성하는 노드 구현 [24, 25].
+    - `SethRobinson/comfyui-workflow-to-api-converter-endpoint`: (커밋 `bc85382`) 비 API 포맷의 커스텀 노드 워크플로우를 API 포맷으로 변환하는 서버 사이드 로직 구현 [26, 27].
+- **의사결정 기록:** ComfyUI Manager의 "Install Missing Custom Nodes" 기능은 커스텀 노드 부재로 인한 워크플로우 실행 실패를 해결하는 표준 운영 절차(SOP)로 확립됨 [5, 6].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (다수의 GitHub 프로젝트 및 공식 튜토리얼을 통해 실무 적용 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 주요 개발자 리포지토리 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처 및 기반 기술]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: 커스텀 노드는 JSON 파일의 내용을 구성하는 가장 동적인 요소임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 내 `class_type`이 어떻게 실제 기능으로 매핑되는지 이해 가능.
+- [[Workflow API JSON]]
+  - 연결 이유: API 실행 시 커스텀 노드의 입출력 구조가 이 포맷에 맞춰 최적화됨.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: UI 없는 환경에서의 커스텀 노드 호출 메커니즘.
+
+#### [구현 및 관리 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 커스텀 노드의 설치, 업데이트, 누락 복구를 담당하는 전용 도구임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 복잡한 종속성 문제를 자동화하는 방법.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 커스텀 노드의 `class_type`이 중복될 경우 ComfyUI는 어떤 우선순위로 노드를 로드하는가?
+- `Update Node Catalog` 노드는 어떤 방식으로 로컬에 설치되지 않은 원격 커스텀 노드의 정보를 수집할 수 있는가? [9]
+- 커스텀 노드 내에서 정의된 `INPUT_TYPES`가 JSON Schema v1.0 규격과 충돌할 때 발생하는 예외 처리 메커니즘은 무엇인가? [28]
+- `comfy-pack`과 같은 도구에서 모델 해싱(SHA-256)을 사용할 때 커스텀 노드 내부의 모델 경로 의존성은 어떻게 해결되는가? [29]
+- LLM 기반 워크플로우 생성기에서 학습 데이터에 없는 최신 커스텀 노드를 인식시키기 위한 RAG(Retrieval-Augmented Generation) 적용 방안은 무엇인가? [30]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 새로운 기능을 개발할 때 `ComfyUI/custom_nodes`에 Python 클래스를 정의하고 이를 JSON에서 호출 가능한 형태로 등록함 [3, 10].
+- **System Design:** API 서버 구축 시 모든 필요한 커스텀 노드가 사전 설치된 Docker 이미지를 준비해야 함 [31].
+- **Operation / Maintenance:** 워크플로우 공유 시 "Red Box" 발생을 최소화하기 위해 필수 커스텀 노드 목록을 별도로 제공하거나 마커 노드를 포함함 [6, 7].
+- **Learning Path:** 기본 워크플로우 숙지 후, `Efficiency Nodes`나 `Manager` 설치를 통해 고급 워크플로우 설계 단계로 진입함 [15, 32].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing]]
+  - 확장 방향: 커스텀 노드가 사용하는 특정 모델 파일의 이름 불일치 문제를 해결하는 보완 기술 [29].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Source identifiers: [1, 3, 5, 6, 10, 19, 25, 26])

10_Wiki/Topics/Topic_Graphic/Comfyui/Dev mode Options.md

@@ -0,0 +1,63 @@
+---
+id: dev-mode-options
+title: "Dev mode Options"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["개발자 모드", "Developer Mode"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Replicate fofr/any-comfyui-workflow", "Mystic pipeline-ai", "ComfyUI Workflow Converter Endpoint", "ComfyUI-to-Python-Extension"]
+github_commit: ""
+---
+
+# [[Dev mode Options]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Dev mode Options는 시각적 편집 중심의 워크플로우를 프로그래밍 방식의 실행이 가능한 최적화된 API 포맷으로 변환 및 추출하기 위해 반드시 거쳐야 하는 ComfyUI의 핵심 설정 관문이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+- **API 포맷 직렬화 (Serialization)**: 프론트엔드의 시각적 메타데이터(노드 위치, 크기 등)를 제거하고 백엔드 엔진이 즉시 실행할 수 있는 평탄화된 실행 그래프(Flattened Execution Graph)를 생성한다. [1, 4]
+- **기능 잠금 해제 (UI Unlocking)**: 설정 활성화 시 ComfyUI 메뉴에 기존에 보이지 않던 'Save (API Format)' 버튼을 추가하여 사용자가 직접 API용 JSON을 내보낼 수 있게 한다. [5-7]
+- **데이터 흐름 최적화**: 링크를 별도의 객체가 아닌 노드 입력 내의 직접적인 참조(Origin node ID 및 Slot index)로 포함시켜 데이터 처리 효율을 극대화한다. [1, 8]
+- **프로그래밍 통합의 필수 조건**: 외부 애플리케이션, 원격 서버, 또는 헤드리스(Headless) 환경에서 워크플로우를 실행하기 위한 전제 조건이다. [2, 9]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **활성화 메커니즘**: `톱니바퀴 아이콘(Settings)` -> `Enable Dev mode Options 체크박스 활성화` -> `메뉴/패널에 새로운 내보내기 옵션 노출` 순의 정형화된 패턴을 따른다. [2, 3, 7]
+- **포맷의 이원화 패턴**: 인간의 가독성과 시각적 편집을 위한 `Frontend JSON(workflow.json)`과 기계적 실행만을 목적으로 하는 `Backend/API JSON(workflow_api.json)`으로 워크플로우 포맷을 분리하여 관리한다. [1, 10]
+
+## 📖 세부 내용 (Details)
+- **기능적 역할**: 기본 ComfyUI 저장 방식은 Litegraph 표준을 따르며 캔버스 레이아웃 정보를 포함하지만, 이는 `/prompt` 엔드포인트에 직접 전달할 경우 오류를 발생시킨다. [11] Dev mode는 백엔드가 요구하는 특정 노드 클래스와 매개변수 리스트로 구성된 간결한 JSON 페이로드를 생성할 수 있게 한다. [2, 5]
+- **접근 경로**: ComfyUI 설정 메뉴(Settings) 내에서 'Enable Dev mode Options'를 선택하면 활성화된다. [3, 7, 12] 활성화 후에는 메뉴의 'Export' 섹션 또는 제어 패널 상단에 'Save (API Format)'라는 명칭의 새로운 버튼이 등장한다. [5, 7]
+- **API JSON의 특징**: 시각적 메타데이터가 제거되어 파일 용량이 작고 효율적이다. [1, 10] 노드 간의 링크 정보가 노드의 `inputs` 필드 내에 직접 배열 형태(예: `[node_id, slot_index]`)로 포함되는 것이 기술적 차별점이다. [8]
+- **주요 활용 사례**:
+    - **Replicate/Mystic**: 서버리스 클라우드 환경에서 워크플로우를 API 엔드포인트로 배포할 때 필수적으로 요구된다. [3, 6, 7, 13]
+    - **Python 스크립트 실행**: 워크플로우를 독립적인 파이썬 스크립트로 변환하거나 API를 통해 동적으로 매개변수를 수정하여 실행할 때 기반 데이터로 사용된다. [9, 14, 15]
+    - **자동화 도구**: LLM을 이용한 워크플로우 자동 생성이나 대량의 이미지 처리 파이프라인 구축 시 'Dev mode'를 통해 추출된 스키마가 참조 모델이 된다. [16, 17]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가역성 문제**: 일반적인 'Save'로 생성된 JSON은 ComfyUI에 드래그 앤 드롭 시 레이아웃이 복구되지만, Dev mode를 통해 추출된 'API Format' JSON은 레이아웃 정보가 없으므로 다시 UI로 불러왔을 때 시각적 구조가 파괴된 '골격(Skeleton)' 상태로 나타난다. [18]
+- **도구별 요구사항**: 대부분의 튜토리얼은 API 실행을 위해 Dev mode 활성화를 권장하지만, 일부 커스텀 확장 기능(예: ComfyUI-to-Python-Extension)은 일반 저장 파일에서도 스크립트 변환을 지원하는 별도의 기능을 UI에 추가하기도 한다. [19, 20]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Replicate 배포 프로세스**: `settings` -> `Enable Dev mode Options` -> `Save (API format)` 순서로 JSON을 획득하여 `fofr/any-comfyui-workflow` 모델의 `workflow_json` 입력값으로 사용함. [3, 6]
+- **Mystic 서버리스 통합**: 워크플로우를 Mystic 파이프라인으로 배포하기 전, GUI의 설정 메뉴에서 Dev mode를 켜고 `.json` 파일을 API 포맷으로 내보내는 과정이 필수 단계로 포함됨. [7]
+- **SethRobinson의 Workflow Converter**: API 포맷 변환 시 클라이언트 측 자바스크립트 로직을 서버 측 파이썬으로 구현하여, 개발자가 매번 수동으로 Dev mode를 켜고 API 포맷을 저장해야 하는 번거로움을 해결함. [11]
+- **ComfyUI-to-Python-Extension**: CLI 사용 시 API 포맷 워크플로우를 입력값으로 받아 실행 가능한 파이썬 코드를 생성함. [21]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증됨)
+- **출처 신뢰도:** B (공식 문서 및 주요 개발자 도구의 가이드라인에 근거함)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Directed Acyclic Graph (DAG).md

@@ -0,0 +1,95 @@
+---
+id: directed-acyclic-graph-(dag)
+title: "Directed Acyclic Graph (DAG)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["유향 비순환 그래프", "실행 그래프"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow_api.json", "Execution Model Inversion", "WorkflowExecutor", "validate_prompt"]
+github_commit: "bc85382, 82df278"
+---
+
+# [[Directed Acyclic Graph (DAG)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 워크플로우 아키텍처는 노드와 링크를 통해 데이터 흐름을 정의하며, 순환하지 않는 방향성을 가진 **Directed Acyclic Graph(DAG)** 구조를 핵심 실행 모델로 채택한다 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Node-based Connectivity:** 프로그램 객체인 노드들이 서로 연결되어 네트워크(그래프)를 형성하며, 각 노드는 모델 로더, 샘플러, 인코더 등의 특정 기능을 수행한다 [1-3].
+- **Directional Data Flow:** 데이터는 링크를 통해 한 노드의 출력 슬롯에서 다른 노드의 입력 슬롯으로 정해진 방향에 따라 흐른다 [1, 4].
+- **Acyclicity (비순환성):** 그래프 내에서 경로가 자기 자신으로 돌아오지 않는 비순환 구조를 가져 실행의 시작과 끝이 명확하다 [1].
+- **Serialization:** 복잡한 DAG 네트워크는 JSON 형식으로 직렬화되어 이식성, 버전 관리 및 프로그래밍 방식의 자동화를 가능하게 한다 [1].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Execution Model Inversion (실행 모델 역전):** 모든 노드를 순차 실행하는 대신, 'Save Image'와 같은 최종 출력 노드에서 시작하여 그래프를 역방향으로 추적, 필요한 종속성만 식별하여 실행하는 최적화 패턴이다 [5].
+- **Bifurcation of Formats (형식의 이분화):** 시각적 레이아웃을 포함하는 **Frontend Format**과 순수 실행 논리(DAG)만을 남긴 **Backend/API Format**으로 구분되어 관리된다 [6, 7].
+- **Slot-based Indexing:** 연결은 단순히 노드 간의 결합이 아니라, 특정 출력 슬롯(예: VAE Loader의 VAE 슬롯)에서 특정 입력 슬롯으로 정밀하게 매핑되는 인덱싱 구조를 따른다 [4].
+
+## 📖 세부 내용 (Details)
+ComfyUI는 스테이블 디퓨전과 같은 복잡한 생성형 AI 프로세스를 절차적 프레임워크로 추상화하기 위해 DAG를 활용한다 [1]. 워크플로우 자체가 DAG와 동의어로 사용되며, 이는 3D 프로그램의 '씬 그래프'나 영상 편집 프로그램의 '프로젝트 파일'과 유사한 역할을 수행한다 [8].
+
+그래프의 구조적 무결성은 **JSON Schema v1.0** 규격에 의해 검증된다 [9]. 각 노드는 고유 ID, 클래스 타입(type), 그리고 위젯 값을 포함하며, `inputs` 배열은 유입되는 링크의 ID를 기록하고 `outputs` 배열은 해당 데이터를 소비하는 하위 노드들의 링크 ID 리스트를 유지한다 [4, 9]. API 형식의 JSON에서는 시각적 메타데이터가 제거되고, 링크가 별도의 배열 대신 노드 입력 내부에 직접 삽입되어 실행 효율성을 극대화한다 [6, 10].
+
+실행 단계에서 엔진은 DAG의 특성을 이용해 불필요한 계산을 배제한다. 최종 출력에 기여하지 않는 노드들이 그래프에 포함되어 있더라도, 역방향 그래프 탐색(Backward Traversal)을 통해 이를 무시함으로써 성능 저하 없이 복잡한 워크플로우를 구성할 수 있다 [5].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **데이터 보존의 취약성:** DAG 구조를 PNG 메타데이터(tEXt/zTXt 청크)에 저장할 수 있으나, 일반적인 이미지 편집기나 소셜 미디어 플랫폼을 거치면 이 메타데이터가 유실되어 그래프 구조가 파괴될 수 있다는 점이 주의사항으로 언급된다 [11].
+- **형식 간의 불완전한 호환성:** API 형식으로 저장된 그래프(DAG 최적화본)를 다시 UI로 불러올 경우, 시각적 레이아웃 정보가 없어 노드들이 겹치거나 뼈대만 남는 현상이 발생할 수 있다 [12].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **workflow_api.json:** 시각적 요소가 제거된 순수 DAG 형태의 실행 파일 형식으로, 서버 측 처리 및 API 호출에 최적화되어 적용됨 [6, 13].
+- **Execution Model Inversion:** ComfyUI 서버 아키텍처에서 노드 실행 우선순위를 결정하고 효율성을 확보하기 위한 핵심 알고리즘으로 적용됨 [5, 14].
+- **WorkflowExecutor 클래스:** Python 스크립트에서 워크플로우 JSON을 `ExecutionList`로 변환하고 각 노드를 순회하며 실행하는 로직에 적용됨 [15].
+- **validate_prompt 함수:** 워크플로우를 실행하기 전 DAG의 유효성을 검증하는 내부 함수로 활용됨 [15].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (ComfyUI 공식 문서 및 아키텍처 분석 자료 기반)
+- **출처 신뢰도:** B (Official Documentation / Technical Architectures via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: DAG 구조를 지속 가능한 파일 형태로 변환하는 상위 프로세스.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 기반 시스템의 직렬화 메커니즘.
+
+#### [실무 구현 도구]
+- [[API Format (workflow_api.json)]]
+  - 연결 이유: DAG의 실행 논리만이 정제된 최종 데이터 포맷.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각적 메타데이터와 실행 그래프의 차이점.
+- [[Execution Model Inversion]]
+  - 연결 이유: DAG 구조를 효율적으로 처리하기 위한 엔진의 핵심 알고리즘.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 그래프 탐색 및 최적화 원리.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- DAG 구조 내에서 의도적인 순환(Looping)이 필요한 경우(예: 반복 개선) ComfyUI는 이를 어떤 방식으로 우회하거나 처리하는가?
+- Execution Model Inversion이 중첩된 [[Subgraph]] 구조를 만났을 때, 그래프 탐색의 깊이 제한이나 우선순위는 어떻게 관리되는가? [16, 17]
+- 노드 ID가 중복되거나 유실된 손상된 DAG 구조를 복구하기 위한 알고리즘적 전략이 소스 데이터에 존재하는가?
+- LLM 기반의 워크플로우 생성기([[ComfyUI-WorkflowGenerator]])는 DAG의 논리적 타당성을 어떤 의미론적 검증 과정을 통해 확보하는가? [18]
+- `object_info.json`에 정의된 스키마가 DAG의 연결 가능성을 제한하는 제약 조건으로 어떻게 작용하는가? [19]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 파이썬의 `json` 라이브러리를 사용하여 API JSON의 노드 ID를 추적하고 `inputs` 값을 동적으로 수정하여 대량의 이미지를 생성할 수 있다 [20, 21].
+- **System Design:** 서버리스 환경(Mystic, Replicate 등)에 배포할 때, DAG 구조에서 불필요한 시각적 데이터를 제거한 API 형식을 사용해야 통신 효율성이 높아진다 [22, 23].
+- **Operation / Maintenance:** 'Red Nodes'(누락된 노드) 오류 발생 시, DAG 스키마를 파싱하여 필요한 커스텀 노드 패키지를 식별하고 설치하는 것이 필수적이다 [24].
+- **Learning Path:** 복잡한 워크플로우를 이해하려면 출력 노드에서 거꾸로 입력을 찾아가는 역방향 추적 방식을 익히는 것이 효과적이다 [5].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Litegraph]]
+  - 확장 방향: ComfyUI 프론트엔드에서 DAG를 시각적으로 렌더링하기 위해 사용하는 표준 포맷 연구. [6, 25]
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Draft-07 Specification.md

@@ -0,0 +1,70 @@
+---
+id: draft-07-specification
+title: "Draft-07 Specification"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["JSON Schema v1.0"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI Workflow v1.0", "WorkflowExecutor", "comfyui-workflow-to-api-converter-endpoint"]
+github_commit: ""
+---
+
+# [[Draft-07 Specification]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Draft-07 Specification은 ComfyUI Workflow JSON v1.0의 구조적 무결성을 정의하는 공식 표준으로, 노드 속성과 링크 연결성을 규제하여 워크플로의 이식성과 실행 가능성을 보장한다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **JSON Schema v1.0:** Draft-07 사양을 따르는 최신 ComfyUI 워크플로 표준으로, 실행 엔진이 인식하기 위한 기술적 제약 조건을 정의한다 [1, 2].
+- **Mandatory Node Properties:** 노드 객체가 포함해야 하는 필수 속성(id, type, pos, size, order, mode)을 통해 그래프의 구조를 명시한다 [1].
+- **Slot Connectivity Indexing:** 링크 및 슬롯의 원본/대상 ID와 인덱스를 지정하여 데이터 흐름의 정확성을 확보한다 [3].
+- **Serialization Validation:** 워크플로가 직렬화될 때 이 사양을 준수해야만 ComfyUI 백엔드에서 유효한 프롬프트로 처리될 수 있다 [1, 4].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Bifurcation Compliance:** 시각적 메타데이터를 포함하는 Frontend 포맷(`workflow.json`)과 실행 최적화된 Backend 포맷(`workflow_api.json`) 모두가 동일한 Draft-07 기반의 핵심 논리 구조를 공유한다 [5, 6].
+- **Dependency Inversion Traversal:** 엔진이 출력 노드에서 시작하여 사양에 정의된 링크를 역추적(backward traversal)하여 필요한 노드만 실행하는 구조적 패턴을 보인다 [7].
+- **Metadata Redundancy:** PNG 파일의 메타데이터 청크(tEXt/zTXt)에 두 가지 포맷을 동시에 저장하여 표준 준수와 사용자 편의성을 동시에 유지한다 [8].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로의 구조적 무결성은 **Draft-07 사양을 따르는 공식 JSON Schema v1.0**에 의해 검증된다 [1, 2]. 이 사양은 워크플로가 단순한 시각적 도표를 넘어 실행 가능한 프로그램으로서 작동하기 위한 기술적 제약 사항을 명시한다.
+
+**1. 노드 객체의 필수 속성 규격 [1]:**
+- **id:** 그래프 탐색을 위한 고유 식별자 (Integer 또는 String).
+- **type:** 노드 레지스트리의 클래스 이름과 매핑되는 필수 문자열.
+- **pos / size:** UI 렌더링을 위한 캔버스 좌표 및 크기 정보.
+- **order:** 엔진이 참조하는 권장 실행 또는 렌더링 순서.
+- **mode:** 노드의 활성화, 바이패스(Bypass) 등의 운영 상태.
+
+**2. 링크 및 슬롯 연결 사양 [3]:**
+연결성은 노드 내부의 `inputs` 및 `outputs` 배열을 통해 정의된다. `inputs` 속성의 `link` 프로퍼티는 들어오는 와이어의 고유 ID를 식별하며, `outputs`의 `links` 배열은 하나의 출력이 여러 노드로 전달될 수 있음을 나타낸다. 특히 VAE Loader와 같이 다중 출력 슬롯을 가진 노드의 경우, **정확한 슬롯 인덱싱**이 사양 준수의 핵심이다 [3].
+
+**3. 유효성 검사 및 실행 [4]:**
+워크플로 JSON이 생성되면 ComfyUI의 `validate_prompt` 함수는 이 사양을 기준으로 데이터 구조를 검증한다. 검증을 통과한 JSON은 `DynamicPrompt`로 구성되어 `ExecutionList`로 변환되며, 이 과정에서 사양에 어긋나는 연결이나 속성이 발견되면 실행이 거부된다 [4].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 업데이트:** 이전의 0.4 버전 사양에서 최신 1.0(Draft-07 기반)으로 표준이 업데이트되었으며, 이는 공식 문서에서 권장되는 최신 규격이다 [2, 9].
+- **포맷 간 차이:** API 포맷은 효율성을 위해 UI 관련 메타데이터를 삭제하지만, 핵심적인 노드 클래스 매핑과 입력 구조는 여전히 Draft-07의 논리적 범주 내에 있다 [5, 6].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI Workflow v1.0:** Draft-07 사양을 공식적으로 채택한 최신 워크플로 직렬화 규격 [1, 2].
+- **WorkflowExecutor.execute():** 독립 실행 스크립트에서 `validate_prompt`를 호출하여 워크플로 JSON이 사양을 준수하는지 검증하는 로직이 적용됨 [4].
+- **comfyui-workflow-to-api-converter-endpoint:** 비 API 포맷을 API 포맷으로 변환할 때 ComfyUI의 노드 레지스트리와 사양을 참조하여 유효한 JSON을 생성함 [10, 11].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Executing ComfyUI Workflows as Standalone Scripts.md

@@ -0,0 +1,66 @@
+---
+id: executing-comfyui-workflows-as-standalone-scripts
+title: "Executing ComfyUI Workflows as Standalone Scripts"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["pydn/ComfyUI-to-Python-Extension", "WorkflowExecutor", "ExecutionCache", "new_pipeline.py", "bc85382"]
+github_commit: "bc85382"
+---
+
+# [[Executing ComfyUI Workflows as Standalone Scripts]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우를 시각적 인터페이스 없이 실행 가능한 독립형 스크립트로 변환하는 프로세스는 **API 형식의 JSON 직렬화와 Python 환경의 실행 오케스트레이션**을 통해 고도의 자동화와 헤드리스(Headless) 환경 배포를 가능하게 한다 [1-4].
+
+## 🧠 핵심 개념 (Core concepts)
+- **API JSON Format (Backend JSON):** 시각적 메타데이터를 제거하고 노드 입력과 연결 정보만을 남긴 실행 최적화 그래프 파일로, 독립형 스크립트 실행의 기초가 된다 [2, 5, 6].
+- **WorkflowExecutor:** 워크플로우 실행 환경을 초기화하고, 노드 유효성 검사(`validate_prompt`) 및 실행 목록(`ExecutionList`) 구축을 담당하는 오케스트레이션 객체이다 [7].
+- **ExecutionCache:** 노드 출력, UI 데이터 및 객체 인스턴스를 캐싱하여 중복 계산을 줄이고 실행 성능을 최적화하는 통합 관리 클래스이다 [8].
+- **Headless Processing:** 웹 브라우저나 GUI 없이 서버 백엔드 또는 독립형 스크립트 형태로 워크플로우를 구동하여 실행 오버헤드를 줄이는 방식이다 [4].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Serialization Bifurcation (직렬화 이분화):** 시각적 편집을 위한 Frontend JSON(`workflow.json`)과 자동화 실행을 위한 Backend API JSON(`workflow_api.json`)을 분리하여 관리하는 설계 패턴이 발견된다 [2, 5, 6, 9].
+- **Execution Model Inversion (실행 모델 역전):** 모든 노드를 실행하는 대신 'Save Image'와 같은 출력 노드에서 역추적하여 필요한 의존성만 식별하고 실행하는 효율적 패턴을 사용한다 [10].
+- **Python-to-Script Conversion:** `.json` 워크플로우를 `.py` 코드로 직접 변환하여 별도의 JSON 처리 없이 Python 런타임에서 즉시 실행 가능하게 하는 추상화 패턴이 존재한다 [3, 11].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우를 독립형 스크립트로 실행하기 위해서는 먼저 **'Dev mode'**를 활성화하여 **API 형식의 JSON**을 추출해야 한다 [6, 12, 13]. 표준 Frontend JSON은 노드 위치나 그룹화 등 시각적 정보를 포함하지만, API JSON은 이를 제거하고 노드 간의 링크를 입력 필드 내의 직접 참조(`[origin_id, output_slot]`)로 포함하여 백엔드 엔진이 즉시 해석할 수 있도록 최적화되어 있다 [2, 14, 15].
+
+독립형 실행의 핵심 구성 요소인 **WorkflowExecutor**는 `DynamicPrompt`를 구성하고 이를 노드 단위의 실행 목록인 `ExecutionList`로 변환한다 [7]. 각 노드는 `_execute_node` 메서드를 통해 순차적으로 실행되며, 이때 `get_input_data`와 `get_output_data` 함수가 사용되어 데이터 흐름을 처리한다 [8, 16]. **ExecutionCache**는 `HierarchicalCache`를 기반으로 구축되어 이전 실행 결과를 보존함으로써 연속적인 실행 시 성능을 비약적으로 향상시킨다 [8].
+
+더 고도화된 방식으로는 **ComfyUI-to-Python-Extension**을 사용하여 워크플로우 자체를 실행 가능한 `.py` 파일로 변환하는 것이 가능하다 [3, 11]. 이 방식은 생성된 스크립트 내에 노드 실행 로직이 포함되어 있어 별도의 프롬프트 서버 호출 없이도 단독 실행(Single-shot runner)이 가능하며, 메모리 관리 플래그(`--highvram` 등)를 스크립트 인자로 전달받아 제어할 수 있다 [17, 18].
+
+생산 환경에서는 **Mystic**이나 **Replicate**와 같은 플랫폼을 통해 이러한 스크립트를 서버리스 엔드포인트로 배포할 수 있으며, 이때 Python SDK를 사용하여 워크플로우 JSON 내의 시드(seed)나 프롬프트 값을 프로그래밍 방식으로 수정하여 실행한다 [19-21].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **워크플로우 유연성 대 변환 복잡성:** 일부 연구에서는 `ComfyUI-to-Python-Extension`이 중간 변환 단계를 요구하여 **동적(Dynamic) 워크플로우** 실행에 어려움이 있을 수 있다고 지적하며, 대신 API JSON을 직접 로드하는 방식을 권장하기도 한다 [4].
+- **JSON 버전 호환성:** ComfyUI는 빈번하게 업데이트되므로 구버전의 JSON 파일이 최신 버전의 실행 엔진에서 정상 작동하지 않을 수 있다는 경고가 명시되어 있다 [22, 23].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **pydn/ComfyUI-to-Python-Extension:** 워크플로우를 독립형 `.py` 스크립트로 자동 번환하는 도구로 구현되었다 [3, 24].
+- **WorkflowExecutor & ExecutionCache:** SDXL Turbo 워크플로우를 독립형 스크립트로 실행하기 위한 핵심 아키텍처로 제안되었으며 GitHub Gist를 통해 소스 코드가 공유되었다 [7, 8, 25].
+- **Mystic (new_pipeline.py):** ComfyUI 서버를 시작하고 커스텀 워크플로우를 로드하여 입력 프롬프트를 주입하는 배포용 Python 템플릿 파일이다 [20, 26].
+- **GitHub Commit (bc85382):** `comfyui-workflow-to-api-converter-endpoint` 프로젝트에서 콤보 위젯의 대소문자 검증 문제를 수정한 커밋 기록이 발견된다 [27].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Execution Model Inversion.md

@@ -0,0 +1,94 @@
+---
+id: execution-model-inversion
+title: "Execution Model Inversion"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["역방향 실행 모델", "Output-Driven Traversal"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Architecture"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI Server Documentation"]
+github_commit: ""
+---
+
+# [[Execution Model Inversion]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+최종 출력 노드에서 시작하여 필요한 의존성만을 역추적해 실행함으로써, 워크플로 내 불필요한 노드가 성능에 미치는 영향을 완전히 배제하는 ComfyUI의 최적화 아키텍처 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+- **출력 기반 역방향 탐색 (Output-Driven Traversal):** 실행 엔진이 모든 노드를 순차적으로 처리하는 대신, 'Save Image'와 같은 최종 출력 노드에서 시작하여 그래프를 거꾸로 거슬러 올라가며 필요한 노드만 식별함 [1].
+- **의존성 자동 식별 (Dependency Identification):** 최종 결과물에 기여하는 노드들만 실행 목록(Execution List)에 포함시키고, 연결되어 있더라도 결과에 영향을 주지 않는 노드는 무시함 [1, 2].
+- **성능 격리 (Performance Isolation):** 생성된 JSON 내에 수십 개의 미사용 노드가 포함되어 있더라도 백엔드에서 이를 실행하지 않으므로 실행 성능에 무리가 가지 않음 [1].
+- **DAG(유향 비순환 그래프) 기반 논리:** 워크플로를 방향성이 있고 순환하지 않는 그래프 구조로 취급하여 논리적인 역추적을 가능케 함 [1, 3].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **의존성 체인 검증 패턴:** `WorkflowExecutor`가 `validate_prompt` 함수를 사용하여 워크플로의 유효성을 검사하고 이를 `ExecutionList`로 변환하는 구조 [2].
+- **결과 중심 데이터 흐름:** 데이터가 모델 로더에서 시작하여 샘플러를 거쳐 출력으로 흐르지만, 실행 제어는 그 반대 방향인 출력에서 시작됨 [1, 3].
+
+## 📖 세부 내용 (Details)
+Execution Model Inversion은 ComfyUI의 아키텍처에서 가장 정교한 개념 중 하나로, 워크플로가 처리되는 방식을 최적화하는 핵심 기제이다 [1].
+
+- **작동 원리:** 엔진은 그래프의 모든 노드를 실행하는 대신 'Save Image'와 같은 출력 노드에서 시작한다 [1]. 여기서부터 그래프를 역방향으로 탐색하여 최종 출력에 도달하기 위해 반드시 실행되어야 하는 상위 노드(의존성)들을 계층적으로 파악한다 [1]. 
+- **JSON 설계와의 관계:** 이 모델 덕분에 사용자는 복잡하고 큰 규모의 워크플로 JSON을 생성하면서도 성능 저하를 걱정할 필요가 없다 [1]. 백엔드 엔진은 최종 출력에 기여하지 않는 모든 노드를 지능적으로 무시하기 때문이다 [1].
+- **API 효율성:** 특히 **API Format(workflow_api.json)**으로 변환된 워크플로를 실행할 때, 이 모델은 최소한의 필수 연산만을 보장하여 서버 자원을 효율적으로 관리할 수 있게 한다 [1, 4].
+- **캐싱 메커니즘과의 연계:** `ExecutionCache`와 결합하여, 역방향 탐색 중 이미 계산된 결과가 있는 노드의 경우 실행을 건너뛰고 캐시된 데이터를 즉시 반환함으로써 효율을 극대화한다 [5].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **전체 실행 vs 부분 실행:** 전통적인 파이프라인 방식이 모든 단계를 순차적으로 실행하는 것과 달리, ComfyUI는 출력 노드에 도달하기 위한 최소 경로만을 실행하는 "Lazy Evaluation"과 유사한 특성을 보인다 [1].
+- **JSON의 유연성:** 소스에 따르면 워크플로 파일 내에 사용하지 않는 노드가 많아도 시스템에 무리가 가지 않는다는 점은 일반적인 소프트웨어 최적화 상식(리소스 최소화)과는 다른 ComfyUI만의 설계적 특징이다 [1].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI Server 공식 가이드:** 공식 문서의 'ComfyUI Server' 섹션 내에 "Execution Model Inversion Guide"라는 명칭의 기술 문서로 상세히 다루어지고 있음 [6].
+- **WorkflowExecutor 구현:** 독립 실행형 스크립트 실행 시 `WorkflowExecutor` 클래스가 `validate_prompt`를 통해 실행 목록을 생성하는 과정에 이 논리가 내재되어 있음 [2].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 가이드라인 존재 확인 [6])
+- **출처 신뢰도:** B (Official Documentation 및 전문 분석 리포트 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: Execution Model Inversion이 작동하기 위한 구조적 토대임 [3].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간 링크가 어떻게 논리적 흐름을 형성하는지 파악 가능.
+- [[ComfyUI Backend Engine]]
+  - 연결 이유: 역방향 탐색과 실행 목록 생성을 담당하는 주체임 [1, 2].
+
+#### [구현/활용 도구]
+- [[API Format (workflow_api.json)]]
+  - 연결 이유: UI 정보가 제거된 실행 중심의 JSON 포맷으로, 이 모델에 최적화되어 있음 [1, 4].
+- [[WorkflowExecutor]]
+  - 연결 이유: 역방향 탐색 논리를 실제 실행 코드로 구현한 클래스임 [2].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Execution Model Inversion 환경에서 'Bypass'된 노드는 역추적 과정에서 어떻게 처리되는가? [7]
+- 여러 개의 출력 노드가 존재할 경우, 엔진은 각 출력별로 독립적인 역방향 탐색을 수행하는가?
+- `ExecutionCache`가 역방향 탐색 경로에 있는 특정 노드의 실행 여부를 결정하는 구체적인 임계값은 무엇인가? [5]
+- 사용자가 명시적으로 모든 노드를 강제 실행(Force Execute)하도록 설정할 수 있는 우회 방법이 존재하는가?
+- 자연어 기반 워크플로 생성 도구인 `ComfyUI-WorkflowGenerator`는 이 실행 모델을 고려하여 노드 연결을 생성하는가? [8, 9]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** API 서버 구축 시 워크플로에 테스트용 노드가 섞여 있더라도 성능 영향을 최소화하며 배포 가능 [1].
+- **System Design:** 대규모 자동화 배너 광고 시스템 등에서 다양한 변종 워크플로를 하나의 JSON 템플릿으로 관리할 때 유리함 [10].
+- **Operation / Maintenance:** 워크플로 디버깅 시 실행되지 않는 노드를 식별하여 의존성 연결 오류를 파악하는 지표로 활용 가능 [11].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Lazy Evaluation in Graph Theory]]
+  - 확장 방향: 컴퓨터 과학 관점에서의 계산 최적화 기법 비교.
+- [[Workflow JSON v1.0 Schema]]
+  - 확장 방향: 역방향 탐색에 필수적인 `id`, `inputs`, `links` 속성의 기술적 명세 이해 [12, 13].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on Source [1], [6])

10_Wiki/Topics/Topic_Graphic/Comfyui/ExecutionCache.md

@@ -0,0 +1,60 @@
+---
+id: executioncache
+title: "ExecutionCache"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Standalone Execution Script (GitHub Gist)"]
+github_commit: ""
+---
+
+# [[ExecutionCache]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+독립형 스크립트 환경에서 ComfyUI 워크플로우를 실행할 때 노드 출력 및 UI 데이터를 통합 관리하여 중복 계산을 방지하고 성능을 최적화하는 핵심 캐시 관리 클래스 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **통합 캐시 관리 (Unified Cache Management):** 노드 출력, UI 데이터, 객체 인스턴스의 캐싱을 중앙에서 처리하여 워크플로우 실행 효율을 높임 [2].
+- **성능 최적화 (Performance Optimization):** 불필요하고 중복되는 계산을 줄여 독립형 실행 환경의 오버헤드를 최소화함 [2].
+- **HierarchicalCache 기반 구조:** ComfyUI의 기본 계층적 캐시(HierarchicalCache) 메커니즘 위에 구축되어 노드 객체와 결과 데이터를 구조적으로 저장함 [2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **독립형 실행 아키텍처 패턴:** 워크플로우 실행을 조율하는 `WorkflowExecutor`와 데이터 영속성을 관리하는 `ExecutionCache`가 결합되어 서버 없이도 워크플로우를 실행하는 구조를 형성함 [1, 3].
+- **데이터 캡슐화 패턴:** 노드 객체(node object), 출력 데이터(output data), UI 데이터를 하나의 캐시 단위 내에 보관하여 ComfyUI와의 호환성을 유지함 [2].
+
+## 📖 세부 내용 (Details)
+ExecutionCache는 ComfyUI 워크플로우를 서버 기반의 웹 인터페이스 없이 **독립형 파이썬 스크립트**로 실행하기 위해 설계된 핵심 컴포넌트임 [1, 4]. 이 클래스는 워크플로우 실행 과정에서 발생하는 다양한 데이터를 효율적으로 관리하는 역할을 수행함.
+
+주요 기능은 다음과 같음:
+1. **데이터 저장 및 관리:** 각 노드의 실행 결과인 출력 데이터뿐만 아니라, UI 관련 데이터 및 생성된 객체 인스턴스 정보를 캐시에 저장함 [2].
+2. **중복 계산 방지:** 동일한 입력에 대해 이미 계산된 결과가 캐시에 존재할 경우 이를 재사용함으로써 실행 시간을 단축하고 컴퓨팅 자원을 절약함 [2].
+3. **호환성 유지:** ComfyUI 내부의 `HierarchicalCache`를 기반으로 동작하도록 설계되어, 서버 환경에서의 실행 로직과 최대한 유사한 동작 방식을 보장함 [2, 3].
+
+이 클래스는 `WorkflowExecutor`와 함께 사용되며, `WorkflowExecutor`가 노드를 실행(`_execute_node`)할 때 필요한 입력 데이터를 조회하거나 실행 결과를 저장하는 저장소 역할을 담당함 [1, 2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **독립형 실행의 한계:** ExecutionCache를 포함한 독립형 스크립트 방식은 ComfyUI 서버와 웹 UI가 밀접하게 연결된 기본 구조를 우회하려는 시도이나, 여전히 ComfyUI의 런타임 환경(torch 등)에 의존함 [5-7].
+- **캐시 생명주기:** 서버 환경의 Web UI 프롬프트/결과 캐싱과 달리, 이를 활용한 생성된 스크립트는 일반적으로 단발성 실행(single-shot)으로 동작하며 실행 종료 시 모델/캐시 정리를 수행함 [8].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **독립형 실행 스크립트 (Standalone Execution Script):** SDXL Turbo 워크플로우 등을 API JSON 형식에서 파이썬 스크립트로 직접 실행하기 위한 `WorkflowExecutor` 시스템의 일부로 구현됨 [1, 3, 4]. 해당 코드는 특정 GitHub Gist를 통해 공유되고 있음 [1, 4].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (전문 개발자 블로그 및 기술 분석 자료 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Frontend Format (workflow.json).md

@@ -0,0 +1,70 @@
+---
+id: frontend-format-(workflow.json)
+title: "Frontend Format (workflow.json)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint", "ComfyUI-to-Python-Extension", "RunComfy Serverless API"]
+github_commit: ""
+---
+
+# [[Frontend Format (workflow.json)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Frontend Format(`workflow.json`)은 ComfyUI의 **Litegraph 표준**을 따르며, 노드 간의 실행 로직뿐만 아니라 캔버스상의 시각적 레이아웃과 그룹 정보를 모두 보존하는 **인간 중심의 공유 및 편집용 블루프린트**이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **시각적 메타데이터(UI Metadata) 포함**: 노드의 위치(`pos`), 크기(`size`), 색상, 그룹화 구조 및 노드의 축소(collapsed) 또는 고정(pinned) 여부와 같은 시각적 상태 정보를 모두 포함한다 [1, 4, 5].
+- **Litegraph 표준 준수**: 웹 인터페이스에서의 시각적 렌더링 및 조작에 최적화된 데이터 구조를 따른다 [1, 2].
+- **명시적 링크 표현 (Explicit Links)**: 연결을 노드 내부에 매핑하는 대신, 별도의 `links` 배열 내에서 고유 ID를 가진 명시적인 연결 객체로 관리한다 [2, 4, 6].
+- **가역성(Reversibility)**: 생성된 이미지 메타데이터에 포함되어 드래그 앤 드롭만으로 원본 노드 그래프를 완벽하게 재구성할 수 있게 한다 [7-9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **포맷의 이분화(Bifurcation)**: ComfyUI는 사용자의 시각적 편집을 위한 'Frontend 포맷'과 서버의 실행 효율성을 위한 'Backend/API 포맷'을 엄격히 구분하여 운영한다 [1, 10].
+- **메타데이터 임베딩(Metadata Embedding)**: 생성된 PNG/WebP 파일의 `tEXt` 또는 `zTXt` 청크에 프론트엔드 워크플로우를 저장하여 이미지가 곧 소스 코드가 되는 패턴을 형성한다 [8, 9, 11].
+- **의존성 기반 노드 ID 할당**: 각 노드는 생성 순서 또는 사용자 정의에 따라 고유한 숫자형 문자열 ID(예: "37")를 부여받아 그래프 탐색의 키로 활용된다 [4, 5, 12].
+
+## 📖 세부 내용 (Details)
+프론트엔드 포맷은 ComfyUI 웹 인터페이스에서 **기본 저장(Ctrl+S)** 시 생성되는 표준 규격이다 [13]. 이는 사용자 경험을 유지하기 위해 설계되었으며, 워크플로우를 재로드했을 때 모든 노드가 정확한 좌표에 나타나도록 보장한다 [13, 14].
+
+**JSON 스키마 v1.0 구성 요소 [5, 6, 15]**:
+- **nodes**: 개별 노드 객체의 배열로 구성된다.
+    - `id`: 그래프 탐색을 위한 고유 식별자.
+    - `type`: 노드 레지스트리에 매핑된 클래스 이름.
+    - `pos`/`size`: 캔버스 좌표 및 시나리오 렌더링 크기.
+    - `widgets_values`: 슬라이더, 텍스트 박스, 토글 등 사용자 입력값의 배열.
+    - `order`: 실행 또는 렌더링 권장 순서.
+    - `mode`: 노드의 활성/비활성/바이패스 상태.
+- **links**: 노드 간의 연결을 정의하는 상위 레벨 배열로, `[origin_id, origin_slot, target_id, target_slot, type]` 등의 정보를 포함하는 6개 항목 배열 또는 구조화된 객체 형태를 띤다 [6].
+
+이 포맷은 **API 포맷과 대조**적이다. API 포맷은 시각적 메타데이터를 제거하고 실행에 필요한 로직만 남긴 '스트림라인' 버전으로, 프론트엔드 파일을 API 엔드포인트에 직접 보낼 경우 오류가 발생할 수 있다 [1, 14, 16]. 따라서 전문적인 자동화 환경에서는 프론트엔드 포맷을 원본(Source of truth)으로 관리하고, 실행 직전에 API 포맷으로 변환하는 프로세스가 권장된다 [17, 18].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성 문제**: ComfyUI의 잦은 업데이트로 인해 구버전에서 생성된 프론트엔드 JSON 파일이 최신 버전에서 제대로 작동하지 않거나 시각적으로 깨지는 현상이 발생할 수 있다 [19].
+- **데이터 유실 위험**: 이미지에 포함된 프론트엔드 메타데이터는 소셜 미디어나 이미지 편집기(GIMP 등)를 거칠 경우 파일 크기 최적화 또는 개인정보 보호를 이유로 제거되는 경우가 많아 가역성이 파괴될 수 있다 [9, 20].
+- **API 실행 불가**: 프론트엔드 JSON은 `/prompt` 엔드포인트에서 직접 실행할 수 없으며, 반드시 API 포맷으로의 변환 과정이 선행되어야 한다 [16, 17].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint**: `workflow.json`(프론트엔드 포맷)을 입력받아 서버 측에서 API 포맷으로 자동 변환해 주는 커스텀 노드 프로젝트에 적용됨 [16, 18, 21].
+- **ComfyUI-to-Python-Extension**: 프론트엔드 메타데이터를 유지하여 생성된 Python 스크립트로 만든 이미지가 다시 ComfyUI로 드래그 앤 드롭될 때 워크플로우를 복구할 수 있도록 구현됨 [11].
+- **RunComfy Serverless**: 배포 시 사용자가 업로드한 `workflow.json`에서 레이아웃 정보를 추출하고 시각화 가이드로 활용함 [3, 10].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견으로 applied 단계로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation 및 전문 개발자 기술 문서 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. 본 문서는 소스 데이터의 기술적 명세(v1.0 스키마)와 운영 패턴(포맷 이분화)을 중심으로 합성됨.

10_Wiki/Topics/Topic_Graphic/Comfyui/Frontend Format.md

@@ -0,0 +1,61 @@
+---
+id: frontend-format
+title: "Frontend Format"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow.json", "UI Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow.json", "flux_workflow.json"]
+github_commit: "bc85382"
+---
+
+# [[Frontend Format]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Frontend Format은 ComfyUI 웹 인터페이스의 시각적 상태와 노드 실행 로직을 완벽하게 보존하기 위해 노드 좌표, 크기, 그룹화 등의 풍부한 UI 메타데이터를 포함하는 Litegraph 기반 직렬화 규격이다 [1], [2], [3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **시각적 메타데이터 (Visual Metadata):** 노드의 캔버스 좌표(`pos`), 크기(`size`), 그룹 구조, 노드의 접힘(collapsed) 또는 고정(pinned) 상태 등 사용자 인터페이스 구성을 위한 정보를 포함한다 [1], [2], [4].
+- **Litegraph 표준 기반:** 웹 기반 그래프 편집기의 시각적 조작과 렌더링을 위해 설계된 Litegraph 형식을 따르며, 이는 인간이 읽고 이해하기 쉬운 구조를 제공한다 [1], [3].
+- **명시적 연결 객체 (Explicit Links):** 노드 간의 데이터 흐름이 별도의 `links` 배열 내에 정의된 독립적인 연결 객체로 표현되어, 그래프의 시각적 연결성을 관리한다 [2], [5].
+- **고유 숫자 식별자:** 각 노드는 "1", "2", "3"과 같은 고유한 숫자 기반 문자열 ID를 통해 관리되며, 이는 시각적 위치와 논리적 연결을 매핑하는 기준이 된다 [2], [3].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **GUI 기본 저장 패턴:** ComfyUI 제어판에서 'Save' 버튼을 누르거나 단축키 `Ctrl + S`(Mac은 `Cmd + S`)를 사용할 때 기본적으로 생성되는 포맷이다 [6], [7].
+- **미디어 메타데이터 내장 패턴:** PNG 또는 WebP 이미지 생성 시, 파일의 `tEXt` 또는 `zTXt` 청크에 Frontend Format JSON이 주입되어 이미지가 자체적인 워크플로우 컨테이너 역할을 하게 된다 [8], [9], [10].
+- **노드 오브젝트 표준화:** 모든 노드는 `id`, `type`, `pos`, `size`, `widgets_values`, `order`, `mode`라는 필수/선택 속성 세트를 가지는 일관된 객체 구조를 유지한다 [11], [4].
+
+## 📖 세부 내용 (Details)
+Frontend Format은 주로 **시각적 편집 및 인간 간의 공유**를 목적으로 사용된다 [2], [7]. 이 포맷은 단순한 실행 로직을 넘어 아티스트가 구성한 작업 환경의 모든 세부 사항을 저장하기 때문에, 파일을 다시 불러왔을 때 노드들이 정확히 같은 위치에 배치되고 설정된 시각적 그룹이 유지된다 [6], [3].
+
+기술적으로 Frontend JSON은 `nodes`와 `links`라는 두 가지 핵심 배열을 포함한다 [4]. `nodes` 배열의 각 객체는 특정 노드의 클래스 타입과 위젯 값뿐만 아니라 캔버스상의 좌표(`[x, y]`)와 차원(`[width, height]`)을 명시한다 [11], [4]. `links` 배열은 출력 노드 ID, 출력 슬롯, 입력 노드 ID, 입력 슬롯을 포함하는 6개 항목의 배열 또는 객체로 구성되어 노드 간의 물리적 연결을 정의한다 [5].
+
+이 포맷은 파일 크기가 API Format에 비해 상대적으로 크지만, 모델 가중치(Weights) 파일에 비하면 매우 작아 독립적인 보관과 공유가 용이하다 [12], [2]. 하지만 백엔드 엔진이 직접적으로 해석하기에는 불필요한 UI 정보가 너무 많아, 서버 사이드 실행이나 API 호출 시에는 대개 API Format으로의 변환이 필요하다 [13], [14].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **실행 호환성:** Frontend Format(workflow.json)은 ComfyUI 웹 인터페이스에서는 드래그 앤 드롭으로 즉시 실행되지만, 외부 애플리케이션에서 `/prompt` 엔드포인트를 통해 서버에 직접 전송할 경우 에러가 발생하며 실행되지 않는다 [14].
+- **데이터 손실 위험:** 이미지에 내장된 워크플로우 메타데이터는 일반적인 이미지 편집기(GIMP 등)로 편집하거나 소셜 미디어 플랫폼에 업로드할 때 압축 및 최적화 과정에서 삭제될 위험이 크다 [15], [9], [16].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **표준 워크플로우 파일:** `workflow.json`이라는 기본 파일명으로 시스템 전반에서 시각적 저장 단위로 사용된다 [1], [7].
+- **FLUX 예시:** `flux_workflow.json` 파일은 노드 ID, 위치, 위젯 값 및 명시적 링크 구조를 보여주는 Frontend Format의 대표적인 기술 사례로 문서화되어 있다 [7], [17].
+- **버그 수정 기록:** Git 커밋 `bc85382`에서는 Frontend 포맷에서 API 포맷으로 변환할 때 콤보 위젯의 대소문자 불일치 문제를 해결하기 위해 노드 레지스트리를 대조하는 로직이 적용되었다 [18], [19].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 및 공식 사양을 통해 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 오픈소스 기술 문서 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Frontend JSON (workflow.json).md

@@ -0,0 +1,76 @@
+---
+id: frontend-json-(workflow.json)
+title: "Frontend JSON (workflow.json)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow.json", "UI Format JSON"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Mystic pipeline root directory", "RunComfy FLUX workflow example (flux_workflow.json)", "ComfyUI Official RFCs repository", "ComfyUI Output folder (metadata embedding)"]
+github_commit: ""
+---
+
+# [[Frontend JSON (workflow.json)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 시각적 작업 공간 전체(노드 좌표, 그룹, 링크 구조)를 Litegraph 표준에 따라 보존하여 사용자의 편집, 재구성 및 커뮤니티 협업을 가능하게 하는 종합적인 시각적 설계도이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+- **Litegraph 표준 기반 시각적 메타데이터**: 노드의 캔버스 좌표(`pos`), 크기(`size`), 색상, 그룹화 구조 및 노드 확장/축소 상태와 같은 UI 전용 정보를 포함한다. [1, 2, 4, 5]
+- **명시적 링크 배열 (Explicit Link Representation)**: 노드 간의 연결을 별도의 `links` 배열 내 개별 객체로 관리하며, 각 링크는 고유 ID를 통해 원본 노드와 대상 노드의 슬롯을 정의한다. [1, 2, 6, 7]
+- **인간 중심의 교환 포맷**: 시각적 편집과 공유를 목적으로 설계되었으며, 모델 가중치와 독립적으로 워크플로우 로직을 작고 가독성 있는 텍스트 파일로 아카이브할 수 있게 한다. [6, 8, 9]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **결과물 내 로직 자가 수용 패턴 (Metadata Embedding)**: 생성된 이미지(PNG/WebP)의 `tEXt` 또는 `zTXt` 청크에 Frontend JSON을 주입하여, 이미지 자체가 해당 이미지를 만든 로직을 운반하는 컨테이너 역할을 수행하게 한다. [3, 10, 11]
+- **비가역적 정보 손실 패턴 (Frontend to API Transformation)**: Frontend JSON은 실행 최적화된 API JSON으로 변환 가능하지만, 역변환 시 시각적 레이아웃 정보는 복구할 수 없는 비가역적 관계를 가진다. [12, 13]
+- **의존성 탐지 및 해결 휴리스틱**: 외부 JSON 로드 시 `class_type`을 로컬 레지스트리와 대조하여 누락된 커스텀 노드를 식별하고(Red Nodes), ComfyUI-Manager를 통해 이를 일괄 설치하는 복구 패턴이 존재한다. [14-16]
+
+## 📖 세부 내용 (Details)
+Frontend JSON(주로 `workflow.json`으로 명명됨)은 ComfyUI 웹 인터페이스의 상태를 저장하는 표준 포맷이다. [1, 17] 이 파일은 사용자가 구성한 그래프의 시각적 배치와 모든 매개변수를 캡처하는 포괄적인 청사진 역할을 한다. [8]
+
+### 1. 기술적 구조 및 속성
+- **노드 배열 (`nodes`)**: 워크플로우를 구성하는 개별 객체들의 리스트이다. [5]
+    - `id`: 그래프 탐색을 위한 고유 식별자(숫자 문자열)이다. [4, 18]
+    - `type`: 노드 레지스트리의 클래스 이름과 매핑된다. [4, 5]
+    - `pos` & `size`: 캔버스 렌더링을 위한 [x, y] 좌표 및 치수이다. [4, 5]
+    - `widgets_values`: 슬라이더, 텍스트 박스 등 사용자 입력 값을 저장하는 배열이다. [4, 5]
+- **링크 시스템 (`links`)**: 별도의 최상위 배열에서 관리되며, `origin_id`, `origin_slot`, `target_id`, `target_slot`을 정의하여 데이터 흐름을 명시한다. [7]
+
+### 2. 생성 및 로드 방법
+- **수동 내보내기**: 제어판 메뉴의 'Export' 옵션이나 `Ctrl + S` (macOS는 `Cmd + S`) 단축키를 통해 현재 그래프 상태를 JSON으로 다운로드할 수 있다. [5, 19, 20]
+- **이미지 기반 추출**: ComfyUI에서 생성된 PNG 파일을 캔버스에 드래그 앤 드롭하면 내장된 메타데이터를 분석하여 워크플로우가 즉시 재구성된다. [19, 21-23] `exiftool`과 같은 CLI 도구를 사용하여 바이너리 태그에서 직접 추출할 수도 있다. [24, 25]
+- **자동 생성**: 최근에는 자연어 설명을 LLM(Qwen2.5 등)이 해석하여 논리적 그래프 구조를 합성하고, 이를 실행 가능한 JSON으로 컴파일하는 기술이 도입되고 있다. [26-28]
+
+### 3. API JSON(workflow_api.json)과의 차이
+- **목적**: Frontend JSON은 시각적 편집용이며, API JSON은 서버 측 실행 및 프로그래밍 방식의 호출에 최적화되어 있다. [1, 6, 9, 29]
+- **메타데이터**: API 포맷은 노드 위치, 크기, 그룹 등 UI 관련 데이터를 제거하여 파일 크기를 압축한다. [1, 30]
+- **연결 방식**: API 포맷은 링크를 별도 객체가 아닌 노드 입력 내의 직접적인 참조(Origin 노드 ID 및 슬롯)로 임베딩한다. [1, 6, 29]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **메타데이터 휘발성**: 생성된 이미지 내의 JSON 데이터는 일반적인 이미지 편집기, 소셜 미디어 플랫폼, 또는 파일 압축 유틸리티를 거칠 때 삭제될 위험이 크다. [3, 11, 21]
+- **버전 호환성 문제**: ComfyUI의 빈번한 업데이트로 인해 구버전의 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있으며, 특히 커스텀 노드 클래스 이름의 변경이 주요 원인이 된다. [19, 31]
+- **실행 제한**: Frontend JSON을 API 엔드포인트(`/prompt`)에 직접 전달하면 실행 그래프가 아니라는 이유로 오류가 발생하므로, 반드시 'Dev mode'를 활성화하여 API 포맷으로 변환하거나 서버 측 변환기를 거쳐야 한다. [12, 32]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Mystic 파이프라인**: 서버리스 엔드포인트 배포 시 메인 디렉토리에 `workflow.json`을 포함하여 관리한다. [33]
+- **RunComfy 플랫폼**: FLUX 워크플로우 예시로 `flux_workflow.json` 파일이 제공되며, 이는 전체 UI 상태를 포함하는 표준 Frontend 포맷이다. [9, 30]
+- **추출 도구 활용**: `exiftool -b -workflow input.png > workflow.json` 명령어를 통해 이미지 메타데이터에서 Frontend JSON을 물리적으로 분리하는 방식이 실무에서 사용된다. [24, 25]
+- **ComfyUI-to-Python-Extension**: Frontend JSON의 시각적 메타데이터를 포함한 상태로 Python 스크립트로 변환하여 드래그 앤 드롭 재가져오기 기능을 유지한다. [34]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Generative AI Pipeline.md

@@ -0,0 +1,67 @@
+---
+id: generative-ai-pipeline
+title: "Generative AI Pipeline"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI Workflow JSON Serialization"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint/README.md", "DanielPFlorian/ComfyUI-WorkflowGenerator", "pydn/ComfyUI-to-Python-Extension", "ComfyUI/custom_nodes", "ComfyUI/models/LLM/"]
+github_commit: "bc85382, 82df278, 6cdcc23"
+---
+
+# [[Generative AI Pipeline]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로 JSON은 복잡한 생성형 AI 파이프라인을 방향성 비순환 그래프(DAG) 형태로 직렬화하여 시각적 디자인과 프로그래밍적 실행 간의 가교 역할을 하는 핵심 청사진이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **형식의 이분화 (Bifurcation of Formats):** 시각적 레이아웃과 메타데이터를 포함한 '프론트엔드 형식(workflow.json)'과 실행에 필요한 필수 논리만 남긴 'API 형식(workflow_api.json)'으로 구분된다 [2, 4, 5].
+- **메타데이터 임베딩 (Metadata Embedding):** 생성된 PNG 이미지의 tEXt 또는 zTXt 청크 내에 JSON 워크플로 데이터를 숨겨 저장함으로써 이미지 자체가 워크플로 백업 역할을 수행하게 한다 [6-8].
+- **LLM 기반 합성 (LLM-Driven Synthesis):** 자연어 설명을 통해 노드 그래프를 자동 생성하는 다단계 파이프라인(생성-검증-구축)을 통해 비기술자도 복잡한 파이프라인을 구축할 수 있게 한다 [9-11].
+- **실행 모델 역전 (Execution Model Inversion):** 최종 출력 노드에서 시작하여 필요한 의존성만 역추적하여 실행함으로써 그래프 내 미사용 노드의 성능 영향을 최소화한다 [12].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **데이터 복구 및 추출 패턴:** 전용 도구(exiftool)나 온라인 추출기를 사용하여 온라인 플랫폼에서 제거되기 쉬운 이미지 메타데이터 내의 JSON 워크플로를 복구한다 [13-15].
+- **API 정규화 패턴:** 프론트엔드 형식에서 링크 객체를 제거하고 노드 입력값 내에 직접 소스 노드 ID와 슬롯 번호를 임베딩하여 실행 그래프를 간소화한다 [2, 16, 17].
+- **동적 파라미터 주입:** Python 스크립트나 래퍼 라이브러리를 통해 JSON 딕셔너리를 직접 조작하여 시드(Seed), 프롬프트 등을 동적으로 변경하며 대량 생성을 자동화한다 [18-20].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로 JSON 생성은 사용자의 목적에 따라 수동 내보내기, 이미지 메타데이터 추출, 프로그래밍적 생성 및 LLM 기반 합성의 네 가지 경로로 나뉜다.
+
+**1. 수동 및 시각적 생성:** 사용자는 ComfyUI 웹 인터페이스에서 노드를 연결하여 파이프라인을 설계한다. `Ctrl + S` 또는 메뉴의 'Export' 기능을 통해 프론트엔드 형식의 JSON을 생성할 수 있으며, 이는 노드 위치, 크기, 그룹화 정보 등 캔버스 레이아웃 메타데이터를 모두 포함한다 [21, 22]. API 호출을 위해서는 설정에서 'Dev mode'를 활성화한 후 'Save (API format)'를 선택해야 한다 [23, 24].
+
+**2. 이미지 기반 워크플로 추출:** ComfyUI에서 생성된 모든 PNG 이미지는 기본적으로 워크플로 데이터를 포함한다 [25]. 사용자는 이미지를 캔버스에 드래그 앤 드롭하거나 `exiftool -b -workflow input.png > workflow.json` 명령어를 사용하여 JSON을 추출할 수 있다 [14, 26]. 다만, 이미지 편집기나 SNS 업로드 시 메타데이터가 삭제될 수 있으므로 주의가 필요하다 [8, 27].
+
+**3. 프로그래밍적 및 API 기반 생성:** 개발자는 Python의 `json` 라이브러리를 사용하여 워크플로 템플릿의 특정 노드 ID와 입력값(inputs)을 수정할 수 있다 [18]. `Comfy API Simplified`와 같은 래퍼는 숫자 ID 대신 노드 제목으로 접근할 수 있게 하여 유지보수성을 높이며, `ComfyUI-to-Python-Extension`은 JSON을 직접 실행 가능한 `.py` 스크립트로 변환한다 [19, 28].
+
+**4. LLM 기반 자연어 생성:** `ComfyUI-WorkflowGenerator`와 같은 최신 시스템은 Qwen2.5-14B와 같은 미세 조정된 모델을 사용하여 사용자의 의도를 해석한다 [9, 29]. 이 과정은 1) 논리적 그래프 구조 생성(Generator), 2) 로컬 노드 레지스트리와의 이름 일치 여부 검증(Validator), 3) 실행 가능한 JSON으로 컴파일(Builder)하는 3단계 파이프라인을 거친다 [10, 11].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성 문제:** ComfyUI의 잦은 업데이트로 인해 이전 버전의 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있다는 점이 지적되었다 [30].
+- **API 형식의 불완전성:** API 형식의 JSON은 실행에는 최적화되어 있으나 시각적 데이터가 제거되어 있어, 이를 다시 UI로 불러올 경우 워크플로의 구조가 파괴된 '스켈레톤' 상태로 나타나는 한계가 있다 [27, 31].
+- **의존성 오류:** 외부 소스에서 로드한 JSON은 'Missing Custom Nodes' 오류(빨간색 박스)를 일으킬 수 있으며, 이는 ComfyUI Manager를 통한 설치 및 서버 재시작으로 해결해야 한다 [32, 33].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 서버 측에서 프론트엔드 형식을 API 형식으로 변환하는 `/workflow/convert` 엔드포인트를 제공한다 (Commit `bc85382`) [31, 34, 35].
+- **ComfyUI-WorkflowGenerator:** 사용자의 자연어 명령(예: "Create a text-to-image workflow using SDXL")을 받아 `ComfyUI/models/LLM/` 내의 모델을 사용하여 워크플로를 자동 생성한다 [11, 36, 37].
+- **ComfyUI-to-Python-Extension:** 워크플로 JSON을 독립형 Python 스크립트로 변환하여 `COMFYUI_PATH` 환경 변수 설정을 통해 서버 없이도 실행 가능한 환경을 구축한다 [28, 38].
+- **P-Reinforce 적용 위치:** `ComfyUI/custom_nodes/` 디렉토리에 설치되는 다양한 커스텀 노드 패키지들에서 JSON 규격 v1.0에 맞춘 직렬화 로직이 구현되어 있다 [39-41].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/JSON Schema v1.0.md

@@ -0,0 +1,109 @@
+---
+id: json-schema-v1.0
+title: "JSON Schema v1.0"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI Workflow JSON v1.0"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "JSON Schema"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["/specs/workflow_json"]
+github_commit: ""
+---
+
+# [[JSON Schema v1.0]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우 JSON v1.0은 Draft-07 사양을 준수하며, 노드 기반의 생성형 AI 파이프라인을 시각적 메타데이터와 실행 논리로 이원화하여 직렬화하는 표준 규격이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Draft-07 Specification:** ComfyUI 워크플로우 JSON의 구조적 무결성을 보장하는 최신 공식 스키마 표준이다 [2].
+- **데이터 이원화 (Bifurcation):** 사용자 인터페이스용 'Frontend Format'과 서버 실행용 'API Format'으로 나뉘어 관리된다 [1, 3].
+- **노드 객체 속성 (Node Object Properties):** 각 노드는 ID, 유형, 위치(pos), 크기(size), 위젯 값(widgets_values) 등의 필수 및 선택적 속성을 정의해야 한다 [2, 4].
+- **슬롯 및 링크 연결성 (Slot & Link Connectivity):** 노드 간의 데이터 흐름은 고유한 링크 ID와 입력/출력 슬롯 인덱싱을 통해 정의된다 [5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **실행 모델 반전 (Execution Model Inversion):** 엔진이 출력 노드(Save Image 등)에서 시작하여 역방향으로 그래프를 탐색, 필요한 의존성만 식별하여 실행하는 최적화 패턴을 따른다 [6].
+- **메타데이터 임베딩 (Metadata Embedding):** PNG 파일의 tEXt 또는 zTXt 청크에 Frontend와 API 포맷의 JSON 데이터를 동시에 저장하여 시각적 편집과 프로그래밍적 재실행을 모두 지원한다 [7-9].
+- **버전 호환성 제약:** 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 ComfyUI 버전에서 정상 작동하지 않을 수 있는 패턴이 관찰된다 [10].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우 JSON v1.0은 복잡한 노드 네트워크를 이식 가능하고 사람이 읽을 수 있는 형태의 데이터로 변환하는 핵심 메커니즘이다 [11, 12].
+
+**1. 노드 객체의 기술적 구성**
+- **필수 속성:** `id`(그래프 탐색용 고유 식별자), `type`(노드 레지스트리의 클래스 이름 매핑), `pos` 및 `size`(UI 렌더링용 좌표 및 크기), `order`(실행 또는 렌더링 순서), `mode`(활성/바이패스 상태)가 포함된다 [2].
+- **선택적 속성:** 사용자가 입력한 슬라이더, 텍스트 박스 등의 값을 저장하는 `widgets_values`가 존재한다 [2].
+
+**2. 포맷별 구조적 차이**
+- **Frontend JSON (workflow.json):** 시각적 편집을 위해 Litegraph 표준을 따르며, 노드 위치, 그룹 구조, 색상 등 모든 시각적 메타데이터를 포함한다 [1, 3, 13].
+- **API JSON (workflow_api.json):** 서버 사이드 처리에 최적화된 스트림라인 실행 그래프이다 [1]. 시각적 데이터를 제거하고 노드 입력 내에 링크를 직접 임베딩하여 효율성을 극대화한다 [1, 3, 14].
+
+**3. 연결 메커니즘**
+- 연결은 `links` 배열 내에서 정의되며, 각 항목은 일반적으로 `origin_id`, `origin_slot`, `target_id`, `target_slot`을 정의하는 6개 항목 배열 또는 구조화된 객체이다 [5].
+- 슬롯 인덱싱은 매우 엄격하여, 특정 노드의 여러 출력 슬롯 중 정확히 어떤 데이터가 다운스트림 노드에 소비되는지 명시해야 한다 [5].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON 포맷의 취약성:** PNG 메타데이터에 포함된 JSON은 표준 이미지 편집기나 소셜 미디어 플랫폼에서 압축/편집 시 삭제되기 쉬운 취약점이 있다 [9].
+- **버전 간 비호환성:** 소스에 따르면 ComfyUI의 빈번한 업데이트로 인해 구버전 JSON이 최신 버전에서 작동하지 않을 수 있으며, 이를 해결하기 위해 ComfyUI Manager 등의 도구가 의존성을 해결해야 한다 [10, 15].
+- **필드 명칭 차이:** Frontend 포맷에서는 `type`을 사용하지만 API 포맷에서는 `class_type`이라는 명칭을 사용하여 노드를 식별한다 [3, 16].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **공식 문서 경로:** `/specs/workflow_json` 위치에 JSON Schema v1.0 명세가 정의되어 있다 [17].
+- **버전 관리:** 현재 가장 최신 규격은 Version 1.0이며, 이전 버전인 0.4와 구분되어 관리된다 [18].
+- **유효성 검사 도구:** `comfyui-workflow-to-api-converter-endpoint` 커스텀 노드는 서버 사이드에서 비-API 워크플로우를 v1.0 API 포맷으로 변환하는 기능을 구현하고 있다 [19, 20].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 명세 및 개발 문서 기반으로 구조화됨) [2, 21]
+- **출처 신뢰도:** B (공식 문서 및 기본 소스 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Draft-07 Specification]]
+  - 연결 이유: JSON Schema v1.0이 기반으로 삼고 있는 기술 표준이다 [2].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 데이터의 유효성 검사 규칙 및 구조적 제약 조건.
+- [[Node-based Visual Programming]]
+  - 연결 이유: JSON Schema가 표현하고자 하는 추상화된 프로그래밍 모델이다 [11, 22].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드와 링크가 실제 프로그램 논리로 변환되는 원리.
+
+#### [구현/활용 도구]
+- [[API JSON (workflow_api.json)]]
+  - 연결 이유: v1.0 스키마가 실제로 실행 환경에서 가장 많이 활용되는 형태이다 [1, 14].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 서버리스 배포 및 API 호출 시의 데이터 최적화 방법.
+- [[Frontend JSON (workflow.json)]]
+  - 연결 이유: v1.0 스키마의 시각적 메타데이터를 포함하는 전체 데이터셋이다 [1, 13].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 사용자 인터페이스 상에서의 워크플로우 재구성과 공유.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- v1.0 스키마에서 Draft-07 규격이 구체적으로 어떤 유효성 검사 과정을 거쳐 노드 실행 전 오류를 방지하는가? [2]
+- Frontend JSON의 시각적 메타데이터(pos, size)가 실제 백엔드 실행 엔진에 전혀 영향을 주지 않는 구조적 이유는 무엇인가? [1, 3]
+- 링크 데이터 표현 방식(6개 항목 배열)에서 각 인덱스가 담고 있는 기술적 의미는 무엇인가? [5]
+- [[Execution Model Inversion]] 패턴이 적용될 때, JSON 내에서 사용되지 않는 노드는 어떤 과정을 통해 무시되는가? [6]
+- API 포맷에서 `class_type`이 아닌 `inputs` 내에 링크 정보가 포함되는 방식이 실행 속도에 미치는 영향은 무엇인가? [1, 3]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** Python의 `json` 라이브러리를 사용하여 노드 ID를 추적하고 `widgets_values`를 동적으로 수정하여 자동화된 이미지 생성을 구현할 수 있다 [23, 24].
+- **System Design:** 외부 애플리케이션에서 ComfyUI를 호출할 때, `workflow_api.json` 형식을 사용하여 불필요한 UI 데이터를 배제하고 전송 효율을 높인다 [1, 25].
+- **Operation / Maintenance:** `ComfyUI Manager`를 통해 JSON 내의 `class_type`을 파싱하여 누락된 커스텀 노드를 자동으로 설치하고 관리할 수 있다 [15].
+- **Learning Path:** 시각적 워크플로우를 먼저 이해한 후, 개발자 모드를 활성화하여 API 전용 JSON 포맷의 데이터 구조를 분석하는 단계로 학습이 진행된다 [26, 27].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Object_info.json]]
+  - 확장 방향: 실행 중인 ComfyUI 인스턴스의 노드 스키마 카탈로그를 이해하여 JSON을 동적으로 생성하는 도구 제작 [28, 29].
+- [[Metadata Stripping]]
+  - 확장 방향: 이미지 파일 공유 시 발생하는 워크플로우 데이터 손실 방지 및 복구 전략 [9, 19].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Large Language Models (LLM).md

@@ -0,0 +1,61 @@
+---
+id: large-language-models-(llm)
+title: "Large Language Models (LLM)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator", "ComfyGPT Research"]
+github_commit: "82df278"
+---
+
+# [[Large Language Models (LLM)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+LLM은 자연어 의도를 실행 가능한 ComfyUI 노드 그래프로 변환함으로써 '시각적 프로그래밍'을 '대화형 프로그래밍'으로 진화시키는 핵심 가교 역할을 수행한다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **자연어 기반 워크플로우 합성 (Natural Language Synthesis):** 사용자의 텍스트 설명을 해석하여 복잡한 노드 연결 구조를 자동으로 설계하는 기술 [3, 4].
+2. **멀티 스테이지 파이프라인 (Multi-stage Pipeline):** 생성(Generator), 검증(Validator), 빌드(Builder)의 세 단계를 거쳐 논리적 설계를 물리적 실행 파일로 변환하는 구조 [5].
+3. **미세 조정된 도메인 특화 모델 (Fine-tuned Specialized Models):** ComfyUI의 노드 레지스트리와 스키마 규격에 최적화된 특정 파라미터 규모의 모델(예: Qwen2.5-14B) [3, 6].
+4. **시맨틱 노드 검증 (Semantic Node Validation):** LLM이 생성한 노드 명칭을 실제 설치된 노드 라이브러리와 대조하여 수정하는 시맨틱 검색 및 임베딩 기술 [5, 7].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **논리-물리 분리 설계 패턴:** LLM이 먼저 추상적인 그래프 논리(Logical Graph)를 생성한 후, 이를 로컬 환경의 실제 노드 클래스와 매핑하여 검증하는 이단계 접근 방식을 취함 [1, 5].
+- **바이트코드로서의 JSON:** JSON 파일을 단순한 저장 포맷이 아닌, 인간의 의도와 AI 실행 엔진 사이의 중간 언어(Bytecode)로 취급함 [1].
+- **RAG 기반 지식 확장 패턴 (지향점):** 정적 모델의 한계를 극복하기 위해 실시간 노드 데이터베이스를 쿼리하여 새로운 노드 지식을 습득하는 구조로의 발전 경향 [8].
+
+## 📖 세부 내용 (Details)
+LLM을 활용한 ComfyUI 워크플로우 생성은 기술적 지식이 부족한 사용자도 복잡한 생성 AI 파이프라인을 구축할 수 있게 돕는다. 소스에 따르면, **ComfyUI-WorkflowGenerator**는 Qwen2.5-14B 모델을 미세 조정하여 자연어 지시(예: "Depth ControlNet을 추가해줘")를 실행 가능한 JSON 구조로 변환한다 [3, 4, 6].
+
+생성 프로세스는 세 가지 핵심 구성 요소로 운영된다. **Generator**는 LLM을 사용해 사용자의 프롬프트를 해석하고 논리적 그래프 구조를 생성하며, **NodeValidator**는 이 구조가 로컬 ComfyUI 환경의 실제 노드들과 호환되는지 확인하고 수정한다 [5, 7]. 마지막으로 **WorkflowBuilder**는 이를 최종적인 실행 가능 JSON 형식으로 컴파일한다 [5, 9].
+
+성능 최적화를 위해 GGUF 형식으로 양자화된 모델이 사용되며, 시맨틱 검색에는 `sentence-transformers` 모델이 활용된다 [6, 10]. 현재 시스템은 학습 데이터 컷오프 이후에 출시된 커스텀 노드를 인식하지 못하는 '정적 모델'의 한계를 가지고 있으나, 향후 I/O 스키마(데이터 타입) 인식 및 소형 그래프 추론 모델(SLM)을 통한 개선이 논의되고 있다 [8, 11].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정적 학습 vs 실시간 생태계:** LLM은 학습된 시점의 노드 정보에 고정(Frozen)되어 있는 반면, ComfyUI 생태계는 매일 새로운 노드가 추가되는 불일치가 발생함 [11]. 이를 해결하기 위해 단순 생성이 아닌 RAG(검색 증강 생성) 기반의 탐색 기술로의 전환이 필요함이 강조됨 [8].
+- **언어적 타당성 vs 실행적 유효성:** 현재 시스템은 언어적으로 그럴싸한 연결을 생성할 수 있으나, 실제 노드 간의 데이터 타입(LATENT, IMAGE 등)이 물리적으로 일치하는지 완벽히 보장하지 못하는 경우가 있어 향후 'I/O 스키마 인식' 에이전트의 도입이 요구됨 [8].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI-WorkflowGenerator:** Qwen2.5-14B를 기반으로 자연어 설명을 노드 그래프로 변환하는 실제 커스텀 노드 프로젝트 [4, 12].
+- **ComfyGPT Research:** "ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation" 논문에 기반한 자가 최적화 시스템 설계 [5].
+- **Update Node Catalog:** 로컬에 설치된 모든 노드(네이티브 및 커스텀)를 스캔하여 LLM이 참조할 수 있는 카탈로그 파일로 생성하는 구현체 [9].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Lazy Evaluation in Graph Theory.md

@@ -0,0 +1,100 @@
+---
+id: lazy-evaluation-in-graph-theory
+title: "Lazy Evaluation in Graph Theory"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Execution Model Inversion"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Execution Model Inversion"]
+github_commit: ""
+---
+
+# [[Lazy Evaluation in Graph Theory]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI는 **실행 모델 역전(Execution Model Inversion)** 아키텍처를 통해 출력 노드로부터 역방향으로 그래프를 추적하여 최종 결과에 필요한 노드만 선택적으로 실행함으로써 효율성을 극대화한다 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+- **유향 비순환 그래프 (Directed Acyclic Graph, DAG):** ComfyUI 워크플로우의 근간으로, 노드 간의 링크가 데이터의 흐름을 정의하며 순환하지 않는 구조를 형성한다 [2].
+- **실행 모델 역전 (Execution Model Inversion):** 그래프의 모든 노드를 순차적으로 실행하는 대신, '출력' 노드에서 시작하여 필요한 의존성만 역추적하는 방식이다 [1].
+- **의존성 식별 (Dependency Identification):** 백엔드 엔진이 최종 결과(예: Save Image)에 기여하지 않는 노드를 무시하고 실행 목록(Execution List)을 구성하는 프로세스이다 [1, 3].
+- **백엔드 실행 그래프 최적화:** API 포맷(workflow_api.json)은 시각적 메타데이터를 제거하고 실행에 필수적인 논리적 연결성만을 포함하여 처리 속도를 높인다 [4, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **역방향 트리거링 패턴:** 사용자나 시스템이 특정 출력 노드를 요청하면, 해당 노드에 연결된 입력 경로를 따라 상위 노드들이 활성화되는 구조를 가진다 [1].
+- **불필요한 계산 배제:** 생성된 JSON 내에 수십 개의 미사용 노드가 포함되어 있더라도 최종 출력에 기여하지 않는다면 성능에 영향을 주지 않는다 [1].
+- **동적 프롬프트 변환:** JSON 워크플로우를 유효성 검사 후 `DynamicPrompt` 및 `ExecutionList`로 변환하여 노드 실행 순서를 최적화한다 [3, 6].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 지연 평가(Lazy Evaluation)적 접근법은 **그래프 이론의 DAG 구조**를 기반으로 한 **실행 모델 역전** 아키텍처에서 구체화된다 [1, 2]. 전통적인 선형 파이프라인과 달리, ComfyUI 엔진은 'Save Image'와 같은 출력 지점에서부터 그래프를 거꾸로 횡단(Traverse)한다 [1]. 이 과정에서 엔진은 최종 결과물을 생성하기 위해 실행되어야 할 노드와 그 순서를 식별하며, 결과에 기여하지 않는 노드는 백엔드에서 완전히 무시된다 [1].
+
+이러한 방식은 대규모 워크플로우를 JSON으로 관리할 때 큰 이점을 제공한다. 사용자는 단일 JSON 파일 내에 다양한 실험적 노드 구성을 유지할 수 있으며, 실제 실행 시에는 필요한 경로만 활성화되므로 성능 저하 없이 유연한 작업이 가능하다 [1]. 
+
+프로그래밍적 관점에서, 이러한 실행 로직은 `WorkflowExecutor` 클래스 등에 의해 캡슐화될 수 있다 [3]. 워크플로우 JSON이 로드되면 `validate_prompt` 함수를 통해 검증되고, 최종적으로 노드별 입력 데이터 검색(`get_input_data`)과 출력 데이터 생성(`get_output_data`)을 거치는 실행 목록으로 변환된다 [3, 6]. 결과적으로 JSON 파일은 단순한 데이터 저장소가 아닌, 실행 엔진이 읽고 최적화할 수 있는 **지시문(Blueprint)** 역할을 수행하게 된다 [7].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **메타데이터의 취약성:** JSON 데이터는 PNG 이미지의 메타데이터(tEXt/zTXt 청크)에 저장되지만, 이미지 편집기나 소셜 미디어 플랫폼을 거치면 이 정보가 손실될 수 있어 데이터의 영속성이 보장되지 않는다 [8].
+- **포맷 간의 괴리:** 시각적 편집용인 'Frontend Format'과 실행용인 'API Format'이 이원화되어 있어, API 포맷 파일을 UI로 다시 불러올 경우 시각적 레이아웃(노드 위치 등)이 누락되는 문제가 존재한다 [4, 9, 10].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Execution Model Inversion:** ComfyUI 공식 백엔드 로직에 적용되어 출력 노드 중심의 역방향 그래프 횡단을 구현함 [1].
+- **WorkflowExecutor:** Python 기반 독립 실행 스크립트 구현 시 워크플로우를 `ExecutionList`로 변환하고 실행하는 핵심 컴포넌트로 제안됨 [3, 6].
+- **ComfyUI-WorkflowGenerator:** LLM을 이용해 자연어 설명을 논리적 그래프 구조(JSON)로 합성하고 이를 실행 가능한 빌더로 전달하는 3단계 파이프라인에서 활용됨 [11, 12].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: ComfyUI 워크플로우의 구조적 근간 [2].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 데이터 흐름의 방향성과 노드 간의 위계적 연결 방식.
+- [[Execution Model Inversion]]
+  - 연결 이유: 지연 평가를 가능하게 하는 핵심 메커니즘 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 백엔드 엔진이 실행 효율성을 높이는 구체적인 알고리즘.
+
+#### [구현/활용 도구]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: 그래프 구조가 직렬화되어 파일로 저장되는 대상 [2, 7].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 ID, 유형, 입력값 등이 JSON 내에서 어떻게 매핑되는지.
+- [[workflow_api.json]]
+  - 연결 이유: 지연 평가 로직이 적용되는 최종 실행용 파일 포맷 [4, 13].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각 메타데이터가 제거된 순수 실행 그래프의 구조.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- ComfyUI 백엔드에서 역방향 횡단 시 캐싱(Caching)은 중복 계산을 어떻게 방지하는가? [6]
+- `DynamicPrompt`가 `ExecutionList`로 변환되는 과정에서 노드의 실행 우선순위(Order)는 어떻게 결정되는가? [3, 14]
+- 노드가 'Bypass' 상태일 때 그래프 이론 측면에서 링크 연결성은 어떻게 처리되는가? [15]
+- 특정 노드에만 실행을 제한하는 'Partial Execution' 기능은 지연 평가 모델과 어떻게 상호작용하는가? [16, 17]
+- LLM 기반 워크플로우 생성기에서 논리적 합성(Logical Synthesis) 결과가 그래프 이론의 유효성을 만족하는지 검증하는 구체적인 알고리즘은 무엇인가? [12, 18]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 독립 실행형 스크립트를 작성할 때 `WorkflowExecutor`를 활용하여 JSON 워크플로우를 직접 제어할 수 있다 [3].
+- **System Design:** API 호출 시 필요한 노드만 포함된 `workflow_api.json`을 사용하여 네트워크 페이로드와 서버 부하를 최소화할 수 있다 [4, 5].
+- **Operation / Maintenance:** 워크플로우 수정 시 미사용 노드를 삭제하지 않고 남겨두더라도 실제 실행 성능에는 영향을 주지 않으므로 유지보수가 용이하다 [1].
+- **Learning Path:** 노드 기반 인터페이스의 시각적 로직을 이해하는 것이 곧 시스템의 실행 논리를 학습하는 과정이 된다 [19].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing]]
+  - 확장 방향: 워크플로우 포터빌리티 확보를 위해 파일명 대신 해시를 이용한 모델 식별 방법 [20].
+- [[Natural Language to Workflow Generation]]
+  - 확장 방향: LLM을 통해 대화형으로 그래프 구조를 생성하는 미래 지향적 방식 [11, 21].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.---

10_Wiki/Topics/Topic_Graphic/Comfyui/Litegraph Standard.md

@@ -0,0 +1,97 @@
+---
+id: litegraph-standard
+title: "Litegraph Standard"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Litegraph Format", "Frontend JSON Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Litegraph", "Frontend"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-frontend-package/src/scripts/metadata", "ComfyUI Settings/Lite Graph"]
+github_commit: ""
+---
+
+# [[Litegraph Standard]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Litegraph Standard는 ComfyUI의 시각적 워크플로우를 구성하는 노드의 배치, 크기, 그룹 등 **UI 메타데이터를 포함한 그래프 구조를 정의하는 프론트엔드 직렬화 규격**이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Frontend JSON (workflow.json):** 사용자 상호작용 및 시각화를 위해 설계된 포맷으로, Litegraph 표준을 준수하여 노드의 좌표와 레이아웃 정보를 보존한다 [1, 3].
+- **Visual Metadata:** 노드의 위치(pos), 크기(size), 색상, 그룹 구조, 노드의 축소(collapsed) 또는 고정(pinned) 상태와 같은 시각적 속성을 포함한다 [1, 4].
+- **Explicit Link Objects:** 노드 간의 연결을 별도의 배열 내에서 명시적인 연결 객체(link ID)로 표현하여 그래프 시각화를 용이하게 한다 [1, 3, 5].
+- **Node-Based Interface Compatibility:** Maya, Blender, Unreal Engine 등 타 시각적 프로그래밍 환경과 유사한 그래프 시각화 및 조작 패러다임을 제공한다 [6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **형식의 이분화 (Serialization Bifurcation):** 워크플로우를 저장할 때 시각적 편집을 위한 Litegraph 기반 '프론트엔드 포맷'과 실행 효율을 위한 'API 포맷'으로 구분하여 관리하는 패턴이 발견된다 [1].
+- **스키마 제약 조건 (Schema Constraints):** JSON v1.0 규격에 따라 노드 객체는 고유 ID, 클래스 타입, 좌표, 크기, 실행 순서(order), 모드 등을 반드시 정의해야 한다 [4].
+- **메타데이터 임베딩 (Metadata Embedding):** PNG 파일의 tEXt 또는 zTXt 청크에 Litegraph 형식의 워크플로우 데이터를 삽입하여 이미지 자체가 백업 및 공유 수단이 되도록 설계한다 [7, 8].
+
+## 📖 세부 내용 (Details)
+Litegraph 표준은 ComfyUI 워크플로우의 **'소스 코드' 역할을 수행하는 프론트엔드 JSON 포맷**의 기술적 근간이다 [1, 9]. 이 표준은 노드 기반의 시각적 프로그래밍 환경에서 노드 간의 데이터 흐름뿐만 아니라, 사용자가 구성한 캔버스 상의 시각적 질서를 보존하는 데 중점을 둔다 [1, 10].
+
+주요 기술적 특성은 다음과 같다:
+- **데이터 구조:** 루트 레벨에서 `nodes` 배열과 `links` 배열을 포함하며, 각 노드는 캔버스 상의 X, Y 좌표(`pos`)와 너비, 높이(`size`) 정보를 보유한다 [4, 5].
+- **연결 방식:** 노드 내부의 `inputs`와 `outputs`는 단순한 참조가 아닌, 전역 `links` 배열에 정의된 고유한 링크 ID를 통해 상호 연결된다 [5]. 이는 API 포맷에서 입력값에 소스 노드 정보를 직접 내장하는 방식과 대조적이다 [1].
+- **사용자 경험 지원:** 그룹화 기능 및 노드 상태(Active, Bypassed 등)를 지원하여 복잡한 워크플로우의 가독성을 높인다 [4]. 
+- **호환성 및 확장:** ComfyUI 설정 메뉴에는 'Lite Graph' 관련 전용 설정 카테고리가 존재하며, 이를 통해 인터페이스 동작을 제어할 수 있다 [11, 12].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **실행 호환성 문제:** Litegraph 표준 기반의 JSON(workflow.json)은 노드 좌표 등 불필요한 메타데이터가 많아 백엔드 엔진이 직접 해석하기에 비효율적이며, 종종 `/prompt` 엔드포인트에서 오류를 발생시킨다 [1, 9, 13]. 따라서 서버 실행을 위해서는 이를 API 포맷으로 변환해야 한다 [14].
+- **데이터 취약성:** PNG 이미지에 포함된 Litegraph 메타데이터는 표준 이미지 편집기나 소셜 미디어 플랫폼에서 압축/편집 시 쉽게 손실될 수 있다는 점이 지적된다 [7, 8].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-frontend-package:** 프론트엔드 자바스크립트 컨텍스트 내의 `src/scripts/metadata` 경로에서 공식적인 메타데이터 파싱 로직으로 적용됨 [15].
+- **ComfyUI 설정 메뉴:** 인터페이스 내 Settings > Lite Graph 섹션을 통해 관련 기능이 구현되어 있음 [11].
+- **workflow.json 내보내기:** ComfyUI 제어판의 'Export' 기능을 통해 생성되는 모든 표준 워크플로우 파일의 규격으로 사용됨 [16, 17].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 및 아키텍처 분석을 통해 확인됨)
+- **출처 신뢰도:** B (Official Documentation 및 기술 블로그 분석 결과)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[ComfyUI Workflow JSON Generation and Serialization]]
+  - 연결 이유: Litegraph 표준이 직렬화 프로세스의 핵심 구성 요소임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 프론트엔드와 API 포맷 간의 기술적 차이점.
+- [[Visual Programming Environment]]
+  - 연결 이유: Litegraph가 지향하는 사용자 인터페이스 패러다임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 기반 시스템의 범용적 설계 원리.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: Litegraph JSON을 파싱하여 누락된 커스텀 노드를 식별하고 관리함.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 워크플로우 종속성 해결 메커니즘.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Litegraph 표준에서 정의하는 `links` 배열의 6가지 인덱스 값은 각각 구체적으로 어떤 데이터를 의미하는가? [5]
+- API 포맷(workflow_api.json)으로 변환 시 Litegraph의 어떤 데이터가 가장 먼저 폐기되는가? [1, 3]
+- `comfyui-frontend-package`의 자바스크립트 로직은 Litegraph 데이터를 어떻게 검증(Validation)하는가? [15]
+- 노드 상태(`mode`) 중 'Bypassed' 처리가 Litegraph 직렬화 결과에 미치는 영향은 무엇인가? [18]
+- 0.4 버전에서 1.0 버전으로의 Litegraph 스키마 변경 시 주요 차이점은 무엇인가? [19, 20]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 커스텀 노드 개발 시 `INPUT_TYPES`를 Litegraph 규격에 맞춰 정의하여 UI 상에서 올바르게 렌더링되도록 함 [21].
+- **System Design:** 워크플로우 관리 시스템 설계 시, 시각적 편집용 데이터와 실행 전용 데이터를 분리하여 저장하는 구조를 채택함 [1].
+- **Learning Path:** 초보자가 워크플로우 구조를 이해하기 위해 JSON 파일을 직접 열어 노드 ID와 연결 관계를 추적하는 학습 도구로 활용 가능함 [22].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Directed Acyclic Graph (DAG)]]
+  - 확장 방향: Litegraph가 시각적으로 표현하는 데이터 흐름의 수학적 모델.
+- [[Metadata Stripping]]
+  - 확장 방향: 이미지 공유 과정에서 Litegraph 정보가 소실되는 보안 및 기술적 이유 분석.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Litegraph.md

@@ -0,0 +1,58 @@
+---
+id: litegraph
+title: "Litegraph"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI Settings Menu", "workflow.json"]
+github_commit: ""
+---
+
+# [[Litegraph]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 프론트엔드 워크플로우의 시각적 레이아웃과 노드 연결 구조를 정의하는 핵심 직렬화 표준 규격 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **프론트엔드 JSON 포맷의 근간:** ComfyUI의 시각적 편집 도구인 `workflow.json` 파일이 따르는 표준으로, 노드 기반 그래프의 시각화 및 조작을 위해 설계됨 [1, 2].
+2. **시각적 메타데이터 저장:** 노드의 좌표(`pos`), 크기(`size`), 그룹 구성, 노드의 축소(collapsed) 또는 고정(pinned) 상태와 같은 UI 전용 정보를 포함함 [1, 3].
+3. **명시적 링크 시스템 (Explicit Links):** 노드 간의 연결을 별도의 `links` 배열 내에서 고유 식별자를 가진 객체로 관리하며, 이는 백엔드 실행용 API 포맷과 차별화되는 지점임 [1, 4, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **이분법적 직렬화 구조:** 사용자 인터페이스를 위한 Litegraph 기반의 '프론트엔드 포맷'과 서버 실행을 위한 'API 포맷'을 엄격히 구분하여 운영함 [1, 4, 6].
+- **캔버스 상태 복원 패턴:** Litegraph 규격을 준수함으로써 워크플로우 로드 시 사용자가 마지막으로 작업했던 좌표와 노드 배치를 정확하게 재생성함 [7, 8].
+
+## 📖 세부 내용 (Details)
+- **기술적 구성 요소:** Litegraph 표준에 따라 노드 객체는 `id`(고유 번호), `type`(노드 클래스명), `pos`(캔버스 내 x, y 좌표), `size`(너비 및 높이), `order`(실행/렌더링 순서) 등 필수 속성을 가짐 [3, 9].
+- **데이터 흐름 정의:** 연결성은 `inputs`와 `outputs` 배열을 통해 정의되며, 각 입력은 고유한 링크 ID를 참조하여 데이터의 기원(origin_id)과 슬롯(origin_slot)을 식별함 [5].
+- **비주얼 프로그래밍 환경:** Maya, Blender, Unreal Engine 등 전문적인 노드 기반 소프트웨어와 유사한 '절차적 프레임워크'를 제공하여 사용자가 복잡한 수학이나 코드 이해 없이도 AI 시스템을 설계할 수 있게 함 [10, 11].
+- **메타데이터 임베딩:** ComfyUI는 Litegraph 규격의 JSON 데이터를 생성된 PNG 파일의 메타데이터(tEXt/zTXt 청크)에 삽입하여, 이미지 파일을 캔버스로 드래그했을 때 워크플로우가 즉시 복구되도록 지원함 [12, 13].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 간 호환성 제약:** ComfyUI의 빈번한 업데이트로 인해 이전 버전의 Litegraph 기반 JSON 파일이 최신 환경에서 제대로 로드되지 않거나 위젯이 사라지는 현상이 발생할 수 있음 [14, 15].
+- **실행 엔진과의 괴리:** Litegraph 포맷은 시각적 정보가 비대하여 백엔드 API 요청 시 오류를 유발할 수 있으므로, 반드시 'Dev mode'를 통한 API 포맷 변환 과정이 필요함 [8, 16].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI 설정(Settings) 메뉴:** 인터페이스 내 설정 창에 'Lite Graph' 섹션이 별도로 존재하여 관련 시각 옵션을 조정할 수 있음 [17, 18].
+- **워크플로우 내보내기(Export):** 사용자가 인터페이스 메뉴에서 'Export'를 선택할 때 생성되는 `workflow.json` 파일이 이 규격을 직접적으로 사용함 [7, 9].
+- **MetaData Parsing Logic:** ComfyUI 프론트엔드 패키지 내의 자바스크립트 컨텍스트(`src/scripts/metadata`)에서 Litegraph 기반의 메타데이터 파싱이 공식적으로 수행됨 [19].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (ComfyUI 공식 문서 및 기술 사양을 통해 규격 확인됨)
+- **출처 신뢰도:** B (Official Documentation / Technical Architecture Review via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Load Image (Base64).md

@@ -0,0 +1,57 @@
+---
+id: load-image-(base64)
+title: "Load Image (Base64)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Base64 Image Loading", "Image-to-Base64 API Input"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy_api_python.py"]
+github_commit: ""
+---
+
+# [[Load Image (Base64)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+API 기반 자동화 환경에서 별도의 파일 서버 저장 절차 없이 워크플로우 JSON 내에 이미지 데이터를 텍스트 형태로 직접 포함하여 전송하는 핵심 데이터 주입 기술 [1], [2].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **데이터 임베딩 (Data Embedding):** 이미지 바이너리 데이터를 Base64 문자열로 변환하여 워크플로우 JSON의 입력 필드에 직접 삽입함 [2].
+2. **무저장소 아키텍처 (Stateless Storage):** 서버 측의 임시 파일 저장소에 이미지를 저장할 필요 없이 메모리 상에서 직접 워크플로우를 실행하게 함 [1].
+3. **자체 완결적 요청 (Self-contained Request):** 생성 로직(Workflow)과 원천 데이터(Image)를 하나의 JSON 페이로드에 통합하여 데이터 관리 복잡성을 해소함 [1].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **동적 파라미터 치환 패턴:** 로컬에서 이미지를 Base64로 인코딩한 후, 워크플로우 JSON에서 해당 노드의 ID를 식별하여 `inputs`의 `base64_data` 필드 값을 동적으로 교체하여 서버에 요청함 [3], [2].
+- **API 호출 표준화:** 생산용 자동화 시스템(예: 배너 광고 생성)에서 입력 이미지가 매번 바뀔 때마다 파일 경로 관리 대신 데이터 자체를 전송하는 방식을 취함 [1].
+
+## 📖 세부 내용 (Details)
+- **기능 및 정의:** 'Load Image (Base64)' 노드는 주로 API 호출을 통한 프로덕션 자동화 시스템에서 활용된다 [1]. 이 노드는 이미지를 문자열로 인코딩하여 JSON 워크플로우 내에 직접 포함할 수 있게 설계되었으며, 이는 ComfyUI를 외부 애플리케이션이나 원격 서버에 통합할 때 필수적인 요소다 [1].
+- **동작 메커니즘:** 파이썬(Python)과 같은 외부 언어를 사용하여 이미지를 `base64.b64encode` 방식으로 변환한다 [2]. 이후 API 형태의 워크플로우 JSON 파일에서 해당 노드의 고유 ID(예: #37)를 찾아 `inputs` 딕셔너리 내의 `base64_data` 필드에 해당 문자열을 주입한다 [2].
+- **운영상의 이점:** 서버 측에 이미지 파일을 업로드하고 경로를 참조하는 번거로운 과정을 우회할 수 있어 시스템이 간결해진다 [1]. 특히 깊이 추정(depth estimation)이나 스타일 변환(style transfer)처럼 다양한 입력 이미지가 반복적으로 요구되는 환경에서 효율적이다 [1].
+- **연결성:** 이 노드는 이미지를 Base64 데이터로부터 직접 복원하여 워크플로우 내의 다음 노드(예: CLIP Vision Encode, ControlNet 등)로 전달하는 역할을 수행한다 [1], [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **파일 경로와의 차이:** 일반적인 'Load Image' 노드는 서버 내 `input` 폴더의 물리적 파일 이름을 참조하지만, 'Load Image (Base64)'는 파일 이름이 아닌 인코딩된 데이터 문자열 자체를 직접 처리한다는 기술적 차이가 존재한다 [1], [2].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Python API 연동 예제 (소스 152):** `comfy_api_python.py`라는 파일 이름으로 구체적인 구현 코드가 제시되었다. 해당 코드에서는 `image_base64(filename)` 함수를 통해 이미지를 인코딩하고, `prompt[str(load_image_node_id)]["inputs"]["base64_data"] = image` 로직을 통해 JSON 데이터를 동적으로 수정하여 ComfyUI 서버에 요청을 보내는 방식이 실제로 적용되었다 [2].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Metadata Extraction.md

@@ -0,0 +1,65 @@
+---
+id: metadata-extraction
+title: "Metadata Extraction"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["exiftool", "comfyui-extractor.py", "Comfy_UI_prompt_extractor", "ComfyUI-to-Python-Extension", "Weird Wonderful AI Art Extractor"]
+github_commit: "82df278"
+---
+
+# [[Metadata Extraction]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+AI 생성 이미지 파일 자체를 실행 가능한 워크플로우의 '컨테이너'로 활용하여 생성 로직의 영속성과 공유를 보장하는 핵심 메커니즘 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Steganographic Embedding (비가시적 데이터 주입):** PNG의 `tEXt`나 `zTXt`와 같은 메타데이터 청크 내에 JSON 형식의 노드 그래프와 설정값을 주입하여 보존함 [2, 3].
+- **Format Redundancy (포맷 중복성):** 시각적 레이아웃 정보가 포함된 **Frontend JSON (workflow.json)**과 실행을 위한 경량화된 **API JSON (prompt)**을 동시에 이미지에 저장하여 편집과 재실행을 모두 지원함 [3, 4].
+- **Self-Documenting Artifact (자기 문서화 아티팩트):** 생성된 미디어가 단순한 결과물이 아니라, 이를 만든 알고리즘(워크플로우)을 내포한 독립적인 소스 코드 역할을 수행함 [2, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Direct Canvas Restoration:** 이미지 파일을 ComfyUI 브라우저 캔버스로 드래그 앤 드롭하여 즉각적으로 노드 레이아웃을 복구하는 패턴 [1, 6-8].
+- **Binary Chunk Isolation:** 외부 명령줄 도구를 통해 이미지 데이터와 분리하여 특정 메타데이터 태그(`-workflow`, `-prompt`)만을 바이너리 형태로 추출하는 패턴 [9, 10].
+- **Metadata Fragility (취약성 패턴):** 이미지 편집기(GIMP 등)나 소셜 미디어 플랫폼을 거치며 최적화 과정에서 비정형 메타데이터가 삭제되어 워크플로우 정보가 소실되는 현상 [3, 11-13].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 메타데이터 추출은 단순히 정보를 읽는 것을 넘어, **생성 AI 워크플로우를 재구성하는 기술적 토대**가 됨.
+
+- **데이터 저장 구조:** PNG 파일 내에서 ComfyUI는 주로 두 가지 문자열을 주입함. 하나는 노드 위치와 시각적 그룹을 포함한 **Frontend 형식**이고, 다른 하나는 백엔드 엔진이 즉시 실행할 수 있는 **API 형식(prompt)**임 [3, 14].
+- **알고리즘적 추출 방법:**
+    - **Native API:** ComfyUI 웹 인터페이스는 이미지를 불러올 때 내부적으로 메타데이터를 파싱하여 `nodes` 배열을 재구성함 [7, 15].
+    - **CLI 기반 도구:** `exiftool`을 활용하여 `-workflow` 태그를 바이너리(`-b`)로 읽어 JSON 파일로 리다이렉션하는 방식이 표준적으로 사용됨 [9, 10].
+    - **전용 추출기:** `comfyui-extractor.py`나 웹 기반의 `Weird Wonderful AI Art` 도구는 이미지에서 긍정적 프롬프트, API 그래프, UI 레이아웃을 각각 분리하여 추출하는 기능을 제공함 [9, 12, 16].
+- **프로그래밍적 연동:** `ComfyUI-to-Python-Extension`과 같은 도구는 생성된 Python 스크립트로 이미지를 만들 때 워크플로우 메타데이터를 포함시켜, 추후 사용자가 이미지를 다시 ComfyUI로 드롭했을 때 원래의 워크플로우를 열 수 있도록 설계됨 [17].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정보 누락 가능성:** Save-Image 노드가 워크플로우를 주입할 때, 새로 추가된 노드나 특정 커스텀 노드의 정보가 때때로 누락될 수 있다는 한계가 보고됨 [11].
+- **편집기 호환성 문제:** GIMP와 같은 외부 편집 도구를 사용하면 워크플로우 메타데이터가 비표준 태그로 인식되어 삭제되는 이슈가 있으며, 이를 해결하기 위해 `exiftool`의 `%unreg` 설정을 통한 재삽입 기능이 논의되고 있음 [10, 13].
+- **최신 동향:** 단순 추출을 넘어, 워크플로우를 이미지나 SVG에 렌더링하여 시각적으로 확인하면서도 메타데이터를 보존하는 방식(`pythongosssss' workflow image` 등)이 대안으로 활용됨 [13, 15].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ExifTool 자동화:** `exiftool -b -workflow input.png > workflow.json` 명령어를 통해 대량의 이미지에서 워크플로우를 벌크로 추출함 [9].
+- **ComfyUI-to-Python-Extension:** 내보낸 `.py` 스크립트 실행 시 `Save As Script` 기능을 통해 이미지 메타데이터에 워크플로우 정보를 동봉함 [17].
+- **Weird Wonderful AI Art:** 웹 인터페이스를 통해 PNG 파일로부터 JSON 및 Prompt 데이터를 1클릭으로 추출 및 다운로드하는 서비스를 구현함 [12, 16].
+- **Git Commit:** 소스 내에서 `82df278` 커밋(DanielPFlorian)을 통해 모델 경로 해결 및 모델 정보 누락 방지를 위한 코드 변경이 확인됨 [18].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Metadata Forensics.md

@@ -0,0 +1,61 @@
+---
+id: metadata-forensics
+title: "Metadata Forensics"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Workflow Extraction", "Metadata Extraction"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Metadata", "Forensics"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-frontend-package/src/scripts/metadata", "exiftool -b -workflow input.png > workflow.json"]
+github_commit: ""
+---
+
+# [[Metadata Forensics]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Metadata Forensics는 이미지 파일 내부에 은닉된 생성형 AI의 실행 로직(JSON)을 역공학적으로 추출하여 생성 기원의 투명성과 워크플로우 재현성을 확보하는 핵심 기술이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **Metadata Injection (메타데이터 주입):** ComfyUI의 `Save Image` 노드가 실행될 때, 최종 이미지 파일의 헤더에 전체 노드 그래프, 레이아웃, 설정 및 프롬프트 정보를 자동으로 삽입하는 프로세스이다 [4, 5].
+2. **tEXt/zTXt Chunks:** PNG 파일 형식 내에서 워크플로우(Frontend 형식)와 프롬프트(API 형식)라는 두 가지 상이한 문자열 데이터를 저장하는 특수 데이터 영역이다 [3].
+3. **Data Fragility (데이터 취약성):** 내장된 메타데이터는 표준 이미지 편집기, 소셜 미디어 플랫폼, 또는 파일 압축 유틸리티에 의해 제거되기 쉬운 "비필수적" 정보로 취급되어 소실될 위험이 높다 [3, 6].
+4. **Algorithmic Extraction (알고리즘 추출):** 전용 도구나 CLI 유틸리티를 사용하여 이미지의 바이너리 태그를 분석하고, 그 안에 포함된 직렬화된 JSON 데이터를 분리해내는 기술적 절차이다 [7, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **이중 형식 저장 패턴:** ComfyUI는 시각적 편집을 위한 'Frontend JSON'과 실행을 위한 'API JSON'을 이미지 내에 동시에 저장하여 사용자 편의성과 프로그램적 재실행 가능성을 모두 충족시킨다 [3].
+- **드래그 앤 드롭 복구 전략:** 사용자가 이미지 파일을 ComfyUI 캔버스에 직접 끌어다 놓으면 내장된 메타데이터를 즉시 파싱하여 원래의 노드 구성을 복원하는 직관적인 워크플로우 로드 방식이다 [1, 4].
+
+## 📖 세부 내용 (Details)
+ComfyUI에서 생성된 미디어 파일(PNG, WebP 등)은 단순한 시각적 데이터 이상의 정보를 포함하고 있다 [4, 9]. 워크플로우가 종료되는 `Save Image` 노드는 이미지 생성 시점의 **전체 노드 그래프와 설정을 파일의 숨겨진 메타데이터에 주입**한다 [4, 5]. 구체적으로 PNG 파일의 경우 `tEXt` 또는 `zTXt` 청크를 활용하여 시각적 레이아웃 정보를 담은 Frontend 형식의 JSON과 실제 백엔드 실행에 필요한 API 형식의 JSON(Prompt)을 저장한다 [3].
+
+이러한 메타데이터는 워크플로우의 백업 역할을 수행하며, 다른 사용자와 생성 기법을 공유하는 효율적인 수단이 된다 [1, 9]. 그러나 **데이터의 영속성 측면에서 취약점**이 존재한다. 소셜 미디어 플랫폼이나 파일 압축 과정에서 파일 크기 절감을 위해 이러한 메타데이터를 제거하는 경우가 빈번하며, GIMP와 같은 이미지 편집기로 수정할 경우에도 원본 메타데이터가 손실될 수 있다 [3, 6, 8].
+
+실무적인 포렌식 및 추출을 위해 다양한 도구가 사용된다. `exiftool`과 같은 범용 도구를 사용하여 특정 태그(`-workflow`)를 지정해 JSON을 추출할 수 있으며, `ComfyUI Workflow Extractor`와 같은 웹 기반 도구나 `comfyui_extractor.py`와 같은 전문 스크립트는 배치 프로세싱을 통해 수천 개의 이미지에서 워크플로우를 대량으로 복구할 수 있게 해준다 [2, 7, 10].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **공유 편의성 vs. 데이터 보존:** 이미지를 통한 워크플로우 공유는 가장 쉬운 방법으로 추천되지만, 네트워크 전송이나 압축 과정에서 메타데이터가 손실될 수 있으므로 **중요한 워크플로우는 별도의 JSON 파일로 저장하는 것이 권장**된다 [3, 5, 6].
+- **버전 호환성 문제:** ComfyUI의 빈번한 업데이트로 인해, 메타데이터에서 추출한 이전 버전의 JSON 파일이 최신 버전의 인터페이스에서 정상적으로 작동하지 않을 수 있는 호환성 리스크가 존재한다 [6].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **파일 경로:** `comfyui-frontend-package/src/scripts/metadata` (공식 메타데이터 파싱 로직이 구현된 위치) [11].
+- **CLI 명령:** `exiftool -b -workflow input.png > workflow.json` (PNG 메타데이터 청크에서 직렬화된 JSON을 격리하는 표준 명령) [7].
+- **전문 도구:** `Comfy_UI_prompt_extractor`, `comfyui_extractor.py`, `comfyui-workflow-extractor` (AI 아트의 디지털 포렌식 및 기술 라이브러리 유지를 위한 추출 도구들) [7, 10].
+- **설계 결정:** PNG 파일 내에 `workflow`(Frontend)와 `prompt`(API) 정보를 중복 저장하여 시각적 편집과 자동화 실행을 동시에 지원함 [3].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Metadata Stripping.md

@@ -0,0 +1,98 @@
+---
+id: metadata-stripping
+title: "Metadata Stripping"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["메타데이터 제거", "Metadata Loss"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["GIMP", "Social Media Platforms", "File Compression Utilities"]
+github_commit: ""
+---
+
+# [[Metadata Stripping]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+메타데이터 스트리핑은 이미지 파일에 내장된 워크플로우 데이터를 외부 환경(소셜 미디어, 편집기 등)이 데이터 최적화나 개인정보 보호를 목적으로 제거하여 결과물의 재현성을 파괴하는 현상이다. [1, 2]
+
+## 🧠 핵심 개념 (Core concepts)
+- **데이터 취약성 (Data Fragility):** 이미지 내 메타데이터(tEXt/zTXt 청크)는 표준 이미지 편집기나 압축 소프트웨어에 의해 쉽게 손실될 수 있는 비필수적 데이터로 간주됨. [2]
+- **청크 기반 저장 (Chunk-based Storage):** ComfyUI는 PNG 파일의 tEXt 또는 zTXt 청크를 사용하여 워크플로우(Frontend)와 프롬프트(API) JSON 문자열을 저장함. [2]
+- **최적화 사이드 이펙트:** 소셜 미디어 플랫폼이나 전송 네트워크가 파일 크기를 줄이기 위해 비이미지 데이터를 자동 제거하는 과정에서 발생함. [2, 3]
+- **추출 및 복구 (Extraction & Recovery):** 손실된 메타데이터를 대체하기 위해 별도의 JSON 파일을 보존하거나, 특화된 추출 도구를 사용하여 잔존 데이터를 회수하는 행위. [1, 4]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **플랫폼 기반 손실 패턴:** 워크플로우가 포함된 PNG를 소셜 미디어에 게시할 경우, 대부분의 플랫폼은 용량 최적화를 위해 내장된 JSON 데이터를 스트리핑함. [1, 2]
+- **도구 기반 제거 패턴:** GIMP와 같은 일반적인 이미지 편집기로 파일을 수정하고 저장할 때, 사용자 정의 메타데이터가 보존되지 않고 삭제됨. [4]
+- **전송 매체 종속성:** 압축 소프트웨어를 사용하거나 네트워크를 통해 파일을 전송할 때 메타데이터 정보가 누락될 가능성이 높음. [3]
+
+## 📖 세부 내용 (Details)
+ComfyUI는 생성된 이미지 내부에 전체 노드 그래프와 설정을 주입하는 방식을 취하지만, 이 메타데이터는 매우 **불안정(fragile)**한 상태로 존재한다. [2]
+
+- **저장 메커니즘:** 워크플로우 정보는 주로 `Save Image` 노드가 실행될 때 최종 이미지의 숨겨진 메타데이터에 주입된다. [5, 6] 구체적으로 PNG 파일 구조 내의 `tEXt` 또는 `zTXt` 청크를 활용하여 시각적 레이아웃(Frontend format)과 실행 로직(API format)을 동시에 저장한다. [2]
+- **스트리핑의 주요 원인:**
+    - **소셜 미디어 및 웹 플랫폼:** 이미지 게시 시 파일 크기를 줄이거나 업로더의 프라이버시를 보호하기 위해 비필수 메타데이터를 모두 제거한다. [1, 2]
+    - **이미지 편집 소프트웨어:** GIMP 등의 도구로 이미지를 편집하면 원본에 포함되어 있던 사용자 정의 청크 정보가 유실된다. [4]
+    - **파일 압축 및 전송:** 압축 유틸리티나 특정 네트워크 전송 프로토콜은 이미지 데이터 외의 부가 정보를 정리하는 경향이 있다. [2, 3]
+- **영향 및 대안:** 메타데이터가 스트리핑된 이미지는 ComfyUI 캔버스로 드래그 앤 드롭해도 워크플로우를 복원할 수 없다. [3, 6] 이를 방지하기 위해 복잡한 워크플로우는 반드시 **JSON 파일** 형태로 별도 저장 및 공유하는 것이 권장된다. [6] 이미 스트리핑이 우려되는 환경에서는 `exiftool`이나 전문 추출기(Workflow Extractor)를 사용하여 데이터 유무를 확인하거나 미리 추출해 두어야 한다. [1, 7]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **이미지 vs JSON 저장의 신뢰성:** 초기에는 이미지 드래그 앤 드롭이 가장 쉬운 방법으로 소개되지만, 소스에서는 새로운 노드나 커스텀 노드가 누락될 수 있는 문제와 메타데이터 손실 위험 때문에 **JSON 파일 저장**을 최종적으로 더 강력히 권장한다. [6]
+- **재삽입 요구사항:** 단순 추출을 넘어 유실된 메타데이터를 다시 이미지에 삽입(Insert)하거나 복사(Copy)하는 기능에 대한 요구가 커뮤니티에서 지속적으로 제기되고 있다. [4]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **GIMP 편집 환경:** 사용자가 pythongosssss 워크플로우 이미지를 제작한 후 GIMP에서 수정 시 메타데이터가 삭제되어 재삽입 기능이 필요해진 사례가 보고됨. [4]
+- **소셜 미디어 게시물:** 온라인에 게시된 PNG 파일들에서 일반적으로 JSON 데이터가 제거되어 있어, 이를 해결하기 위한 `Weird Wonderful AI Art` 등의 전용 추출 도구가 개발됨. [1]
+- **Comfy-CLI 도구:** 이미지, webp, mp4 등 지원되는 미디어에서 워크플로우를 추출, 삽입, 복사하는 기능을 `comfy-cli`에 포함시키려는 개선 제안(Issue #341)이 진행 중임. [4, 8]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 유실 사례 및 대응 도구 존재 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 개발자 커뮤니티 이슈 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow JSON]]
+  - 연결 이유: 스트리핑되는 데이터의 실체이자 표준 규격임. [9, 10]
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON의 구조적 특성이 메타데이터 청크에 어떻게 인코딩되는지 이해 가능.
+- [[PNG Metadata Chunks]]
+  - 연결 이유: 데이터가 물리적으로 저장되는 tEXt/zTXt 위치를 정의함. [2]
+
+#### [구현/활용 도구]
+- [[ComfyUI Workflow Extractor]]
+  - 연결 이유: 스트리핑되지 않은 데이터를 이미지에서 회수하는 도구임. [1]
+- [[exiftool]]
+  - 연결 이유: 명령줄 기반으로 이미지 메타데이터를 직접 추출하거나 조작하는 표준 도구임. [7, 11]
+
+### 심층 후속 질문 (Deeper Research Questions)
+- PNG 외에 WebP나 MP4 포맷에서도 동일한 메타데이터 스트리핑 패턴이 발생하는가? [4]
+- 메타데이터 손실을 방지하면서 이미지를 압축할 수 있는 무손실 전송 규격이 존재하는가? [2, 3]
+- 스트리핑된 데이터를 복구하기 위해 AI 가 이미지의 특성을 분석하여 역으로 워크플로우를 추론하는 것이 가능한가?
+- 특정 소셜 미디어 플랫폼 중 메타데이터를 보존하는 예외적인 사례가 있는가? [1]
+- `exiftool`을 사용하여 정의되지 않은(unregistered) 태그에 워크플로우를 강제로 삽입할 때 발생하는 호환성 문제는 무엇인가? [11]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 워크플로우 공유 시 이미지 파일만 전달하지 말고 JSON 파일을 병행 제공하여 데이터 유실에 대비해야 함. [3, 6]
+- **System Design:** API 서버 구축 시 외부에서 입력된 이미지의 메타데이터 존재 여부를 검증하는 로직이 필요함. [12]
+- **Operation / Maintenance:** 커뮤니티 배포용 이미지는 메타데이터를 유지하는 전용 툴(예: pythongosssss workflow image)을 사용하여 생성하는 것이 안전함. [4]
+- **Learning Path:** 워크플로우 저장 방식을 익힐 때 단순 'Save'와 'Export'의 차이, 그리고 이미지 내장 방식의 한계를 먼저 파악해야 함. [6, 13]
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing]]
+  - 확장 방향: 메타데이터 유실뿐만 아니라, 워크플로우 내 모델 파일명 불일치 문제를 해결하는 보완 기술임. [14]
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. [Source 3, 14, 18, 32, 170]

10_Wiki/Topics/Topic_Graphic/Comfyui/Model Hashing (SHA-256).md

@@ -0,0 +1,96 @@
+---
+id: model-hashing-(sha-256)
+title: "Model Hashing (SHA-256)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["SHA-256 Model Verification", "Content-based Model Identification"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy-pack", ".cpack.zip"]
+github_commit: ""
+---
+
+# [[Model Hashing (SHA-256)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+모델 해싱은 가변적인 파일 이름 대신 고유한 SHA-256 지문을 통해 모델 가중치를 식별함으로써, 서로 다른 환경 간의 워크플로 이식성과 재현성을 보장하는 핵심 기술이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **SHA-256 알고리즘:** 모델 가중치 데이터로부터 고유한 고정 길이 식별자를 생성하여 데이터의 무결성을 검증하고 식별하는 표준 해시 함수이다 [1].
+2.  **이식성 및 재현성 (Portability):** 제작자와 사용자의 환경에서 모델 파일 이름(예: `sd_xl_base.safetensors` vs `sdxl_v10.safetensors`)이 다르더라도 동일한 모델임을 인식하게 한다 [1, 2].
+3.  **메타데이터 통합:** 워크플로 JSON 또는 관련 아카이브 파일 내에 해시 정보를 포함시켜 시스템이 로컬 파일 시스템에서 올바른 모델을 자동으로 찾도록 지원한다 [1, 2].
+4.  **의존성 해결 (Dependency Resolution):** ComfyUI Manager와 같은 도구가 누락된 모델을 검색하거나 대체 모델을 제안할 때 기준점으로 활용된다 [2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **콘텐츠 기반 식별 (Content-Addressable Identification):** 파일 경로가 아닌 실제 데이터의 내용을 기반으로 자원을 식별하여 "Model Not Found" 오류를 방지하는 설계 패턴이다 [1].
+-   **워크스페이스 패키징 (Workspace Packaging):** 단순 JSON 배포에서 벗어나 JSON, 모델 해시, 커스텀 노드 버전을 `.cpack.zip`과 같은 단일 아티팩트로 묶어 관리하는 추세가 발견된다 [2].
+
+## 📖 세부 내용 (Details)
+모델 해싱은 ComfyUI 워크플로의 고질적인 문제인 **모델 경로 및 이름 불일치**를 해결하기 위한 고급 직렬화 기법이다 [1]. 일반적으로 워크플로는 제작자의 로컬 경로를 참조하지만, 타인의 환경에서는 파일 이름이 다를 가능성이 높다 [1]. 
+
+이를 해결하기 위해 **comfy-pack**과 같은 도구는 모델 가중치의 **SHA-256 해시**를 계산하여 저장한다 [1, 2]. 시스템은 실행 시 파일 이름 대신 이 해시값을 대조하여, 파일명이 다르더라도 가중치가 일치하는 로컬 파일을 찾아 연결한다 [1]. 
+
+최근에는 워크플로 JSON 외에도 모델 해시 정보를 포함하는 **아티팩트 기반 배포**가 도입되고 있으며, 이는 향후 워크플로가 업데이트되거나 특정 노드가 더 이상 지원되지 않더라도 실행 가능성을 유지하는 기술적 토대가 된다 [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **최신 트렌드:** 기존의 원시(raw) JSON 의존 방식에서 모델 해시와 노드 버전 정보를 포함한 **.cpack.zip** 기반의 패키징 방식으로 진화하고 있다 [2].
+-   **수동 해결의 한계:** 수동으로 모델을 다시 선택하는 방식은 대규모 자동화나 API 환경에서 비효율적이므로, 해싱을 통한 자동 검색(Comfy Manager search)이 권장되는 해결책으로 제시된다 [2].
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **comfy-pack:** 워크플로 직렬화 시 모델 가중치의 SHA-256 해시를 생성하고 활용하는 도구로 명시됨 [1, 2].
+-   **.cpack.zip (Workspace Packaging):** 워크플로 JSON과 함께 모델 해시 정보를 포함하여 배포하는 표준화된 패키지 형식에 적용됨 [2].
+-   **ComfyUI Manager:** 모델 경로가 깨졌을 때 해시 정보를 바탕으로 모델을 검색하고 복구하는 기능에 활용됨 [2].
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (실제 도구인 comfy-pack과 연계된 개념으로 applied 수준에 근접함)
+-   **출처 신뢰도:** B (Official Documentation 및 기술 분석 자료 기반)
+-   **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[ComfyUI Workflow JSON]]
+  - 연결 이유: 모델 해시 정보가 저장되는 근본적인 데이터 구조임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 내 모델 참조 방식의 변화.
+- [[Serialization Formats (Frontend vs API)]]
+  - 연결 이유: API 자동화 시 모델 해싱을 통한 경로 해결이 필수적임.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 누락된 모델을 해시 기반으로 찾고 설치하는 주체임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 실무적인 의존성 관리 전략.
+- [[Workspace Packaging]]
+  - 연결 이유: 해시를 포함한 아카이브 배포의 최상위 개념임.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- SHA-256 해시 계산이 수 기가바이트(GB) 규모의 모델 파일을 로드할 때 발생하는 성능 오버헤드는 어느 정도인가?
+- 모델 파일의 일부(예: 메타데이터)가 수정되었을 때 해시값이 변경되어 발생하는 위양성(False Negative) 문제를 어떻게 관리하는가?
+- 서로 다른 체크포인트 병합(Merging) 모델에 대해 SHA-256 해싱이 제공하는 고유 식별의 신뢰도는 어떠한가?
+- 클라우드 기반 API 환경(Replicate, Mystic 등)에서 로컬 모델 해시를 기반으로 가중치를 동적 로딩하는 메커니즘은 무엇인가?
+- 모델 해싱 정보를 JSON 스키마 v1.0 내에 공식적으로 표준화하려는 RFC 논의가 존재하는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `comfy-pack`을 사용하여 워크플로를 내보낼 때 자동으로 해시값을 생성하도록 설정함 [1].
+- **System Design:** 워크플로 배포 시 파일명 대신 해시를 식별자로 사용하는 인벤토리 관리 시스템 구축 [2].
+- **Operation / Maintenance:** 모델 파일명 변경 시에도 API 호출이 끊기지 않도록 해시 기반의 모델 매핑 레이어 운영 [2].
+- **Learning Path:** 초보자가 외부 워크플로를 로드할 때 발생하는 "Model Not Found" 오류의 원인과 해시를 통한 해결 원리를 학습함 [1, 2].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Custom Node Dependency Management]]
+  - 확장 방향: 모델뿐만 아니라 커스텀 노드 버전의 일관성을 유지하는 방법으로 확장.
+
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on Source [1, 2])

10_Wiki/Topics/Topic_Graphic/Comfyui/Model Hashing.md

@@ -0,0 +1,91 @@
+---
+id: model-hashing
+title: "Model Hashing"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["SHA-256 Model Identification"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "portability", "serialization"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy-pack", ".cpack.zip"]
+github_commit: ""
+---
+
+# [[Model Hashing]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+모델 가중치의 고유한 디지털 지문(SHA-256)을 생성하여 파일명이나 경로의 불일치에 관계없이 워크플로우의 이식성과 재현성을 보장하는 핵심 기술 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **SHA-256 기반 식별:** 모델 파일의 가중치를 해싱하여 중복되지 않는 고유 식별자를 부여함 [1].
+2. **파일명 독립성 (Filename Independence):** 서로 다른 시스템에서 모델 파일명이 다르더라도(예: `sd_xl_base_v10` vs `sdxl_base`) 동일 모델임을 인식 가능하게 함 [1].
+3. **고급 직렬화 (Advanced Serialization):** 표준 JSON 포맷을 넘어 모델 해시를 포함한 아티팩트 중심의 워크플로우 패키징을 지향함 [1, 2].
+4. **의존성 무결성:** 워크플로우 실행 시 필요한 정확한 모델 버전을 확인하여 "Model Not Found" 오류를 근본적으로 해결함 [1, 2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **콘텐츠 중심 참조 패턴:** 하드코딩된 '파일 경로' 대신 파일의 '내용(Hash)'을 기준으로 리소스를 조회하는 참조 전략 [1].
+- **워크스페이스 패키징 패턴:** JSON 워크플로우, 모델 해시, 커스텀 노드 버전을 하나의 아카이브(`.cpack.zip`)로 묶어 배포하는 표준화 패턴 [2].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우의 이식성에서 가장 큰 장애물 중 하나는 **모델 파일의 명명 규칙과 경로의 불일치**이다 [1]. 제작자의 컴퓨터에서는 `sd_xl_base_v10.safetensors`로 저장된 파일이 사용자의 환경에서는 `sdxl_base.safetensors`로 존재할 수 있으며, 이 경우 표준 JSON 워크플로우는 해당 모델을 찾지 못해 실행에 실패한다 [1, 2].
+
+이를 해결하기 위해 `comfy-pack`과 같은 고급 직렬화 도구는 **SHA-256 해시**를 활용한다 [1]. 워크플로우 생성 시 모델 가중치의 해시값을 계산하여 메타데이터에 포함시키면, 시스템은 파일명 대신 해시값을 검색하여 로컬 저장소에서 일치하는 모델을 찾아낼 수 있다 [1].
+
+이 기술은 단순한 오류 수정을 넘어, 향후 **워크스페이스 패키징**의 핵심 요소로 자리 잡고 있다 [2]. `.cpack.zip` 포맷은 워크플로우 JSON과 함께 모델 해시 정보를 담아, 개별 커스텀 노드가 업데이트되거나 삭제되더라도 생성 시점의 논리를 그대로 재현할 수 있는 '아티팩트 기반 배포'를 가능하게 한다 [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **표준 vs 확장:** 기본 ComfyUI의 "Save" 또는 "Save (API)" 기능은 현재 모델 해싱을 기본적으로 포함하지 않으며, 이는 `comfy-pack`과 같은 별도의 고급 도구나 향후 도입될 표준 포맷에서 지원되는 기능이다 [1, 2].
+- **성능 오버헤드:** 대용량 모델 파일에 대한 SHA-256 계산은 리소스를 소모할 수 있으나, 소스에서는 이를 워크플로우 안정성을 위한 필수적인 비용으로 간주한다 [1].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfy-pack:** 모델 가중치의 SHA-256 해시를 사용하여 경로 및 파일명 문제를 해결하는 직렬화 도구로 명시됨 [1].
+- **.cpack.zip (워크스페이스 패키징):** 워크플로우 JSON, 모델 해시, 커스텀 노드 버전을 통합하여 미래에도 작동 가능한 배포 단위를 생성하는 포맷에 적용됨 [2].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (comfy-pack 등 실제 도구에서 사용 중임을 확인)
+- **출처 신뢰도:** B (전문 아키텍처 기술 문서 및 공식 문서 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Workflow API JSON]]
+  - 연결 이유: 해시 정보가 삽입되거나 참조되는 기본 실행 구조체 [3].
+- [[Serialization Formats]]
+  - 연결 이유: JSON 포맷을 넘어선 데이터 보존 전략의 일부 [1, 4].
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 모델 검색 및 누락된 의존성 해결 시 해시 정보를 활용할 수 있는 도구 [2].
+- [[Workspace Packaging]]
+  - 연결 이유: 모델 해싱이 실제 구현되는 최상위 배포 단위 [2].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- `comfy-pack`에서 SHA-256 해시를 계산할 때 대용량 모델(예: 10GB+)에 대한 계산 속도 최적화 방법은 무엇인가?
+- 모델 해시가 일치하지만 파일명이 다를 때, ComfyUI 내부적으로 자동으로 연결을 매핑하는 로직은 어떻게 구현되는가?
+- 향후 `.cpack.zip` 표준이 확정될 때, 모델 해시 외에 환경(Python 버전 등)에 대한 해싱도 포함될 계획이 있는가?
+- 모델 가중치의 일부가 변경(Fine-tuning 등)되었을 때, 해시 변화에 따른 의존성 관리 전략은 무엇인가?
+- 외부 API 서비스(Replicate, Mystic 등)에서 모델 해싱을 통한 프리로드(Pre-load) 최적화가 가능한가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `comfy-pack` 라이브러리를 사용하여 모델 의존성이 포함된 패키지를 생성할 때 해싱 로직을 호출함 [1].
+- **System Design:** 다수의 머신에서 동일한 워크플로우를 실행해야 하는 서버리스 환경에서 모델 이름 불일치 문제를 방지함 [2].
+- **Operation / Maintenance:** 모델 라이브러리의 파일명이 변경되더라도 기존 워크플로우의 작동 여부를 검증하는 무결성 체크용으로 활용함 [1].
+- **Learning Path:** 단순한 UI 저장을 넘어 아키텍처 수준의 워크플로우 자동화 및 배포를 이해하는 단계에서 학습함 [5].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Metadata Stripping]]
+  - 확장 방향: 이미지 배포 시 해시 정보 등 메타데이터가 손실되는 문제와 그 방지책 [6].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Natural Language to Workflow Generation.md

@@ -0,0 +1,69 @@
+---
+id: natural-language-to-workflow-generation
+title: "Natural Language to Workflow Generation"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Natural Language to Workflow", "LLM-based Workflow Generation"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["DanielPFlorian/ComfyUI-WorkflowGenerator", "ComfyGPT research"]
+github_commit: "82df278"
+---
+
+# [[Natural Language to Workflow Generation]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+자연어 설명을 대규모 언어 모델(LLM)을 통해 ComfyUI의 실행 가능한 노드 그래프(JSON)로 자동 변환함으로써 시각적 프로그래밍의 진입 장벽을 제거하고 생성 속도를 혁신적으로 높이는 기술이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **3단계 파이프라인 (Multi-stage Pipeline):** 논리 생성(Generator), 시맨틱 검증(Validator), 그래프 구축(Builder)의 순차적 과정을 통해 자연어를 워크플로우로 변환한다 [3, 4].
+- **노드 카탈로깅 (Node Cataloging):** 로컬에 설치된 네이티브 및 커스텀 노드를 스캔하고 색인화하여 LLM이 실제 존재하는 노드만을 사용하도록 보장한다 [5, 6].
+- **특화 LLM 미세조정 (Fine-tuned LLMs):** Qwen2.5와 같은 모델을 ComfyUI 스키마 및 노드 레지스트리 데이터로 미세 조정하여 워크플로우 구조에 최적화된 출력을 생성한다 [1, 7].
+- **시맨틱 임베딩 (Semantic Embedding):** 자연어 설명과 실제 노드 클래스 명칭 사이의 의미적 유사성을 계산하여 정확한 노드 매핑을 수행한다 [7, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **합성-검증-컴파일 루프:** LLM이 논리적 구조를 먼저 설계(Logical Synthesis)하고, 이를 로컬 노드 레지스트리와 대조(Semantic Validation)한 뒤, 최종 JSON으로 변환(Graph Compilation)하는 구조적 설계 패턴이 관찰된다 [3].
+- **로컬 환경 접지(Local Grounding):** 모델의 지식이 훈련 시점에 고정되는 한계를 극복하기 위해, 실행 전 "Update Node Catalog" 노드를 실행하여 현재 시스템의 노드 정보를 동기화하는 패턴을 사용한다 [5, 9].
+
+## 📖 세부 내용 (Details)
+자연어 기반 워크플로우 생성은 사용자가 "SDXL을 사용한 텍스트-투-이미지 워크플로우 생성"과 같은 지시어를 입력하면 시스템이 이를 분석하여 노드 간의 연결 관계를 정의하는 JSON 파일을 생성하는 과정이다 [2].
+
+**1. 생성 단계 (Generator):** 
+이 단계에서는 fine-tuned된 모델(예: Qwen2.5-14B)이 지시어의 의도를 해석하여 논리적 그래프 구조를 생성한다 [3, 7]. 모델은 노드 간의 데이터 흐름(예: CLIP Text Encode에서 KSampler로의 연결)을 이해하고 이를 추상적인 JSON 형태로 출력한다 [8].
+
+**2. 검증 단계 (Validator):**
+생성된 논리 구조의 노드 명칭이 실제 시스템에 존재하는지 확인한다 [3, 4]. `sentence-transformers`와 같은 임베딩 모델을 사용하여 의미적으로 가장 유사한 실제 노드를 찾아 수정하며, 이 과정을 통해 LLM의 환각(Hallucination) 현상을 방지한다 [7, 8].
+
+**3. 구축 단계 (Builder):**
+검증된 구조를 ComfyUI 실행 엔진이 인식할 수 있는 최종 .json 포맷으로 변환한다 [3, 10]. 이 과정에서 노드의 위치(pos), 크기(size), 위젯 값(widgets_values) 등 UI 메타데이터와 실행 순서(order)가 할당된다 [10, 11].
+
+**주요 기술적 사양:**
+- **모델 구조:** GGUF 포맷으로 양자화된 Qwen2.5 모델군이 주로 사용되며, 효율적인 추론을 위해 llama-cpp-python 라이브러리가 요구된다 [7, 12].
+- **데이터 한계:** 정적 미세 조정을 거친 모델은 훈련 이후에 출시된 새로운 커스텀 노드에 대한 지식이 부족할 수 있으므로 지속적인 카탈로그 업데이트와 사용자의 감독이 권장된다 [9, 13].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+과거의 워크플로우 생성 방식이 수동적인 노드 연결과 JSON 편집에 의존했다면, 최신 기술인 **ComfyGPT** 아키텍처는 이를 '대화형 프로그래밍' 패러다임으로 전환하고 있다 [3]. 소스에 따르면, 정적 모델은 실시간으로 변화하는 커스텀 노드 생태계를 따라잡기 어렵다는 문제점이 제기되었으며, 이를 해결하기 위해 향후에는 정적 미세 조정을 넘어선 동적 아키텍처로의 진화가 필요함이 명시되어 있다 [9].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **DanielPFlorian/ComfyUI-WorkflowGenerator:** 자연어 설명을 통해 워크플로우를 생성하는 실제 커스텀 노드 구현체이다 [2, 14].
+- **핵심 노드 구성:** `Workflow Generator Pipeline`, `WorkflowGenerator`, `NodeValidator`, `WorkflowBuilder`, `UpdateNodeCatalog` 등의 노드가 실제 프로젝트 파일 구조(`nodes/`, `generators/`) 내에 구현되어 있다 [6, 8, 10, 14, 15].
+- **수정 이력:** Git 커밋 `82df278`에서 드롭다운 메뉴의 중복 모델 표시 문제가 해결된 기록이 발견된다 [14].
+- **연구 기반:** 이 기술은 "ComfyGPT: A Self-Optimizing Multi-Agent System..." 연구의 아키텍처를 로컬 ComfyUI 환경에 맞게 구현한 것이다 [2, 4].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 구현체인 ComfyUI-WorkflowGenerator 프로젝트 확인됨)
+- **출처 신뢰도:** B (Official Documentation 및 GitHub 저장소 데이터 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Node Definitions.md

@@ -0,0 +1,71 @@
+---
+id: node-definitions
+title: "Node Definitions"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Node Schema", "ComfyUI Node Structure"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Node Definitions"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow.json", "workflow_api.json", "object_info.json", "comfyui-workflow-to-api-converter-endpoint", "ComfyUI-WorkflowGenerator"]
+github_commit: "bc85382, 82df278"
+---
+
+# [[Node Definitions]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+노드 정의는 ComfyUI 워크플로우의 기능적 논리와 시각적 레이아웃을 결정하는 핵심 원자 단위로, 고유 ID와 입출력 스키마를 통해 복잡한 AI 프로세스를 유향 비순환 그래프(DAG)로 구조화한다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **고유 식별자 (Node ID):** 워크플로우 내에서 각 노드를 구분하는 고유한 숫자 또는 문자열 키(예: "#37")로, 그래프 순회 및 데이터 참조의 기준이 된다 [4, 5].
+- **클래스 매핑 (Type/Class Type):** JSON의 `type` 또는 `class_type` 필드는 ComfyUI 백엔드 레지스트리에 등록된 특정 Python 클래스와 노드를 연결하여 실행 로직을 정의한다 [2, 6, 7].
+- **입출력 슬롯 (I/O Slots):** 데이터 흐름을 위한 인터페이스로, `inputs`는 상위 노드의 출력을 참조하고 `outputs`는 하위 노드로 전달될 데이터 링크 정보를 포함한다 [4, 8].
+- **위젯 및 속성 (Widgets & Properties):** 슬라이더, 텍스트 박스, 체크박스 등 사용자가 직접 입력한 값(`widgets_values`)과 노드의 내부 동작 설정을 저장한다 [2, 4, 9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **형식의 이분화 (Serialization Bifurcation):** 시각적 정보(위치, 크기, 그룹)를 포함하는 **Frontend 형식(workflow.json)**과 실행에 필요한 논리 정보만 남긴 **API 형식(workflow_api.json)**으로 나뉘어 관리된다 [10-12].
+- **실행 모델 역전 (Execution Model Inversion):** 엔진은 모든 노드를 실행하는 대신 'Save Image'와 같은 출력 노드에서 역방향으로 그래프를 탐색하여 필요한 의존성 노드만 실행 리스트에 포함시킨다 [13].
+- **메타데이터 임베딩 패턴:** 생성된 미디어(PNG, WebP)의 tEXt/zTXt 청크 내에 노드 그래프 JSON을 주입하여 파일 자체가 워크플로우 컨테이너 역할을 수행하도록 설계한다 [14-16].
+
+## 📖 세부 내용 (Details)
+ComfyUI 노드는 **JSON v1.0 스키마**에 따라 정밀하게 정의되며, 각 노드 객체는 다음과 같은 필수 속성을 보유해야 한다 [2, 17]:
+- **id:** 그래프 순회를 위한 유효한 정수 또는 문자열 식별자 [2, 5].
+- **type/class_type:** 노드의 기능을 결정하는 레지스트리 클래스명 [2, 6].
+- **pos & size:** UI 캔버스 렌더링을 위한 좌표 `[x, y]` 및 차원 `[width, height]` 정보 (Frontend 전용) [2, 4].
+- **widgets_values:** 사용자가 입력한 위젯 상태 값의 배열 또는 객체 [2, 4].
+- **order:** 노드의 실행 또는 렌더링 우선순위를 나타내는 인덱스 [2].
+- **mode:** 노드의 작동 상태(활성, 우회/Bypass 등)를 결정하는 수치 [2, 18].
+
+**연결 구조(Connectivity):**
+연결은 `inputs`와 `outputs` 배열을 통해 정의된다. `inputs` 내부의 `link` 속성은 들어오는 와이어의 고유 ID를 가리키며, API 형식에서는 이를 소스 노드 ID와 슬롯 인덱스의 쌍(예: `[19, 20]`)으로 직접 포함하기도 한다 [8, 9]. 슬롯 인덱싱은 다중 출력을 가진 노드(예: VAE Loader)에서 특정 데이터를 선택하는 데 필수적이다 [8].
+
+**스키마 카탈로그 (object_info.json):**
+실행 중인 인스턴스에서 사용 가능한 모든 노드의 입력/출력 타입, 필수/선택적 입력 항목, 기본값 및 툴팁 정보를 포함하는 레지스트리 역할을 한다 [21, 22]. 이는 워크플로우를 동적으로 생성하거나 검증하는 도구에서 참조 모델로 사용된다 [23].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON 버전 차이:** 소스 데이터는 최신 버전인 **v1.0**을 언급하지만, 이전 버전인 **0.4**와의 호환성 문제나 업데이트 논의가 여전히 진행 중임을 암시한다 [17, 24].
+- **대소문자 민감도 이슈:** ComfyUI 검증기가 콤보 위젯 값의 대소문자(예: "True" vs "true") 차이로 인해 실행을 거부하는 경우가 발생하여, 최신 변환 엔진에서는 이를 정규화(Normalization)하는 로직이 추가되었다 [25].
+- **노드 식별 키의 차이:** Frontend JSON은 수치형 문자열을 ID로 사용하는 반면, API JSON은 이를 기능적 키로 활용하며 UI 메타데이터를 완전히 제거한다 [10, 11, 26].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **workflow.json / workflow_api.json:** 노드 정의가 실제로 구현되는 표준 파일 형식으로, RunComfy 및 Replicate와 같은 서비스에서 배포의 기초로 사용된다 [12, 21, 27].
+- **object_info.json:** 실행 중인 서버의 `/object_info` 엔드포인트를 통해 실시간 노드 스키마를 제공한다 [23].
+- **comfyui-workflow-to-api-converter-endpoint (v2.3.0):** 비-API 워크플로우를 API 형식으로 변환할 때 `COMFY_DYNAMICCOMBO_V3` 위젯 및 하위 입력을 처리하고 대소문자 문제를 해결하는 로직이 적용되었다 (Commit: `bc85382`) [25, 28-30].
+- **ComfyUI-WorkflowGenerator:** 자연어 설명을 기반으로 `WorkflowGenerator` -> `NodeValidator` -> `WorkflowBuilder` 단계를 거쳐 노드 그래프를 동적으로 생성하며, `UpdateNodeCatalog` 노드를 통해 로컬 노드 레지스트리를 스캔한다 (Commit: `82df278`) [31-34].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Node-based Visual Programming.md

@@ -0,0 +1,71 @@
+---
+id: node-based-visual-programming
+title: "Node-based Visual Programming"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["시각적 프로그래밍", "그래프 기반 프로그래밍"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["DanielPFlorian/ComfyUI-WorkflowGenerator", "SethRobinson/comfyui-workflow-to-api-converter-endpoint", "pydn/ComfyUI-to-Python-Extension", "docs.comfy.org/specs/workflow_json"]
+github_commit: ""
+---
+
+# [[Node-based Visual Programming]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 노드 기반 시각적 프로그래밍은 복잡한 AI 생성 프로세스를 **방향성 비순환 그래프(DAG)**로 추상화하여, 코드 작성 없이도 정교한 파이프라인 설계와 실행 로직의 직렬화를 실현한다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **노드 및 그래프 구조 (Nodes & Graph):** 로더, 샘플러, 인코더 등 특정 기능을 수행하는 프로그램 객체(Nodes)를 링크(Links)로 연결하여 전체 데이터 흐름을 정의하는 네트워크를 형성한다 [1, 3].
+- **방향성 비순환 그래프 (Directed Acyclic Graph, DAG):** 데이터가 한 방향으로만 흐르며 순환하지 않는 구조로, 생성 AI의 절차적 프레임워크를 효율적으로 기술한다 [1, 4].
+- **워크플로 직렬화 (Serialization):** 시각적으로 구성된 그래프를 인간이 읽을 수 있고 용량이 작은 **JSON 형식**으로 변환하여 아카이빙, 공유 및 프로그래밍 방식의 자동화를 가능하게 한다 [1, 5].
+- **시각적 추상화:** 정적 메뉴나 선형 파이프라인 대신 노드 간의 동적 연결을 통해 복잡한 시스템을 직관적으로 설계할 수 있는 고수준 환경을 제공한다 [1, 2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **형식의 이분화 (Bifurcation of Formats):** 시각적 레이아웃 정보를 포함한 **프론트엔드 포맷(workflow.json)**과 실행에 필수적인 로직만 남긴 **API 포맷(workflow_api.json)**으로 구분하여 사용 목적에 최적화한다 [6, 7].
+- **메타데이터 임베딩 (Metadata Embedding):** 생성된 미디어 파일(PNG, WebP 등) 내부에 워크플로 전체 로직을 주입하여, 이미지 자체가 생성 청사진의 컨테이너 역할을 하도록 설계한다 [5, 8].
+- **실행 모델 역전 (Execution Model Inversion):** 엔진이 출력 노드(Save Image 등)에서 시작하여 그래프를 역방향으로 탐색, 최종 출력에 필요한 의존성 노드만 식별하여 실행 최적화를 달성한다 [9].
+- **LLM 기반 합성 파이프라인:** 자연어 설명을 '논리적 합성 → 세만틱 검증 → 그래프 컴파일'의 3단계 과정을 거쳐 실행 가능한 JSON 노드 그래프로 변환하는 자동화 패턴이 등장하고 있다 [10-12].
+
+## 📖 세부 내용 (Details)
+ComfyUI는 생성형 AI 콘텐츠를 구축하고 실행하기 위한 **절차적 프레임워크(Procedural Framework)**로 기능한다 [3, 4]. 노드 기반 방식은 전통적인 소프트웨어의 버튼 기반 UI가 제공할 수 없는 수준의 유연성을 제공하며, 사용자는 수학적 지식이나 프로그래밍 코드 없이도 복잡한 시스템을 설계할 수 있다 [2].
+
+### JSON 스키마 및 데이터 구조
+ComfyUI 워크플로의 핵심인 JSON 파일은 **v1.0 규격**을 따르며, 각 노드는 고유 ID, 클래스 타입(type), 캔버스 좌표(pos), 크기(size), 입력(inputs) 및 출력(outputs) 슬롯 정보를 포함한다 [13, 14]. 특히 링크는 `[origin_id, origin_slot, target_id, target_slot]`의 구조로 정의되어 노드 간의 정밀한 데이터 전송을 보장한다 [15].
+
+### 워크플로 생성 및 관리 방식
+1.  **수동 생성:** 웹 인터페이스에서 노드를 배치하고 `Ctrl+S`를 통해 시각적 레이아웃이 포함된 JSON을 내보내거나, 'Dev mode'를 활성화하여 실행 전용 API 포맷을 추출할 수 있다 [16, 17].
+2.  **프로그래밍 방식 생성:** Python의 `json` 라이브러리를 사용해 딕셔너리 구조를 직접 수정하거나, `Comfy Nodekit` 또는 `Comfy API Simplified`와 같은 래퍼 라이브러리를 통해 노드 제목 기반으로 매개변수를 동적으로 변경할 수 있다 [18, 19].
+3.  **미디어 추출:** `exiftool`이나 웹 기반 추출 도구를 사용해 PNG의 `tEXt` 또는 `zTXt` 청크에서 직렬화된 워크플로 데이터를 복구할 수 있다 [20-22].
+
+### 의존성 및 보안 관리
+워크플로 공유 시 가장 흔한 문제는 'Missing Custom Nodes' 오류(붉은색 노드)이며, 이를 위해 **ComfyUI-Manager**가 JSON을 파싱하여 누락된 패키지를 식별하고 자동 설치를 지원한다 [23, 24]. 최신 동향으로는 모델 파일의 경로 문제 해결을 위해 파일명 대신 **SHA-256 해시값**을 사용하는 모델 해싱 방식이 도입되고 있다 [25, 26].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **데이터 보존의 취약성:** PNG 메타데이터에 저장된 워크플로는 소셜 미디어나 파일 압축 과정에서 손실되기 쉬우며, 이로 인해 이미지 드래그 앤 드롭 기능을 상실할 수 있는 위험이 존재한다 [20].
+- **포맷 간 불일치:** API 포맷 JSON을 UI에 직접 로드할 경우 시각적 레이아웃 정보가 없어 그래프가 '스켈레톤' 상태로 나타나는 등 편집이 어려워지는 문제가 발생한다 [27]. 이를 해결하기 위해 서버 사이드에서 비-API 포맷을 API 포맷으로 변환해주는 별도의 엔드포인트 구현 사례가 존재한다 [28].
+- **버전 호환성:** ComfyUI의 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있음을 공식적으로 경고하고 있다 [29].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **DanielPFlorian/ComfyUI-WorkflowGenerator:** LLM(Qwen2.5-14B)을 사용하여 자연어 설명을 ComfyUI 노드 그래프로 자동 생성하는 3단계 파이프라인 구현 [30, 31].
+- **SethRobinson/comfyui-workflow-to-api-converter-endpoint:** 비-API 워크플로 JSON을 서버측에서 실행 가능한 API 포맷으로 자동 변환하는 `/workflow/convert` 엔드포인트 제공 [28, 32].
+- **pydn/ComfyUI-to-Python-Extension:** 워크플로 JSON을 독립적인 실행이 가능한 Python 스크립트(`.py`)로 변환하는 도구 [33, 34].
+- **ComfyUI 공식 문서 (`docs.comfy.org/specs/workflow_json`):** 워크플로 무결성 검증을 위한 JSON Schema v1.0(Draft-07 기반) 규격 정의 [14, 35].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (주요 오픈소스 프로젝트 및 공식 문서 내 스펙 확인됨)
+- **출처 신뢰도:** B (Official Documentation / GitHub Repository / Expert Tutorial Synthesis)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Nodes.md

@@ -0,0 +1,74 @@
+---
+id: nodes
+title: "Nodes"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator", "ComfyUI-to-Python-Extension", "comfyui-workflow-to-api-converter-endpoint"]
+github_commit: "82df278, bc85382"
+---
+
+# [[Nodes]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+노드는 ComfyUI의 핵심 엔진이자 기능적 단위로서, 고유한 메타데이터와 입출력 연결을 통해 생성형 AI 프로세스를 유향 비순환 그래프(DAG)로 추상화한다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **노드 객체 (Node Object):** ID, 타입, 위치 정보를 포함하며 특정 기능을 수행하는 독립적인 프로그램 모듈이다 [3-5].
+- **입출력 슬롯 및 링크 (I/O Slots & Links):** 노드 간 데이터를 전달하는 통로로, 입력(inputs)은 들어오는 와이어의 ID를, 출력(outputs)은 하나 이상의 하류 노드로 연결되는 링크 ID 배열을 포함한다 [4, 6].
+- **노드 레지스트리 (Node Registry):** 설치된 모든 노드의 클래스 이름과 입출력 스키마(object_info)를 관리하는 중앙 카탈로그이다 [4, 7, 8].
+- **실행 모드 (Mode):** 노드의 활성화 상태(active), 우회(bypass) 등을 결정하며, 백엔드 엔진은 이를 기반으로 실행 경로를 계산한다 [4, 5, 9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **실행 모델 역전 (Execution Model Inversion):** 엔진이 출력 노드(Save Image 등)에서 시작하여 역방향으로 그래프를 탐색, 결과 도출에 필요한 의존성 노드만 실행하여 효율성을 극대화한다 [10].
+- **형식별 노드 직렬화:** 프론트엔드 형식(workflow.json)은 노드의 좌표, 크기 등 시각적 메타데이터를 유지하는 반면, API 형식(workflow_api.json)은 실행에 필요한 로직과 직접적인 노드 입력 참조만 남긴다 [11-13].
+- **자동 검증 및 보정:** 생성된 워크플로의 노드 이름을 로컬 설치 환경이나 시맨틱 임베딩과 대조하여 유효성을 검사하고 오류를 수정한다 [14-16].
+
+## 📖 세부 내용 (Details)
+
+### 노드 객체의 기술적 사양 (v1.0 Schema)
+ComfyUI 워크플로 JSON 내에서 각 노드는 다음과 같은 속성을 필수적으로 정의해야 한다 [4, 5]:
+- **id:** 그래프 탐색을 위한 고유 식별자 (정수 또는 문자열) [17].
+- **type / class_type:** 노드 레지스트리의 클래스 이름과 매핑되는 식별자 [5, 18].
+- **pos & size:** 캔버스 좌표 [x, y] 및 시각적 크기 [width, height] (프론트엔드 전용) [4, 19].
+- **widgets_values:** 슬라이더, 텍스트 박스, 토글 등 사용자 입력 값을 저장하는 배열 [4, 20].
+- **order:** 노드의 실행 또는 렌더링 순서 인덱스 [4].
+
+### 주요 노드 카테고리 및 기능
+- **로더 (Loaders):** Checkpoint, LoRA, VAE, ControlNet 등 외부 모델 가중치를 워크플로로 불러온다 [21, 22].
+- **샘플러 (Samplers):** KSampler, SamplerCustom 등 잠재 공간(Latent space)에서 노이즈를 제거하여 이미지를 생성한다 [23, 24].
+- **조건화 및 인코딩 (Conditioning & Encoding):** CLIP Text Encode(프롬프트 처리), VAE Encode/Decode(픽셀과 잠재 공간 간 변환) 등을 수행한다 [20, 21, 24].
+- **유틸리티 (Utils):** Reroute(선 정리), Primitive, Note 등 워크플로의 조직화와 가독성을 돕는다 [23, 25].
+
+### API 및 자동화 환경의 노드 처리
+API 기반 실행 시, 노드는 **API JSON 형식**으로 직렬화되어 시각적 정보가 제거된다 [11, 26]. 이때 노드 간 연결은 별도의 링크 배열이 아닌 `inputs` 필드 내에 상류 노드 ID와 슬롯 인덱스 형태로 직접 임베딩된다 [11, 20]. 독립 실행형 스크립트나 외부 앱 연동 시에는 `Load Image (Base64)` 노드를 통해 이미지를 JSON 내에 직접 포함시키거나, `SaveImageWebsocket`을 통해 결과를 실시간으로 수신하는 패턴이 사용된다 [17, 27, 28].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **노드 식별 방식:** 프론트엔드 JSON은 시각적 ID를 사용하지만, API JSON은 기능적 키(Functional keys)를 사용하여 백엔드와 매핑한다 [12].
+- **커스텀 노드 의존성:** 소스 간 공통적으로 지적되는 문제로, 워크플로 JSON에 포함된 노드가 로컬에 설치되어 있지 않으면 '빨간 박스(Missing Nodes)' 오류가 발생하며 ComfyUI Manager를 통한 해결이 권장된다 [29-31].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI-WorkflowGenerator [32, 33]:** 자연어 설명을 기반으로 `Generator` -> `Validator` -> `Builder` 단계를 거쳐 노드 그래프를 자동으로 생성하고 검증하는 시스템을 구현함.
+- **comfyui-workflow-to-api-converter-endpoint [8, 25, 34]:** `/workflow/convert` 엔드포인트를 통해 프론트엔드 노드 데이터를 API 규격으로 변환하며, `reroute` 노드 무시 및 `INPUT_TYPES()` 기반 기본값 보정 기능을 포함함 (Commit: `bc85382`).
+- **ComfyUI-to-Python-Extension [35, 36]:** UI의 노드 그래프를 실행 가능한 Python 스크립트로 변환하여 자동화 환경에서 노드 로직을 재사용할 수 있게 함.
+- **RunComfy API [7, 37]:** `object_info.json`을 통해 인스턴스 내 모든 노드의 입력/출력 스키마를 제공하여 외부 툴의 유효성 검사에 활용함.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 프로젝트 및 공식 문서 내 스펙 확인됨)
+- **출처 신뢰도:** B (공식 문서 및 오픈소스 프로젝트 기술 명세 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Sources: [1-6, 8, 11, 33])

10_Wiki/Topics/Topic_Graphic/Comfyui/PNG Metadata Chunks.md

@@ -0,0 +1,72 @@
+---
+id: png-metadata-chunks
+title: "PNG Metadata Chunks"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-frontend-package/src/scripts/metadata", "exiftool -b -workflow"]
+github_commit: ""
+---
+
+# [[PNG Metadata Chunks]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+PNG 이미지의 표준 데이터 블록에 워크플로우의 시각적 구조와 실행 로직을 동시에 내장하여, 이미지 파일 자체를 **휴대 가능한 독립적 실행 스크립트**로 변모시키는 핵심 메커니즘 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **tEXt 및 zTXt 청크 (Chunks):** ComfyUI가 워크플로우 데이터를 저장하기 위해 활용하는 PNG 표준의 텍스트 데이터 보관 영역이다 [2].
+- **메타데이터 주입 (Metadata Injection):** `Save Image` 노드가 실행될 때, 최종 이미지 데이터와 함께 전체 노드 그래프, 레이아웃 설정, 프롬프트를 파일의 숨겨진 영역에 주입하는 프로세스다 [1, 4].
+- **데이터 이원화 (Bifurcation):** 하나의 이미지 내에 시각적 편집을 위한 'Frontend 포맷(workflow)'과 프로그래밍 방식의 실행을 위한 'API 포맷(prompt)' 정보를 중복 저장하여 호환성을 확보한다 [2].
+- **데이터 취약성 (Data Fragility):** 표준 이미지 편집기, 소셜 미디어 플랫폼, 또는 파일 압축 유틸리티를 거칠 경우 비필수적인 메타데이터 청크가 제거되어 워크플로우 정보가 유실될 위험이 크다 [2, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **종단 노드 자동 기록 패턴:** 거의 모든 워크플로우가 `Save Image` 노드에서 종료되며, 이 노드가 실행되는 순간 현재 캔버스의 모든 상태를 이미지 메타데이터에 자동으로 동기화한다 [1].
+- **드래그 앤 드롭 복구 패턴:** 사용자가 PNG 파일을 ComfyUI 캔버스로 드래그하면, 시스템이 메타데이터 청크를 파싱하여 즉시 노드 레이아웃과 설정을 재현한다 [1, 5, 6].
+- **CLI 기반 벌크 추출 패턴:** 다수의 이미지에서 수동 조작 없이 워크플로우를 대량으로 회수하기 위해 `exiftool`과 같은 명령줄 도구를 활용하여 특정 청크 데이터를 추출한다 [7, 8].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우는 전형적인 시각적 프로그래밍의 결과물로, 이를 PNG 파일의 **메타데이터 청크**에 저장함으로써 이동성과 재현성을 극대화한다 [1, 9].
+
+- **청크의 기술적 구성:**
+    - 주로 **tEXt** 또는 압축된 형태인 **zTXt** 청크를 사용하여 두 가지 주요 문자열을 저장한다 [2].
+    - 하나는 사용자 인터페이스(UI) 상의 노드 위치, 크기, 그룹화 정보를 포함한 **Frontend JSON** 데이터다 [2, 10].
+    - 다른 하나는 서버 백엔드에서 즉시 실행 가능한 형태인 **API JSON(Prompt)** 데이터로, 시각적 정보가 제거된 압축된 실행 그래프다 [2, 10, 11].
+
+- **워크플로우 추출 및 분석:**
+    - 이미지에서 워크플로우를 추출하기 위해 전용 웹 도구나 Python 라이브러리가 사용되기도 한다 [8, 12].
+    - 명령줄 도구인 `exiftool`을 사용할 경우, `-workflow` 태그를 지정하여 바이너리 데이터를 JSON 파일로 분리해낼 수 있다 [7, 8].
+    - 공식적인 메타데이터 파싱 로직은 ComfyUI 프론트엔드 패키지의 자바스크립트 컨텍스트 내에서 관리된다 [13].
+
+- **장점 및 한계:**
+    - 별도의 JSON 파일을 관리할 필요 없이 이미지 하나로 모든 생성 정보를 공유할 수 있다는 점이 가장 큰 장점이다 [14].
+    - 그러나 파일이 온라인에 게시되거나 재가공될 때 메타데이터가 삭제(Stripped)되는 경우가 빈번하며, 매우 복잡하거나 최신 커스텀 노드가 포함된 경우 간혹 일부 노드 정보가 유실될 수 있다는 기술적 한계가 보고되었다 [2, 4, 12].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **저장 안정성 논란:** 첫 번째 저장 방식인 '이미지 메타데이터' 방식은 가장 간편하지만, 소스에 따르면 복잡한 노드나 특정 커스텀 노드를 누락할 가능성이 있어, 보다 확실한 백업을 위해서는 두 번째 방식인 **수동 JSON 파일 저장**이 권장된다 [4].
+- **포맷 호환성 이슈:** ComfyUI의 빈번한 업데이트로 인해, 과거 이미지 메타데이터에 내장된 구버전 JSON 형식이 최신 버전의 인터페이스에서 정상적으로 작동하지 않을 수 있다는 점이 지적되었다 [5].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Exiftool 추출 명령:** `exiftool -b -workflow input.png > workflow.json` 명령어를 통해 PNG의 메타데이터 청크에서 워크플로우 JSON을 격리하여 저장하는 사례가 확인된다 [7, 8].
+- **Frontend 파싱 위치:** 공식적인 메타데이터 파싱 로직은 `comfyui-frontend-package` 내부의 `src/scripts/metadata` 경로에서 구현 및 관리되고 있다 [13].
+- **커스텀 노드 연동:** `pythongosssss`의 워크플로우 이미지 생성 노드 등을 통해 워크플로우 정보가 포함된 이미지를 생성하고, 이를 다시 `workflow_templates`로 활용하기 위해 JSON을 추출하는 작업 흐름이 존재한다 [15].
+- **온라인 추출 도구:** `weirdwonderfulai.art` 등에서 제공하는 워크플로우 추출기는 사용자가 드롭한 PNG의 메타데이터 청크를 분석하여 JSON 파일로 다운로드할 수 있게 한다 [12, 16].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/RAG (Retrieval-Augmented Generation).md

@@ -0,0 +1,59 @@
+---
+id: rag-(retrieval-augmented-generation)
+title: "RAG (Retrieval-Augmented Generation)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["검색 증강 생성"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "LLM", "Workflow-Automation"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator (Future Roadmap)", "Alibaba ViDoRAG"]
+github_commit: ""
+---
+
+# [[RAG (Retrieval-Augmented Generation)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+RAG는 정적인 학습 데이터에 갇힌 LLM의 한계를 넘어, 실시간 노드 생태계와 전문가의 워크플로우 패턴을 동적으로 검색하여 실행 가능한 ComfyUI JSON을 생성하는 차세대 아키텍처의 핵심이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **노드 정보 검색 (Node Information Retrieval):** 모델 가중치에 노드 지식을 고정하는 대신, 현재 설치된 노드 및 최신 리포지토리를 포함하는 동적 벡터 데이터베이스를 쿼리하여 새로운 노드 정보를 실시간으로 획득한다 [2].
+- **사례 기반 추론 (Case-Based Reasoning):** 커뮤니티에서 공유된 수천 개의 고품질 워크플로우를 "지식 패턴"으로 인덱싱하고, 특정 문제 해결(예: ControlNet 연결 방식)을 위해 기존 전문가의 하위 그래프를 검색 및 복제한다 [2].
+- **I/O 스키마 인식 (I/O Schema Awareness):** 단순한 이름 일치를 넘어, 검색된 데이터를 바탕으로 노드 간의 데이터 유형(Float, Image, Latent 등)이 실행 가능한 수준에서 호환되는지 논리적으로 검증한다 [2].
+- **정적 모델의 한계 극복:** 학습 시점(Cutoff) 이후에 출시된 커스텀 노드에 대해 "환각(Hallucination)" 없이 정확한 연결 구조를 제안하기 위한 수단으로 활용된다 [1, 3].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **3단계 생성 파이프라인의 확장:** 기존 [논리적 합성 -> 세만틱 검증 -> 그래프 컴파일] 과정 중 검증 및 합성 단계에서 외부 지식을 주입하는 패턴이 발견된다 [2, 4, 5].
+- **에이전트 기반 탐색:** 워크플로우 생성기가 단순한 변환기가 아닌, 실시간 ComfyUI 환경을 "읽고" 문서화된 노드 사양을 학습하여 즉시 적용하는 능동적 에이전트 패턴으로 진화한다 [2, 6].
+
+## 📖 세부 내용 (Details)
+- **정적 모델의 문제점:** 현재의 워크플로우 생성 모델(예: Qwen2.5-14B 기반)은 학습 데이터에 포함되지 않은 새로운 커스텀 노드나 변경된 아키텍처에 대응할 수 없는 "Frozen" 상태이다 [1]. 
+- **노드용 RAG (RAG for Nodes):** 미래의 아키텍처는 에이전트가 사용자의 **현재 설치된 노드**와 외부 데이터베이스를 쿼리하도록 설계된다. 이를 통해 오늘 출시된 노드의 문서도 즉시 "읽고" 워크플로우에 반영할 수 있다 [2].
+- **워크플로우 검색 및 적응:** 무에서 유를 창조하는 대신, 온라인상의 방대한 워크플로우 라이브러리를 인덱싱하여 검색한다. 에이전트는 전문가가 특정 하위 문제(Sub-problem)를 해결한 방식을 식별하고 이를 현재 작업에 맞게 적응시킨다 [2].
+- **지능형 디버깅:** AI 에이전트가 오류 메시지를 분석하고 RAG를 통해 적절한 대체 노드를 제안하거나 JSON 워크플로우를 수정하는 기능으로 확장될 수 있다 [7].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **현재와 미래의 격차:** 현재 제공되는 `ComfyUI-WorkflowGenerator`는 정적으로 미세 조정(Fine-tuned)된 모델을 사용하며, RAG 기반의 동적 노드 검색은 차세대 도구를 위한 "미래 비전" 및 "로드맵"으로 제시되고 있다 [2, 3, 8].
+- **기술적 성숙도:** 소스 내에서 RAG는 실제 구현된 기능보다는 모델의 한계를 극복하기 위한 아키텍처적 제안으로 주로 다루어진다 [2, 6].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI-WorkflowGenerator:** 프로젝트의 향후 비전으로 "Retrieval-Augmented Generation (RAG) for Nodes"를 명시하고 있으며, 벡터 임베딩 데이터베이스를 통한 노드 검색 아키텍처를 설계 중이다 [2].
+- **Alibaba ViDoRAG:** 소스 내 뉴스 목록에 "Intelligent Document Analysis Tool"로서 언급되어 있으나, 구체적인 ComfyUI 워크플로우 생성 연동 방식은 상세히 기술되지 않았다 [9].
+- **NodeValidator:** 현재 버전에서는 RAG의 초기 형태인 '세만틱 검색(Semantic Search)'을 사용하여 노드 이름의 오타를 수정하거나 설치된 노드 카탈로그와 대조하는 기능을 수행하고 있다 [10].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 RAG 엔진의 상세 구현 코드는 소스에 포함되지 않았으며, 아키텍처 제안 단계임)
+- **출처 신뢰도:** B (GitHub 오픈소스 연구 및 공식 문서 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Focus: Architectural vision of RAG in workflow generation) [1, 2, 6, 8]

10_Wiki/Topics/Topic_Graphic/Comfyui/Retrieval-Augmented Generation (RAG) for Nodes.md

@@ -0,0 +1,61 @@
+---
+id: retrieval-augmented-generation-(rag)-for-nodes
+title: "Retrieval-Augmented Generation (RAG) for Nodes"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Retrieval-Augmented Generation (RAG) for Nodes]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+정적인 파인튜닝 모델의 지식 유효기간 한계를 극복하기 위해, 현재 설치된 노드와 최신 저장소의 정보를 실시간으로 검색하여 워크플로우를 생성하는 동적 아키텍처 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **동적 벡터 임베디드 데이터베이스 (Dynamic Vector-Embedded Database):** 사용자의 로컬 환경과 인터넷상의 최신 노드 저장소 정보를 실시간으로 쿼리할 수 있도록 벡터화하여 저장하는 시스템 [2].
+2.  **노드 지식의 탈동기화 (Decoupling Node Knowledge):** 모델 가중치에 노드 정보를 고정하는 대신, 외부 지식 베이스에서 정보를 가져와 모델의 지식을 최신 상태로 유지함 [1, 2].
+3.  **실시간 문서 해석 (Real-time Documentation Parsing):** 오늘 출시된 새로운 노드라도 에이전트가 해당 노드의 문서를 즉시 "읽고" 워크플로우 구성에 활용할 수 있게 함 [2].
+4.  **환경 인지형 에이전트 (Environment-Aware Agent):** 사용자의 '현재 설치된' 노드 구성을 분석하고 이를 생성 프로세스에 반영하는 지능형 시스템 [2].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **지식 검색 기반 보정 (Retrieval-Based Correction):** 모델이 학습하지 못한 새로운 노드의 연결 방식이나 파라미터를 검색된 지식(RAG)을 통해 보정하는 패턴 [2].
+*   **사례 기반 추론 및 적응 (Case-Based Reasoning & Adaptation):** 온라인의 고품질 워크플로우를 '지식 패턴'으로 인덱싱하고, 이를 검색하여 현재 문제 해결에 맞게 변형하여 적용함 [2].
+*   **I/O 스키마 인식 (I/O Schema Awareness):** 단순히 노드 이름을 맞추는 수준을 넘어, 데이터 타입(Float, Image, Conditioning 등) 간의 실행 가능성을 검색된 정보를 기반으로 검증함 [2].
+
+## 📖 세부 내용 (Details)
+*   **정적 모델의 한계:** 현재의 `WorkflowGenerator`와 같은 모델은 특정 시점의 데이터로 파인튜닝되어 '동결'된 상태임 [1]. 따라서 매일 업데이트되는 ComfyUI 커스텀 노드 생태계의 변화를 따라잡지 못하며, 학습 데이터에 없는 노드에 대해 잘못된 연결(Hallucination)을 생성할 위험이 있음 [1, 2].
+*   **RAG를 통한 해결책:** 미래의 워크플로우 생성 도구는 정적 파인튜닝을 넘어 RAG 시스템으로 진화해야 함 [3]. 에이전트는 사용자의 로컬 노드 카탈로그와 최신 온라인 데이터베이스를 동시에 쿼리하여 지식을 보충함 [2].
+*   **워크플로우 검색 시스템:** 수천 개의 커뮤니티 워크플로우를 인덱싱하여, 전문가들이 특정 하위 문제(예: ControlNet과 Wan Video 노드의 연결 방식)를 해결하는 방식을 패턴화하고 이를 생성 시점에 검색하여 활용함 [2].
+*   **기술적 이점:** 이 방식은 대규모 모델(70B+) 대신 그래프 이론과 DAG(Directed Acyclic Graph) 추론에 특화된 소규모 전문 모델(SLM)을 사용하면서도, 검색 시스템(RAG)을 통해 방대한 노드 어휘력을 확보할 수 있게 함 [2].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **현재와 미래의 격차:** 소스 데이터에 따르면 RAG 기반 노드 생성은 현재 완전히 구현된 기능이 아니라, ComfyGPT 연구를 기반으로 한 '차세대 도구의 진화 방향' 및 '아이디어'로 제시되고 있음 [2, 3].
+*   **카탈로그 업데이트의 필요성:** 현재 구현(WorkflowGenerator)에서는 `UpdateNodeCatalog` 노드를 통해 로컬 노드를 스캔하여 수동으로 지식을 동기화해야 하는 단계에 머물러 있음 [4, 5].
+
+## 🛠️ 적용 사례 (Applied in summary)
+현재 소스 데이터에서 이 개념이 완전히 구현되어 적용된 실제 코드 사례는 발견되지 않았으며, "Future Vision(미래 비전)" 항목으로 기술되어 있음 [2]. 다만, 이를 위한 기초적인 단계로서 다음의 기능들이 언급됨:
+*   **UpdateNodeCatalog 노드:** 현재 설치된 모든 노드(네이티브 및 커스텀)를 스캔하고 카탈로그화하여 노드 검증 및 빌드에 활용함 [5].
+*   **NodeValidator 노드:** 시맨틱 검색(Semantic Search)을 통해 생성된 노드 이름을 로컬 카탈로그와 대조하여 교정함 [6].
+*   **WorkflowGenerator 아키텍처:** ComfyGPT 연구를 바탕으로 생성-검증-구축의 3단계 파이프라인을 구축하여 RAG 시스템으로의 확장을 위한 토대를 마련함 [3, 7].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Serialization Formats (Frontend vs API).md

@@ -0,0 +1,113 @@
+---
+id: serialization-formats-(frontend-vs-api)
+title: "Serialization Formats (Frontend vs API)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Frontend JSON", "API JSON", "workflow.json", "workflow_api.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Serialization", "API"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint (bc85382)", "ComfyUI-to-Python-Extension", "Mystic Pipeline (new_pipeline.py)"]
+github_commit: "bc85382"
+---
+
+# [[Serialization Formats (Frontend vs API)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI는 인간 중심의 시각적 편집을 위한 **Frontend Format**과 기계 중심의 효율적 실행을 위한 **API Format**으로 직렬화 규격을 이원화하여 관리한다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **Frontend Format (workflow.json):** 사용자와의 상호작용 및 시각화를 위해 설계된 포맷으로, Litegraph 표준을 따르며 노드 좌표, 크기, 그룹화 정보 등 모든 UI 메타데이터를 포함한다 [1, 3, 4].
+- **Backend/API Format (workflow_api.json):** 서버 사이드 처리에 최적화된 스트림라인 실행 그래프로, 시각적 메타데이터를 제거하고 실행에 필요한 노드 유형과 입력값, 연결 관계만을 유지한다 [1, 5].
+- **Metadata Stripping:** API 포맷 생성 과정에서 불필요한 UI 속성을 제거하여 파일 크기를 압축하고 실행 효율성을 극대화하는 전략이다 [1, 2].
+- **Link Embedding:** API 포맷에서는 링크가 별도의 객체가 아니라 노드 입력 내부에 `[origin_node_id, output_slot_index]` 형태의 참조값으로 직접 포함된다 [1, 6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Bifurcation Pattern:** 동일한 워크플로우를 사용 목적에 따라 시각적 레이아웃(Frontend)과 논리적 실행 순서(API)로 분리하여 저장 및 관리한다 [1].
+- **Execution Model Inversion:** 엔진 실행 시 출력 노드(Save Image 등)에서 시작하여 역방향으로 그래프를 탐색함으로써, JSON 내에 미사용 노드가 있더라도 실행 성능에 영향을 주지 않도록 설계되었다 [7].
+- **Metadata Injection:** 생성된 이미지(PNG/WebP)의 텍스트 청크(tEXt/zTXt)에 두 포맷을 모두 주입하여, 이미지 자체가 실행 논리의 컨테이너 역할을 수행하도록 한다 [8, 9].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 직렬화 구조는 크게 두 가지 운영 맥락으로 나뉜다.
+
+**1. Frontend JSON (workflow.json)의 구조와 역할**
+이 형식은 사용자가 웹 인터페이스에서 워크플로우를 편집하고 공유할 때 사용된다 [2]. 주요 특징은 다음과 같다:
+- **시각적 메타데이터:** `pos`(좌표), `size`(크기), `flags`(노드 상태), `groups`(그룹 구조)와 같은 캔버스 레이아웃 정보를 완벽하게 보존한다 [1, 10].
+- **링크 표현:** 노드 간의 연결이 별도의 `links` 배열 내에서 명시적인 연결 객체로 관리된다 [2, 11].
+- **호환성:** 웹 인터페이스에서 드래그 앤 드롭을 통해 워크플로우를 원상복구하는 데 필수적이다 [3, 12].
+
+**2. API JSON (workflow_api.json)의 구조와 역할**
+서버리스 배포나 외부 애플리케이션 연동 시 사용되는 실행 전용 포맷이다 [2, 13].
+- **효율성 최적화:** 모든 UI 관련 정보를 제거하여 파일 용량을 줄이고 처리 속도를 높인다 [2].
+- **노드 식별:** 노드는 고유한 기능적 키(주로 숫자 문자열)로 식별되며, `class_type`과 `inputs` 필드가 핵심을 이룬다 [2, 14].
+- **연결 방식:** 별도의 링크 객체 없이, 노드의 입력 필드 내에 소스 노드와 슬롯 번호를 직접 기입하는 방식을 취한다 [1, 2].
+
+**3. 포맷 간 전환 및 생성**
+기본적으로 ComfyUI 설정의 'Dev mode Options'를 활성화해야 'Save (API format)' 버튼이 노출된다 [15, 16]. 일부 도구는 Frontend 포맷을 서버 사이드에서 API 포맷으로 변환하는 기능을 제공하여 개발자가 UI 버전만 관리할 수 있도록 돕기도 한다 [17, 18].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가독성 vs 실행력:** API JSON은 실행에는 최적화되어 있으나, 다시 UI로 불러올 경우 시각적 레이아웃이 파괴된 'Skeleton' 상태로 나타나 편집이 매우 어렵다는 한계가 있다 [18].
+- **데이터 유실 위험:** PNG 이미지에 포함된 메타데이터는 SNS 업로드나 압축 과정에서 쉽게 제거될 수 있으며, 이 경우 워크플로우 복구가 불가능해진다 [9, 19].
+- **버전 호환성:** ComfyUI가 빈번하게 업데이트됨에 따라, 이전 버전에서 생성된 JSON 파일이 최신 엔진에서 정상적으로 동작하지 않을 수 있는 모순이 존재한다 [19].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 사이드의 변환 로직을 Python으로 구현하여 `/workflow/convert` 엔드포인트를 통해 비 API 포맷을 API 포맷으로 변환한다 (Git Commit: `bc85382`) [17, 20, 21].
+- **ComfyUI-to-Python-Extension:** API JSON 포맷을 읽어 실행 가능한 순수 Python 스크립트(`.py`)로 변환하며, `workflow_api.py`라는 기본 파일명을 사용한다 [22, 23].
+- **Mystic Pipeline:** `workflow.json`을 포함한 디렉토리 구조에서 `new_pipeline.py`를 통해 입력 프롬프트를 JSON에 주입하고 실행하는 파이프라인 아키텍처를 구성한다 [24, 25].
+- **Replicate fofr/any-comfyui-workflow:** API JSON 블록을 직접 입력받아 GPU 환경에서 실행하고 결과물을 반환하는 프로덕션 모델로 활용된다 [26, 27].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (다양한 커스텀 노드 및 확장 도구에서 적용 사례 확인됨)
+- **출처 신뢰도:** B (Official Documentation / GitHub Source Code README / Expert Tutorials)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[ComfyUI Workflow JSON 생성 방법]]
+  - 연결 이유: 본 주제의 루트 주제로서 전체적인 생성 맥락을 제공함.
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend 포맷의 시각적 레이아웃 규격을 결정하는 핵심 기술임.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 좌표 및 링크 객체 처리 방식의 원리.
+
+#### [구현/활용 도구]
+- [[Dev Mode Options]]
+  - 연결 이유: API 포맷을 추출하기 위해 반드시 선행되어야 하는 UI 설정임.
+- [[ComfyUI-Manager]]
+  - 연결 이유: JSON 로드 시 발생하는 종속성(Custom Node) 문제를 해결하는 필수 도구임 [28].
+- [[Load Image (Base64)]]
+  - 연결 이유: API 요청 시 외부 이미지 파일을 JSON 내부에 직렬화하여 포함하는 주요 방식임 [29].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Frontend JSON의 `links` 배열 구조와 API JSON의 `inputs` 내 임베디드 참조 방식 간의 변환 알고리즘은 구체적으로 어떻게 작동하는가?
+- 이미지 메타데이터(tEXt/zTXt)에 두 가지 포맷을 동시에 저장할 때 발생하는 오버헤드와 실제 처리 우선순위는 무엇인가?
+- `object_info.json`은 API JSON을 동적으로 생성하거나 검증하는 과정에서 어떤 데이터 스키마를 제공하는가? [13]
+- 왜 ComfyUI는 API 포맷 노출을 기본적으로 숨기고 'Dev Mode'를 통해서만 접근하도록 설계했는가? [17]
+- `ComfyUI-to-Python-Extension`이 변환한 파이썬 코드와 원본 API JSON 간의 실행 효율 차이는 존재하는가?
+- 복잡한 서브그래프(Subgraph)가 포함된 워크플로우를 API 포맷으로 직렬화할 때의 제약 사항은 무엇인가? [30]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 외부 Python 앱에서 ComfyUI 서버로 프롬프트를 보낼 때는 반드시 API 포맷을 사용해야 하며, 프롬프트 내 특정 노드 ID의 값을 동적으로 변경하여 전송한다 [31, 32].
+- **System Design:** 프로덕션 환경에서는 사용자가 시각적으로 편집한 `workflow.json`을 저장하고, 시스템 내부적으로 이를 API 포맷으로 변환하여 큐에 삽입하는 아키텍처가 권장된다 [18].
+- **Operation / Maintenance:** 모델 파일명 변경이나 커스텀 노드 누락에 대비하여 JSON 내의 `class_type`과 실제 서버의 `object_info`를 대조하는 검증 로직이 필요하다 [33].
+- **Learning Path:** 초보자는 Frontend JSON을 통한 시각적 학습에 집중하고, 자동화 단계로 넘어갈 때 API 포맷의 노드 ID 및 입력 구조를 파악해야 한다 [34].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: JSON 파일 내의 하드코딩된 파일명 문제를 해결하기 위한 모델 식별 기술 [35].
+- [[Retrieval-Augmented Generation (RAG) for Nodes]]
+  - 확장 방향: LLM을 이용해 동적으로 최적의 노드 그래프를 생성하는 미래 기술 [36].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on 18 sources)

10_Wiki/Topics/Topic_Graphic/Comfyui/Serialization Formats.md

@@ -0,0 +1,71 @@
+---
+id: serialization-formats
+title: "Serialization Formats"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Workflow JSON Formats", "Frontend vs API Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow.json", "workflow_api.json", "object_info.json", "bc85382"]
+github_commit: "bc85382"
+---
+
+# [[Serialization Formats]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 직렬화는 인간의 시각적 편집을 위한 **Frontend 포맷(UI 데이터 포함)**과 서버 및 스크립트 실행을 위한 **API 포맷(순수 로직)**으로 이원화되어 워크플로우의 가시성과 실행 효율성을 동시에 확보한다 [1-4].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **Frontend Format (workflow.json):** Litegraph 표준을 따르며 노드 위치, 크기, 그룹화 등 시각적 메타데이터를 포함하여 사용자 인터페이스 재구성을 지원한다 [1, 2, 5].
+2.  **Backend/API Format (workflow_api.json):** 시각적 요소를 제거하고 노드 입력값과 연결 관계만 포함된 스트림라인 실행 그래프로, `/prompt` 엔드포인트를 통한 프로그래밍적 호출에 최적화되어 있다 [1, 2, 6].
+3.  **Metadata Injection:** PNG 또는 WebP 이미지 생성 시, tEXt 또는 zTXt 청크 내부에 Frontend 워크플로우와 API 프롬프트 데이터를 직접 삽입하여 이미지를 워크플로우 컨테이너로 활용한다 [7-9].
+4.  **Schema Specification (v1.0):** 노드 ID, 유형, 위치(pos), 크기(size), 실행 순서(order) 및 모드(mode) 등 그래프 무결성을 보장하기 위한 기술적 제약 조건을 정의한다 [10-12].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Bifurcation Pattern (이원화 패턴):** 동일한 로직을 시각적 레이아웃용(Frontend)과 실행용(API)으로 분리하여 저장함으로써 사용자 경험과 API 확장성을 분리하여 관리한다 [1, 2].
+- **Link Embedding Strategy:** API 포맷에서는 명시적인 연결 객체 대신 노드 입력 필드 내에 '기원 노드 ID'와 '출력 슬롯 인덱스'를 직접 참조(예: `[13, 14]`)하여 그래프 구조를 단순화한다 [1, 15].
+- **Schema Validation Pattern:** `object_info.json`을 통해 실행 인스턴스의 노드 스키마(입출력 유형, 범위 등)를 카탈로그화하고, 실행 전 `validate_prompt` 함수로 워크플로우의 유효성을 검증한다 [16-18].
+
+## 📖 세부 내용 (Details)
+- **Frontend JSON 구조 및 특징:**
+    - 노드 식별을 위해 고유한 시각적 ID(숫자 문자열)를 사용하며, 노드가 축소되거나 고정되었는지와 같은 시각적 플래그를 유지한다 [1, 19].
+    - `links` 배열을 별도로 두어 노드 간의 물리적 연결 관계를 정의하며, 6개 항목으로 구성된 배열 형식을 통해 기원/대상 노드 및 슬롯 정보를 명시한다 [3, 11, 19].
+
+- **API JSON 구조 및 특징:**
+    - 불필요한 UI 메타데이터를 제거하여 파일 크기를 압축하고 전송 효율을 높인다 [1, 2, 6].
+    - 키값은 노드 ID로 구성되며, 각 값은 `class_type`과 `inputs`를 포함한 객체이다. 입력 필드에는 위젯 값 또는 다른 노드로부터의 링크 참조가 포함된다 [6, 18, 20].
+
+- **메타데이터 저장 방식:**
+    - PNG 파일의 경우, ComfyUI는 워크플로우(Frontend)와 프롬프트(API)를 별개의 문자열로 저장한다. 이는 이미지를 UI로 드래그했을 때 시각적 편집이 가능하게 함과 동시에 프로그래밍적 재실행을 가능하게 하는 중복 구조를 제공한다 [8].
+    - 단, 이미지 편집 소프트웨어나 소셜 미디어 플랫폼을 거칠 경우 이러한 비필수 메타데이터 청크가 손실될 위험이 크다 [8, 21].
+
+- **기타 주요 직렬화 아티팩트:**
+    - `object_info.json`: 실행 중인 ComfyUI 인스턴스의 모든 노드 스키마 등록부로, 입출력 유형, 허용 범위, 툴팁 등을 포함하여 도구 개발이나 입력값 검증에 사용된다 [5, 17, 18].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **하위 호환성 문제:** ComfyUI가 빈번하게 업데이트됨에 따라, 이전 버전에서 생성된 JSON 파일이 최신 버전의 ComfyUI에서 제대로 작동하지 않을 수 있다는 점이 명시되어 있다 [22].
+- **데이터 유실 가능성:** 이미지 기반 직렬화는 편리하지만, 압축 소프트웨어나 네트워크 전송 시 메타데이터가 제거될 수 있어 JSON 파일 형태의 별도 저장이 권장된다 [8, 22, 23].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **workflow.json & workflow_api.json:** ComfyUI의 표준 저장 포맷으로 사용되며, RunComfy 및 Mystic 등 서버리스 API 배포 플랫폼의 기본 참조 파일로 활용된다 [1, 17, 24].
+- **object_info.json:** 실행 인스턴스에서 스키마 정보를 추출하기 위해 `https://<server_id>/object_info` 엔드포인트를 통해 접근 가능하다 [25].
+- **comfyui-workflow-to-api-converter-endpoint:** Frontend 포맷의 워크플로우를 서버 측에서 실시간으로 API 포맷으로 변환하는 기능을 구현한 커스텀 노드 프로젝트이다 [26].
+- **Git Commit bc85382:** 콤보 위젯 값의 대소문자 표기 오류(예: "True" vs "true")가 유효성 검사에서 거부되는 문제를 해결하기 위해 대소문자 구분 없는 매칭 로직이 적용되었다 [27, 28].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Serverless Deployment.md

@@ -0,0 +1,67 @@
+---
+id: serverless-deployment
+title: "Serverless Deployment"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["서버리스 배포", "API 배포"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["new_pipeline.py", "pipeline.yaml", "fofr/any-comfyui-workflow"]
+github_commit: "bc85382"
+---
+
+# [[Serverless Deployment]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우의 서버리스 배포는 시각적 메타데이터를 제거하고 실행 로직만 남긴 **API 포맷 JSON(Backend Format)**을 통해 워크플로우를 독립적인 실행 가능한 프로그램으로 변환하는 과정이다 [1-4].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **API 포맷 JSON (workflow_api.json):** 서버 사이드 실행에 최적화된 스트림라인드 그래프로, 노드 위치나 크기 같은 UI 메타데이터를 제외하고 오직 노드 타입, 입력값, 연결 정보만을 포함한다 [1, 4].
+2. **서버리스 엔드포인트 (Serverless Endpoint):** GPU 관리, 오토스케일링, 플랫폼 최적화가 포함된 확장 가능한 API 지점으로, 사용자는 인프라 관리 없이 워크플로우를 실행할 수 있다 [3].
+3. **입력 오버라이드 (Input Overrides):** 배포된 워크플로우를 호출할 때 프롬프트, 시드, 이미지 경로 등 특정 파라미터만을 동적으로 변경하여 전송하는 방식이다 [5, 6].
+4. **종속성 패키징 (Dependency Packaging):** 서버리스 환경에서 워크플로우가 작동하도록 필요한 커스텀 노드, 모델 가중치, Python 라이브러리를 도커 이미지나 YAML 설정으로 정의하는 과정이다 [7, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Bifurcation(이분화) 패턴:** 사용자 편집용 'Frontend JSON'과 실행 전용 'API JSON'을 분리하여 관리하며, API 요청 시에는 반드시 후자를 사용해야 한다 [1, 9, 10].
+- **Pipeline-as-Code:** 워크플로우 실행 로직을 Python 스크립트(`new_pipeline.py`)로, 환경 설정을 YAML(`pipeline.yaml`)로 작성하여 인프라를 코드로 관리한다 [7].
+- **Remote Asset Referencing:** 로컬 파일을 직접 사용하는 대신 URL 참조나 ZIP/TAR 압축 파일 업로드를 통해 서버리스 환경에 데이터를 공급한다 [11, 12].
+
+## 📖 세부 내용 (Details)
+*   **API 포맷 획득 프로토콜:** 서버리스 배포를 위한 JSON을 얻으려면 ComfyUI 설정(Settings) 메뉴에서 **'Enable Dev mode Options'**를 활성화해야 한다 [2, 11, 13, 14]. 이후 제어판에 나타나는 **'Save (API format)'** 또는 **'Export (API)'** 버튼을 통해 추출할 수 있다 [2, 15].
+*   **플랫폼별 배포 방식:**
+    *   **Mystic:** `pipeline.yaml`에 CUDA 및 Python 의존성을 정의하고, `new_pipeline.py`에서 ComfyUI 서버 시작 및 워크플로우 로드 로직을 구현한다 [7, 8]. 도커 이미지를 빌드하여 Mystic 계정에 푸시하면 엔드포인트가 생성된다 [8, 16].
+    *   **Replicate:** `fofr/any-comfyui-workflow`와 같은 범용 모델을 활용하거나 전용 API 토큰을 사용하여 Python/JavaScript 클라이언트로 워크플로우 JSON을 전송한다 [17-19].
+    *   **RunComfy:** 워크플로우를 'Serverless API (ComfyUI)'로 배포하며, 플랫폼이 내부적으로 `workflow_api.json`을 저장하고 API 호출 시 오버라이드 값만 적용하여 효율적으로 실행한다 [4, 6, 20].
+*   **데이터 처리 및 통신:**
+    *   **입력:** 이미지 입력 시 `Load Image (Base64)` 노드를 사용하여 JSON 내에 데이터를 직접 포함하거나, URL을 통해 클라우드 저장소의 자원을 참조한다 [11, 21].
+    *   **출력:** 결과물 확인을 위해 `SaveImageWebsocket` 노드를 사용하여 웹소켓 통신으로 이미지 바이너리를 수신하거나, 서버리스 플랫폼의 출력 디렉토리에 저장된 파일을 반환받는다 [21, 22].
+*   **자동화 및 변환 도구:** `comfyui-workflow-to-api-converter-endpoint`를 설치하면 `/workflow/convert` 엔드포인트를 통해 일반 `workflow.json`을 API 포맷으로 서버사이드에서 즉시 변환하여 실행할 수 있다 [10, 23, 24].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **호환성 문제:** 표준 `workflow.json`을 API 엔드포인트(`prompt`)에 직접 전송하면 백엔드 엔진이 시각적 메타데이터를 해석하지 못해 오류가 발생한다 [10, 13].
+*   **가독성 손실:** API JSON은 노드 위치 정보가 제거되었으므로, 이를 다시 ComfyUI UI로 드래그하면 노드들이 겹쳐진 '뼈대만 남은' 상태가 되어 편집이 극도로 어렵다 [25]. 따라서 원본 'Full Workflow' JSON을 반드시 별도로 보관해야 한다 [25].
+*   **종속성 취약점:** 배포된 환경에 필요한 커스텀 노드가 누락되면 'Red Boxes' 에러가 발생하며, 이를 해결하기 위해 `ComfyUI-Manager`를 통한 의존성 해결이나 도커 기반의 환경 구성이 필수적이다 [8, 26, 27].
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **`new_pipeline.py`**: Mystic 플랫폼에서 서버리스 엔드포인트를 정의하는 핵심 파이썬 파일로, 입력 프롬프트를 JSON 워크플로우에 주입하고 실행하는 템플릿 역할을 한다 [7, 22].
+*   **`pipeline.yaml`**: Mystic 배포 시 CUDA 버전, Python 라이브러리 종속성, 오토스케일링 설정을 포함하는 구성 파일이다 [7, 8].
+*   **`fofr/any-comfyui-workflow`**: Replicate에서 어떤 API 포맷 JSON이든 수용하여 실행할 수 있도록 설계된 범용 서버리스 모델이다 [17, 19].
+*   **GitHub Commit `bc85382`**: `comfyui-workflow-to-api-converter-endpoint`에서 콤보 위젯의 대소문자 표기 오류(예: True vs true)를 수정하여 유효성 검사 실패 문제를 해결한 기록이 확인된다 [28, 29].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Steganography in Generative AI.md

@@ -0,0 +1,62 @@
+---
+id: steganography-in-generative-ai
+title: "Steganography in Generative AI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["메타데이터 은닉", "Metadata Embedding"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-to-Python-Extension", "Comfy_UI_prompt_extractor", "comfyui_extractor.py", "exiftool"]
+github_commit: ""
+---
+
+# [[Steganography in Generative AI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+생성형 AI의 결과물(이미지) 내부에 실행 가능한 워크플로우 로직(JSON)을 메타데이터 형태로 은닉함으로써, 시각적 자산과 그 제작 절차를 결합하여 완벽한 재현성을 확보하는 기술 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **메타데이터 주입 (Metadata Injection):** ComfyUI의 'Save Image' 노드가 실행될 때, 최종 이미지 파일의 숨겨진 메타데이터 영역에 전체 노드 그래프, 설정 및 프롬프트를 자동으로 포함시키는 프로세스 [2, 4].
+- **PNG 청크 구조 (tEXt/zTXt Chunks):** PNG 파일 규격 내에서 텍스트 정보를 저장하기 위해 정의된 특정 영역으로, ComfyUI는 이곳에 'workflow'(프런트엔드 포맷)와 'prompt'(API 포맷)라는 두 가지 정보를 저장함 [5].
+- **데이터 프레절리티 (Metadata Fragility):** 소셜 미디어 플랫폼이나 일반 이미지 편집기(예: GIMP)를 거칠 경우, 파일 최적화나 개인정보 보호를 위해 비필수 메타데이터인 워크플로우 JSON이 제거되어 재현성이 소실되는 특성 [4-6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **드래그 앤 드롭 복구 패턴:** 이미지 파일을 ComfyUI 캔버스에 직접 끌어다 놓으면 내장된 JSON 데이터를 읽어 즉각적으로 노드 레이아웃을 복구하는 직관적 인터페이스 패턴 [2, 7].
+- **이중 직렬화 저장 전략:** PNG 메타데이터 내에 시각적 편집을 위한 '프런트엔드 포맷'과 실제 실행을 위한 'API/백엔드 포맷'을 동시에 저장하여 호환성을 높임 [5, 8].
+- **사후 추출 및 주입 패턴:** 메타데이터가 손실되었거나 대량의 이미지에서 로직을 추출해야 할 경우, `exiftool`이나 전용 CLI 도구를 사용하여 이진 태그에서 JSON을 분리해내는 패턴 [9, 10].
+
+## 📖 세부 내용 (Details)
+ComfyUI 생태계에서 스테가노그래피는 주로 생성된 이미지(PNG, WebP 등) 내부에 워크플로우의 "소스 코드"에 해당하는 JSON 데이터를 숨기는 방식으로 구현된다 [1, 2].
+
+- **저장 메커니즘:** 대부분의 워크플로우는 `Save Image` 노드에서 종료되며, 이 노드가 구동될 때 생성된 이미지의 비가시적 메타데이터 영역에 전체 노드 레이아웃, 노드 간의 링크, 입력값, 모델 설정 등을 주입한다 [2, 4]. 이는 별도의 파일 없이 이미지 자체를 워크플로우의 백업 또는 공유 매체로 사용할 수 있게 한다 [4].
+- **데이터 구조의 세분화:** PNG 파일 내의 `tEXt` 또는 `zTXt` 청크를 활용하며, 여기에 두 가지 형태의 문자열이 저장된다. 하나는 UI 레이아웃 정보를 포함한 **Frontend Format(workflow.json)**이며, 다른 하나는 백엔드 엔진이 즉시 실행할 수 있도록 정제된 **API Format(prompt/workflow_api.json)**이다 [5].
+- **추출 기술:** 이미지에서 은닉된 로직을 복구하기 위해 `exiftool -b -workflow input.png > workflow.json`과 같은 명령어를 사용하여 이진 메타데이터 영역에서 JSON 스트링을 분리해낼 수 있다 [9]. 또한 `ComfyUI-to-Python-Extension`과 같은 도구는 생성된 스크립트가 저장하는 이미지에 프런트엔드 메타데이터를 포함시켜 다시 UI로 불러올 수 있도록 지원한다 [11].
+- **한계점:** 이러한 스테가노그래피 방식은 매우 편리하지만, 이미지 압축 소프트웨어나 온라인 플랫폼의 메타데이터 제거 정책에 취약하여 데이터가 유실될 위험이 상존한다 [5, 7].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정보의 불완전성:** 이미지 임베딩 방식(첫 번째 방법)은 간편하지만, 때때로 새롭게 추가된 노드나 커스텀 노드의 일부 정보를 누락하는 경우가 보고되어, 복잡한 워크플로우의 경우 별도의 JSON 파일 저장(두 번째 방법)이 권장된다 [4].
+- **버전 호환성:** ComfyUI의 빈번한 업데이트로 인해, 이미지 내부에 저장된 구버전의 JSON 메타데이터가 최신 버전의 ComfyUI에서 정상적으로 작동하지 않을 수 있다는 경고가 존재한다 [7].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **exiftool 기반 워크플로우 추출:** `exiftool -b -workflow input.png` 명령을 통해 이미지 내의 비표준 태그에 저장된 JSON을 파일로 출력함 [9, 10].
+- **ComfyUI-to-Python-Extension:** 생성된 .py 스크립트 실행 시 저장되는 이미지에 프런트엔드 워크플로우 메타데이터를 포함하도록 구현되어 있어, 결과 이미지를 다시 UI로 드래그 앤 드롭하여 재편집 가능 [11].
+- **Weird Wonderful AI Art (추출기):** 웹 브라우저 기반으로 PNG 파일에서 JSON 워크플로우 데이터를 분석하고 추출해주는 전용 서비스 도구 [12, 13].
+- **Comfy_UI_prompt_extractor:** 이미지에서 긍정 프롬프트, API 그래프, UI 레이아웃을 분리하여 별도의 JSON 파일로 일괄 생성하는 CLI 도구 [9, 10].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Subgraph.md

@@ -0,0 +1,62 @@
+---
+id: subgraph
+title: "Subgraph"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint"]
+github_commit: "bc85382"
+---
+
+# [[Subgraph]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Subgraph는 복잡한 ComfyUI 노드 그래프를 논리적으로 캡슐화하고 모듈화하여 관리 및 실행 효율성을 극대화하는 공식 기능이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **그래프 캡슐화 (Encapsulation):** 복잡한 노드 연결 구조를 하나의 상위 노드 단위로 묶어 워크플로우 가독성을 높이고 관리 지점을 단순화한다. [2, 3]
+2.  **중첩 구조 지원 (Nested Support):** 서브그래프 내부에 또 다른 서브그래프를 포함하는 계층적 구조 설계가 가능하다. [3]
+3.  **입력 슬롯 매핑 (Slot Mapping):** 상위 노드의 입력 위치와 내부 서브그래프 정의 간의 데이터 흐름을 정확히 일치시키는 동기화 메커니즘을 포함한다. [4]
+4.  **실행 모델 통합:** 노드 실행 시 서브그래프 존재 여부를 감지하고, 이를 전체 실행 리스트(Execution List)의 일부로 처리한다. [5]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **링크 ID 충돌 방지 패턴:** 서브그래프 내부의 링크 ID가 전체 워크플로우의 링크 ID와 충돌하지 않도록 독립적인 ID 할당 체계를 유지해야 한다. [4]
+-   **API 변환 최적화:** 워크플로우를 API 전용 JSON으로 변환할 때, 서브그래프의 계층 구조를 보존하면서도 실행 가능한 형태의 노드 입력 참조 방식으로 스트림라이닝한다. [3, 4]
+
+## 📖 세부 내용 (Details)
+-   **공식 릴리스 및 인터페이스:** Subgraph는 ComfyUI의 공식 기능으로 릴리스되었으며, 사용자 인터페이스 가이드의 "Interface Guide" 섹션에서 주요 기능으로 다루어진다. [1, 2]
+-   **실행 엔진과의 상호작용:** 백엔드 실행 엔진은 `get_output_data` 함수를 통해 노드의 실행 결과 및 UI 관련 출력과 함께 서브그래프의 존재 여부에 대한 추가 정보를 반환한다. [5]
+-   **커스텀 노드 개발 활용:** 노드 개발자는 "Subgraph blueprints" 규격을 활용하여 특정 기능을 수행하는 서브그래프 기반의 커스텀 노드를 정의할 수 있다. [6]
+-   **JSON 변환 시의 기술적 처리:**
+    -   서브그래프 내부의 링크 ID가 외부 워크플로우와 충돌할 경우 입력 연결이 소실되는 문제가 발생할 수 있어, 이를 격리하여 처리하는 로직이 필수적이다. [4]
+    -   외부 노드의 슬롯 위치와 실제 서브그래프 정의 내의 입력 슬롯 위치가 다를 경우 이를 매핑하는 과정이 포함된다. [4]
+    -   중첩된 서브그래프를 처리하기 위해서는 재귀적인 변환 깊이 제한(예: 100회)을 두어 무한 루프를 방지하고 안정성을 확보한다. [3]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **API 호환성 이슈:** 초기에는 서브그래프가 포함된 워크플로우를 API 포맷으로 변환할 때 내부 링크 ID 충돌이나 슬롯 매핑 오류가 발생했으나, 이후 `comfyui-workflow-to-api-converter-endpoint`와 같은 툴을 통해 이러한 기술적 결함들이 해결되었다. [4, 7]
+-   **버전별 기능 차이:** V2.09 버전에서 서브그래프 입력 슬롯 매핑 방식이 개선되는 등 지속적인 스펙 업데이트가 이루어지고 있다. [4]
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **comfyui-workflow-to-api-converter-endpoint (V2.09):** 서브그래프 정의와 외부 노드 간의 입력 슬롯 매핑 위치가 불일치하는 문제를 해결했다. [4]
+-   **comfyui-workflow-to-api-converter-endpoint (V2.07):** 서브그래프 내부 링크 ID와 전체 워크플로우 링크 ID 간의 충돌로 인한 입력 연결 소실 문제를 수정했다. [4]
+-   **comfyui-workflow-to-api-converter-endpoint (V2.02):** 서브그래프 처리와 관련된 일반적인 버그를 수정했다. [7]
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+-   **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+-   **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Visual Programming Environment.md

@@ -0,0 +1,114 @@
+---
+id: visual-programming-environment
+title: "Visual Programming Environment"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["시각적 프로그래밍 환경", "Node-based Interface"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Visual Programming"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in:
+  - "ComfyUI/custom_nodes/ComfyUI-Manager"
+  - "ComfyUI-WorkflowGenerator (Commit: 82df278)"
+  - "comfyui-workflow-to-api-converter-endpoint (Commit: bc85382)"
+  - "comfyui_to_python.py"
+  - "/workflow/convert"
+  - "workflow_api.json"
+github_commit: "82df278, bc85382"
+---
+
+# [[Visual Programming Environment]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI는 생성형 AI의 복잡한 파이프라인을 노드 기반의 유향 비순환 그래프(DAG)로 추상화하여, 코드 없이 로직을 설계하고 이를 JSON 형태로 직렬화하여 실행 및 공유할 수 있게 하는 고수준 시각적 프로그래밍 환경이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **노드 기반 유향 비순환 그래프 (DAG):** 모델 로더, 샘플러, 인코더 등을 나타내는 노드들이 링크로 연결되어 데이터의 흐름을 정의하는 구조적 토대이다 [1, 4].
+2.  **절차적 프레임워크 (Procedural Framework):** 정적인 메뉴 방식과 달리 알고리즘이나 절차를 통해 콘텐츠를 생성하며, 워크플로우 자체가 프로그램의 '소스 코드' 역할을 수행한다 [3, 5].
+3.  **포맷의 이원화 (Bifurcation of Formats):** 시각적 편집을 위한 **Frontend JSON**과 서버 실행 및 API 호출에 최적화된 **API JSON**으로 구분되어 운영된다 [6-8].
+4.  **실행 모델 역전 (Execution Model Inversion):** 그래프의 모든 노드를 실행하는 대신, 최종 출력 노드에서 거꾸로 추적하여 필요한 의존성 노드만 실행함으로써 성능을 최적화한다 [9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **메타데이터 임베딩 패턴:** 생성된 PNG 이미지의 tEXt 또는 zTXt 청크 내에 워크플로우 JSON을 삽입하여 이미지 자체가 실행 가능한 소스 코드가 되도록 설계한다 [10, 11].
+-   **API 최적화 패턴:** 백엔드 실행 시 불필요한 좌표(pos), 크기(size), 그룹 등 UI 메타데이터를 제거하고 노드 간의 직접적인 참조로 그래프를 단순화한다 [6, 8, 12].
+-   **의존성 해결 패턴:** 워크플로우 JSON 내 `class_type`을 로컬 레지스트리와 대조하여 누락된 커스텀 노드를 식별하고 자동으로 설치를 유도하는 구조를 가진다 [13, 14].
+
+## 📖 세부 내용 (Details)
+ComfyUI는 시각적 프로그래밍 환경으로서 사용자가 복잡한 수학적 이해나 프로그래밍 코드 작성 없이도 정교한 생성 AI 시스템을 설계할 수 있도록 돕는다 [2]. 이 환경의 핵심은 모든 작업 단위가 **노드(Node)**로 정의된다는 점이며, 이 노드들은 특정 슬롯(Slot)을 통해 데이터를 주고받는다 [4, 15].
+
+**JSON 직렬화 아키텍처**
+-   **스키마 규격:** ComfyUI JSON Schema v1.0(Draft-07 사양)을 따르며, 각 노드는 `id`, `type`, `pos`, `size`, `widgets_values`, `inputs`, `outputs` 등의 속성을 필수적으로 포함한다 [16].
+-   **워크플로우 생성 경로:**
+    -   **수동 생성:** 웹 인터페이스에서 `Ctrl + S`를 통해 직렬화된 JSON 파일을 다운로드한다 [17].
+    -   **자동 추출:** 전용 도구(exiftool 등)를 사용하여 이미지 메타데이터에서 JSON을 복원한다 [18, 19].
+    -   **프로그래밍적 생성:** Python의 `json` 라이브러리를 사용해 딕셔너리 구조를 조작하거나 LLM을 통해 자연어 설명을 실행 가능한 그래프 구조로 변환한다 [20, 21].
+
+**실행 환경의 분리**
+프론트엔드 형식(Litegraph 표준 기반)은 캔버스 레이아웃 정보를 포함하여 인간의 협업과 시각적 편집에 적합하며, API 형식은 `/prompt` 엔드포인트에 즉시 전달 가능한 압축된 실행 그래프 형태를 띤다 [6, 12, 22, 23].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **메타데이터의 취약성:** 이미지 메타데이터에 워크플로우를 저장하는 방식은 편리하지만, 소셜 미디어나 표준 이미지 편집기에 의해 데이터가 제거(Stripped)될 위험이 크다 [11, 24].
+-   **버전 호환성:** ComfyUI의 잦은 업데이트로 인해 이전 버전의 JSON 파일이 최신 환경에서 제대로 작동하지 않을 수 있다는 경고가 존재한다 [25].
+-   **API 호환성 오류:** 표준 'Save'로 생성된 JSON을 API로 호출하면 오류가 발생하며, 반드시 'Dev mode'를 활성화하여 'Save (API Format)'으로 추출해야 한다 [26].
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **ComfyUI/custom_nodes/ComfyUI-Manager:** 워크플로우 JSON을 분석하여 누락된 노드를 설치하고 관리하는 실제 구현체이다 [27, 28].
+-   **ComfyUI-WorkflowGenerator (Commit: 82df278):** Qwen2.5 모델을 사용하여 자연어를 ComfyUI JSON으로 변환하는 파이프라인이 구현되어 있다 [29, 30].
+-   **comfyui-workflow-to-api-converter-endpoint (Commit: bc85382):** 클라이언트 측의 JS 로직을 Python으로 변환하여 서버사이드에서 일반 JSON을 API 포맷으로 변환하는 `/workflow/convert` 엔드포인트를 제공한다 [26, 31].
+-   **comfyui_to_python.py:** 시각적 워크플로우를 실행 가능한 독립적인 Python 스크립트로 변환하는 도구이다 [32].
+-   **workflow_api.json:** RunComfy 등의 플랫폼에서 서버리스 API 호출의 기본 단위로 사용되는 직렬화 파일이다 [7].
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (실제 적용 사례 다수 발견됨)
+-   **출처 신뢰도:** B (공식 문서 및 오픈소스 프로젝트 분석 기반)
+-   **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: ComfyUI 워크플로우의 논리적 구조를 정의함 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간 데이터 흐름 및 의존성 관계.
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend JSON 포맷의 시각적 메타데이터 규격을 결정함 [6, 23].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 위치, 크기 및 그룹 관리 방식.
+
+#### [구현/활용 도구]
+- [[ComfyUI Workflow JSON]]
+  - 연결 이유: 시각적 환경의 설계를 저장하고 전달하는 중간 매개체임 [1, 33].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 수동/자동 생성 방법 및 스키마 구조.
+- [[Execution Model Inversion]]
+  - 연결 이유: 그래프를 효율적으로 실행하기 위한 백엔드 최적화 기술임 [9].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 불필요한 노드 실행 방지 메커니즘.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- JSON v1.0 스키마에서 `widgets_values` 배열의 순서가 노드 실행 안정성에 미치는 영향은 무엇인가? [16]
+- 이미지의 tEXt 청크 외에 SVG 포맷을 활용한 워크플로우 시각화 및 보존 전략은 어떻게 구현되는가? [34, 35]
+- `object_info.json`을 활용하여 클라이언트 사이드에서 동적으로 노드 유효성을 검사하는 메커니즘은 무엇인가? [36]
+- LLM 기반 생성 시 'Semantic Validation' 단계에서 발생하는 임베딩 유사도 검색의 정확도 한계는? [37, 38]
+- 모델 해싱(SHA-256)을 통한 워크플로우 이식성(Portability) 해결 방식의 상세 아키텍처는? [39]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `/workflow/convert` 엔드포인트를 구축하여 프론트엔드 워크플로우를 실시간 API 포맷으로 변환 [26].
+- **System Design:** 워크플로우를 독립적인 Python 스크립트로 변환하여 헤드리스(Headless) 처리 파이프라인에 통합 [40, 41].
+- **Operation / Maintenance:** ComfyUI Manager를 통해 누락된 커스텀 노드(Red boxes)를 식별하고 복구 [13, 14].
+- **Learning Path:** 기본 예제 워크플로우를 로드하고 노드 연결 방식을 분석하여 시각적 프로그래밍 원리를 습득 [4, 42].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Generative AI Pipeline]]
+  - 확장 방향: 시각적 프로그래밍이 실제 AI 모델 실행 흐름으로 전환되는 전체 주기.
+- [[Metadata Forensics]]
+  - 확장 방향: AI 생성 이미지에서 워크플로우를 추출하고 분석하는 디지털 포렌식 기술 [18].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. Drawing on sources [1-186].

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow API JSON (Backend Format).md

@@ -0,0 +1,98 @@
+---
+id: workflow-api-json-(backend-format)
+title: "Workflow API JSON (Backend Format)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["API JSON", "Backend Format JSON"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI-WorkflowGenerator", "ComfyUI-to-Python-Extension", "comfyui-workflow-to-api-converter-endpoint", "comfy_api_simplified"]
+github_commit: ""
+---
+
+# [[Workflow API JSON (Backend Format)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+시각적 레이아웃 정보를 제거하고 노드 간의 실행 로직과 데이터 흐름만을 정제하여, ComfyUI 백엔드 엔진의 `/prompt` 엔드포인트에서 즉각 실행 가능한 최적화된 그래프 데이터 형식이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **UI 메타데이터의 박리 (Stripping UI Metadata):** 노드 위치, 크기, 그룹화 정보, 색상 등 캔버스 시각화를 위한 모든 데이터를 제외하여 파일 크기를 축소하고 처리 효율성을 높인다 [1-4].
+- **임베디드 링크 구조 (Embedded Link Representation):** 별도의 연결 객체 배열을 사용하는 대신, 노드 입력 필드 내에 소스 노드 ID와 출력 슬롯 번호를 직접 참조(예: `[5, 6]`)하여 관계를 정의한다 [1, 2, 7, 8].
+- **기능적 키 매핑 (Functional Key Mapping):** 각 노드는 고유한 문자열 키(ID)로 식별되며, `class_type`과 `inputs`를 핵심 속성으로 보유하여 백엔드 노드 레지스트리와 직접 매핑된다 [2, 9-11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **개발자 모드 전환 패턴:** 수동 생성 시 설정 메뉴에서 'Enable Dev mode Options'를 활성화하여 'Save (API Format)' 버튼을 노출시키는 것이 필수 절차이다 [3, 12-15].
+- **동적 파라미터 주입 패턴:** 생성된 JSON 템플릿을 로드한 후, 특정 노드 ID의 `inputs` 딕셔너리에 접근하여 시드(Seed), 프롬프트, 이미지 경로 등을 프로그래밍 방식으로 수정하여 재전송한다 [9, 11, 16-18].
+- **데이터 인라인화 (Self-containment):** 외부 파일 참조 대신 "Load Image (Base64)" 노드 등을 통해 이미지 데이터를 Base64 문자열로 JSON 내부에 직접 포함시켜 자가 포함된 요청을 구성한다 [19, 20].
+
+## 📖 세부 내용 (Details)
+Workflow API JSON은 ComfyUI의 두 가지 주요 직렬화 형식 중 하나로, 주로 **프로그램 방식의 실행 및 API 호출**을 위해 설계되었다 [1, 2]. 이 형식은 Litegraph 표준을 따르는 프런트엔드 형식(`workflow.json`)과 달리 백엔드 엔진이 프롬프트를 처리하기 위해 예상하는 평면화된 실행 그래프(Flattened execution graph)를 제공한다 [1, 12].
+
+기술적으로 API JSON은 루트 키가 노드 ID이고 값이 노드 정의인 단일 JSON 객체 구조를 갖는다 [10]. 각 노드 정의에는 `class_type`, `inputs`, 그리고 선택적인 `_meta` 데이터가 포함된다 [10]. 연결(Link)은 입력 리스트 내에서 `[소스_노드_ID, 소스_슬롯_인덱스]` 형태의 배열로 표현되며, 이는 특정 슬롯(예: VAE Loader의 VAE 출력 슬롯)을 명확하게 지정하는 데 중요하다 [7, 8].
+
+실행 시 ComfyUI 백엔드는 이 JSON을 수신하여 '실행 모델 역전(Execution Model Inversion)' 방식을 적용한다 [21]. 즉, 'Save Image'와 같은 출력 노드에서 시작하여 그래프를 역방향으로 추적하며 필요한 의존성만 식별하여 실행한다 [21]. 이 과정 덕분에 JSON 내에 실행과 무관한 노드가 포함되어 있어도 성능에 영향을 주지 않는다 [21]. 또한, API JSON은 모델 가중치와 독립적이므로 크기가 매우 작아 버전 관리와 아카이빙에 유리하다 [22, 23].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가독성 및 편집성:** API JSON은 실행에는 최적화되어 있으나, ComfyUI UI로 다시 드래그 앤 드롭할 경우 노드 위치 정보 등이 없어 로직만 남은 '뼈대' 상태로 로드되어 시각적 편집이 어렵다는 단점이 지적된다 [24, 25].
+- **버전 호환성:** ComfyUI가 빈번하게 업데이트됨에 따라 이전 버전의 API JSON 형식이 최신 버전의 백엔드 엔진에서 정상적으로 작동하지 않을 수 있는 호환성 문제가 존재한다 [26].
+- **메타데이터 취약성:** PNG 이미지에 임베드된 API JSON 데이터는 이미지 편집기나 소셜 미디어 플랫폼을 거치면서 손실되기 쉽다 [27].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 프런트엔드 포맷을 백엔드 API 포맷으로 서버 측에서 변환하는 `/workflow/convert` 엔드포인트를 제공한다 [28, 29].
+- **ComfyUI-to-Python-Extension:** API 포맷의 JSON을 독립 실행 가능한 Python 스크립트로 변환하는 기능을 지원한다 [30, 31].
+- **comfy_api_simplified:** 노드 타이틀을 기준으로 API JSON의 파라미터를 수정하고 큐에 추가할 수 있는 Python 래퍼 라이브러리이다 [16, 18].
+- **Replicate 및 RunComfy 플랫폼:** 사용자가 업로드한 API JSON을 기반으로 서버리스 환경에서 워크플로를 실행하고 결과를 반환하는 시스템 아키텍처를 보유하고 있다 [4, 32, 33].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처 및 데이터 표준]
+- [[Workflow JSON (Frontend Format)]]
+  - 연결 이유: API JSON의 원형이 되는 시각적 작업 데이터 포맷이다 [1, 34].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: UI 데이터 유무에 따른 두 포맷 간의 구조적 차이와 변환 필요성 [2].
+- [[Litegraph Standard]]
+  - 연결 이유: ComfyUI 프런트엔드가 채택하고 있는 그래프 시각화 표준이다 [1, 34].
+
+#### [구현 및 자동화 도구]
+- [[ComfyUI API Integration]]
+  - 연결 이유: API JSON이 실제로 활용되는 최종 목적지이다 [12, 35].
+- [[ComfyUI Manager]]
+  - 연결 이유: API JSON 로드 시 발생하는 커스텀 노드 의존성 문제를 해결하는 핵심 도구이다 [36, 37].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- 시각적 레이아웃이 없는 API JSON을 다시 UI용 프런트엔드 JSON으로 복원할 때, 노드 배치 알고리즘은 어떻게 작동하는가?
+- 노드 ID가 동적으로 변경될 수 있는 환경에서, 특정 노드를 타이틀(Title) 기반으로 안정적으로 식별하여 값을 수정하는 최적의 휴리스틱은 무엇인가? [16, 18]
+- Execution Model Inversion 가이드에 명시된 백엔드 엔진의 노드 순회 알고리즘은 순환 참조를 어떻게 방지하는가? [21]
+- 이미지 내 메타데이터에 포함된 API JSON이 손실되었을 때, 픽셀 정보를 분석하여 워크플로를 추론하는 기술적 가능성이 존재하는가?
+- 대규모 배치 처리 환경에서 API JSON의 `_meta` 필드를 활용하여 실행 로그와 결과를 추적하는 방법은 무엇인가? [10]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 자동화 스크립트 작성 시 `json` 라이브러리를 사용해 API JSON의 특정 노드 `inputs` 값을 덮어씌워 서버에 POST 요청을 보낸다 [9, 20].
+- **System Design:** 서버리스 AI 서비스 구축 시, 사용자의 의도를 LLM으로 해석하여 API JSON 구조를 동적으로 생성하는 파이프라인을 설계한다 [38-40].
+- **Operation / Maintenance:** ComfyUI Manager를 통해 JSON 내에 정의된 `class_type`을 기반으로 누락된 커스텀 노드를 자동 설치하여 환경을 동기화한다 [36, 41].
+- **Learning Path:** 기본 텍스트-투-이미지 워크플로를 API 형식으로 내보내고, Python에서 시드값을 바꿔가며 실행해보는 것부터 시작한다 [20, 42].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing (SHA-256)]]
+  - 확장 방향: JSON 내 모델 파일 이름 불일치 문제를 해결하기 위한 모델 고유 식별 기술 [43].
+- [[Base64 Image Encoding]]
+  - 확장 방향: API 요청 시 파일 업로드 없이 데이터를 JSON에 직렬화하여 전달하는 방식 [19, 20].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Source references 29, 30, 32, 37, 38, 42, 43, 44, 45, 46, 71, 85, 86, 116, 124, 143, 144, 151, 152, 161, 162, 174, 192, 196 등 활용) [1-4, 7-16, 18-21, 24, 28, 30, 31, 36, 43]

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow API JSON.md

@@ -0,0 +1,103 @@
+---
+id: workflow-api-json
+title: "Workflow API JSON"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow_api.json", "Backend Format"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.95
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["SethRobinson/comfyui-workflow-to-api-converter-endpoint", "pydn/ComfyUI-to-Python-Extension", "DanielPFlorian/ComfyUI-WorkflowGenerator", "deimos-deimos/comfy_api_simplified"]
+github_commit: ""
+---
+
+# [[Workflow API JSON]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+Workflow API JSON은 시각적 메타데이터를 제거하고 노드 간의 순수 실행 로직과 연결성만을 최적화하여 제공하는 ComfyUI의 서버 측 실행 인터페이스용 핵심 데이터 규격이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **백엔드 실행 최적화 (Backend Optimization):** 프론트엔드용 시각적 정보(위치, 크기, 색상)를 제외하고 오직 `/prompt` 엔드포인트 실행에 필요한 데이터만 포함한다 [1-3].
+- **노드-슬롯 연결성 (Node-Slot Connectivity):** 별도의 연결 객체 대신 노드 입력(inputs) 내에 직접 [원본 노드 ID, 출력 슬롯 인덱스] 형식으로 연결 정보를 임베딩한다 [1, 4, 5].
+- **고유 식별자 체계 (Unique ID System):** 각 노드는 고유한 숫자형 문자열 키(예: "5", "6")로 식별되며, 이는 실행 그래프 내에서 데이터 흐름을 추적하는 기준이 된다 [1, 3, 6].
+- **직렬화 유연성 (Serialization Flexibility):** 사람이 읽을 수 있는 JSON 형식을 취하며, 대규모 모델 가중치와 별개로 워크플로우 로직의 배포, 버전 관리 및 자동화를 가능하게 한다 [7-9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI 메타데이터 스트리핑 (Metadata Stripping):** 시각적 편집용 `workflow.json`에서 API 호출용 `workflow_api.json`으로 전환 시 `pos`, `size`, `groups`와 같은 필드를 제거하여 파일 크기를 축소하고 처리 효율을 높인다 [1, 2, 5].
+- **실행 모델 인버전 (Execution Model Inversion):** 엔진이 'Save Image'와 같은 출력 노드에서 역방향으로 그래프를 탐색하여 필수 종속성만 실행하고 불필요한 노드는 무시하는 구조를 취한다 [10].
+- **입력 데이터 인젝션 (Input Injection):** 자동화 시 JSON 내의 특정 노드 ID를 찾아 시드(seed), 프롬프트(prompt), 또는 Base64 인코딩된 이미지 데이터를 동적으로 교체하여 실행한다 [6, 11-13].
+
+## 📖 세부 내용 (Details)
+ComfyUI의 워크플로우 직렬화 형식은 크게 **프론트엔드 포맷**과 **백엔드(API) 포맷**으로 이분화된다 [1, 2, 14]. API JSON은 서버 측 엔진이 프롬프트를 실행하는 데 필요한 최소한의 논리 그래프를 나타내며, `Litegraph` 표준을 따르는 프론트엔드 포맷과 달리 매우 간결한 구조를 갖는다 [1, 3, 15].
+
+- **생성 방법:** 사용자는 설정 메뉴에서 "Dev mode Options"를 활성화해야 하며, 이후 제어판에 나타나는 "Save (API Format)" 또는 "Export (API)" 버튼을 통해 이 파일을 생성할 수 있다 [16-20].
+- **구조적 특징:** 루트 키는 노드 ID이며, 각 값은 `class_type`과 `inputs`를 포함하는 객체이다 [6, 20]. 예를 들어, 특정 노드의 입력 필드에 `[ "20", 1 ]`과 같은 배열이 있다면 이는 20번 노드의 2번 슬롯(인덱스 1) 출력이 연결되었음을 의미한다 [4].
+- **메타데이터 임베딩:** ComfyUI에서 생성된 PNG 또는 WebP 이미지에는 프론트엔드 워크플로우와 API 프롬프트(JSON 형식)가 모두 메타데이터(tEXt 또는 zTXt 청크)로 저장되어 있어, 이미지 자체를 인터페이스로 드래그하여 로직을 복구할 수 있다 [21-24].
+- **프로그래밍 방식의 조작:** 파이썬의 `json` 라이브러리를 사용하여 딕셔너리 구조를 직접 수정하거나, `comfy_api_simplified`와 같은 래퍼 라이브러리를 통해 노드 제목 기반으로 파라미터를 동적으로 변경하여 대량의 이미지를 자동 생성할 수 있다 [6, 25-27].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가독성 vs 편집성:** API 포맷은 실행에는 효율적이나, 시각적 정보가 결여되어 있어 다시 ComfyUI 인터페이스로 불러올 경우 노드들이 겹쳐 보이거나 구조 파악이 어려운 '스켈레톤' 상태가 된다 [28-30].
+- **파일 포맷 호환성:** ComfyUI가 빈번하게 업데이트됨에 따라 구버전의 JSON 파일이 최신 버전에서 제대로 작동하지 않을 수 있는 호환성 문제가 존재한다 [31, 32].
+- **커스텀 노드 의존성:** JSON 자체에는 로직만 포함되므로, 워크플로우 생성자가 사용한 동일한 커스텀 노드가 로컬 환경에 설치되어 있지 않으면 'Red Box' 오류가 발생하며 실행이 불가능하다 [33, 34].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 사이드 JS 로직을 파이썬으로 변환하여 서버 측에서 일반 워크플로우를 API 포맷으로 즉시 변환하는 엔드포인트를 제공한다 [28, 35].
+- **ComfyUI-to-Python-Extension:** `.json` 워크플로우를 독립 실행 가능한 `.py` 스크립트로 변환하여 헤드리스(headless) 환경에서 실행할 수 있게 한다 [25, 36].
+- **ComfyUI-WorkflowGenerator:** LLM(Qwen2.5 등)을 사용하여 자연어 설명을 실행 가능한 API JSON 그래프로 합성하고 유효성을 검증한다 [37-39].
+- **fofr/any-comfyui-workflow (Replicate):** 클라우드 환경에서 JSON 블롭(blob)을 입력받아 API를 통해 워크플로우를 실행하고 결과를 반환한다 [40, 41].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 및 오픈소스 프로젝트 코드를 통해 데이터 규격 및 생성 방식 확인됨) [42, 43]
+- **출처 신뢰도:** B (Official Documentation / GitHub Repository / Expert Tutorial)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Litegraph Standard]]
+  - 연결 이유: ComfyUI 프론트엔드 JSON이 시각적 표현을 위해 채택한 기반 표준임 [1, 15].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: API 포맷으로 전환 시 제거되는 UI 메타데이터의 구조적 근거 [1, 2].
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: ComfyUI 워크플로우의 근본적인 데이터 흐름 구조임 [7, 44].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 간 연결성과 실행 순서가 결정되는 논리적 원리 [7, 10].
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 로드 시 발생하는 누락된 노드 및 모델 문제를 해결하는 필수 도구임 [33, 34, 45].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 워크플로우 배포 시 발생하는 의존성 관리 전략 [34, 46].
+- [[/prompt endpoint]]
+  - 연결 이유: API 포맷 JSON이 최종적으로 전송되어 처리되는 목적지임 [2, 16, 28].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 클라이언트-서버 간의 실제 통신 메커니즘 [12, 13].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- API JSON 내에서 링크 정보를 별도 배열이 아닌 노드 입력(inputs) 내에 직접 임베딩하는 방식이 실행 효율성에 미치는 영향은 무엇인가? [1, 4]
+- LLM 기반의 워크플로우 생성 모델은 학습 데이터 이후에 출시된 새로운 커스텀 노드의 I/O 스키마를 어떻게 동적으로 학습하고 반영할 수 있는가? [44, 47, 48]
+- `object_info.json`을 활용하여 동적으로 생성된 API JSON의 유효성을 런타임에 검증하는 구체적인 알고리즘은 어떻게 설계되는가? [20, 49]
+- 실행 모델 인버전(Execution Model Inversion) 과정에서 조건부 분기나 반복 루프가 포함된 복잡한 그래프의 종속성을 어떻게 추적하는가? [10]
+- 모델 해싱(Model Hashing)을 통해 하드코딩된 파일 경로 문제를 해결할 때, 서로 다른 머신 간의 모델 버전 일관성을 보장하는 방법은 무엇인가? [32, 46]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 배너 광고 자동 생성 시스템 구축 시, 템플릿 JSON의 특정 노드(예: CLIPTextEncode)를 파이썬 스크립트로 수정하여 자동화할 수 있음 [12, 50].
+- **System Design:** 서버리스 환경(Mystic, Replicate 등)에서 워크플로우를 배포할 때 UI 정보를 제거한 최적화된 API JSON을 기본 실행 단위로 설정함 [5, 19, 51].
+- **Operation / Maintenance:** `comfyui-workflow-to-api-converter-endpoint`를 사용하여 프론트엔드 워크플로우만 관리하고 실행 직전에 API 포맷으로 변환함으로써 관리 포인트의 이원화를 방지함 [29, 35].
+- **Learning Path:** 초보자는 시각적 그래프를 통해 로직을 이해하고, 숙련자는 개발자 모드를 통해 추출된 JSON의 노드 ID와 파라미터 구조를 분석하여 코딩 방식의 제어로 전이함 [52-54].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Base64 Image Encoding]]
+  - 확장 방향: API 요청 시 로컬 파일 경로 대신 이미지 데이터를 JSON에 직접 포함하는 기술적 구현 방법 [11, 13].
+- [[RAG (Retrieval-Augmented Generation)]]
+  - 확장 방향: 정적 모델의 한계를 극복하기 위해 실시간 노드 라이브러리를 검색하여 워크플로우를 생성하는 차세대 AI 에이전트 설계 [44].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. (Based on 18 sources) [1-200]

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow Extractor.md

@@ -0,0 +1,72 @@
+---
+id: workflow-extractor
+title: "Workflow Extractor"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["메타데이터 추출기", "Workflow Metadata Recovery"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy-cli", "Weird Wonderful AI Art Extractor", "Comfy_UI_prompt_extractor"]
+github_commit: "bc85382"
+---
+
+# [[Workflow Extractor]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+생성된 미디어(PNG/WebP)의 메타데이터 청크에 숨겨진 노드 그래프와 실행 로직을 복원하여 워크플로우의 이식성과 재현성을 보장하는 핵심 기술 도구이다. [1-3]
+
+## 🧠 핵심 개념 (Core concepts)
+- **메타데이터 임베딩 (Metadata Embedding):** ComfyUI의 `Save Image` 노드는 실행 시 PNG 파일의 숨겨진 메타데이터(tEXt 또는 zTXt 청크) 내에 전체 노드 그래프, 레이아웃, 설정 및 프롬프트를 주입한다. [3-5]
+- **데이터 이중성 (Data Redundancy):** 메타데이터에는 시각적 편집을 위한 '프론트엔드 포맷(Workflow JSON)'과 실행을 위한 '백엔드/API 포맷(Prompt JSON)'이 동시에 포함되어 재수정 및 재실행을 모두 지원한다. [5, 6]
+- **메타데이터 취약성 (Fragility of Metadata):** 표준 이미지 편집기, 소셜 미디어 플랫폼 또는 압축 소프트웨어를 거칠 경우 파일 크기 최적화나 개인정보 보호를 위해 해당 JSON 데이터가 삭제될 수 있다. [2, 5, 7]
+- **알고리즘 기반 복원 (Algorithmic Extraction):** 드래그 앤 드롭 방식이 불가능한 환경이나 대량의 데이터 처리를 위해 CLI 도구나 웹 기반 도구를 사용하여 바이너리 태그에서 워크플로우를 분리해낸다. [8-10]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **주입 패턴:** 워크플로우의 종단점인 `Save Image` 노드가 실행될 때 최종 이미지에 노드 레이아웃 정보를 주입하는 자동화된 직렬화 패턴을 따른다. [4]
+- **복원 패턴:** `exiftool`과 같은 범용 도구를 사용하여 바이너리 데이터를 추출하거나, 전용 파이썬 스크립트를 통해 긍정적 프롬프트와 API 그래프를 분리하여 저장하는 패턴이 관찰된다. [8, 10]
+- **사용자 편의 패턴:** 사용자가 복잡한 추출 과정 없이 이미지를 캔버스에 드래그 앤 드롭하기만 하면 내부 노드 그래프가 즉시 재구성되는 직관적인 UI 인터페이스를 제공한다. [4, 7, 11, 12]
+
+## 📖 세부 내용 (Details)
+워크플로우 추출은 단순한 파일 읽기를 넘어 인공지능 생성 예술의 '소스 코드'를 관리하는 핵심 프로세스이다. ComfyUI는 시각적 프로그래밍 환경으로서의 특성을 유지하기 위해 이미지 자체를 워크플로우의 컨테이너로 활용한다. [3, 13]
+
+**기술적 메커니즘**
+PNG 파일의 경우, ComfyUI는 `tEXt` 또는 `zTXt` 청크를 사용하여 워크플로우 정보를 텍스트 문자열로 저장한다. [5] 이 정보는 인간이 읽을 수 있는 JSON 형식을 따르며, 노드 간의 링크, 위치 정보(Frontend), 그리고 백엔드 실행을 위한 입력값(API)을 포함한다. [14-16]
+
+**추출 도구의 유형**
+1. **네이티브 복원:** 이미지를 ComfyUI 브라우저 탭으로 직접 드래그하여 현재 노드를 대체하고 레이아웃을 복구한다. [4, 17, 18]
+2. **웹 기반 추출기:** 'Weird Wonderful AI Art'와 같은 플랫폼은 사용자가 이미지를 업로드하면 서버에 데이터를 저장하지 않고 브라우저단에서 JSON 데이터를 추출하여 다운로드할 수 있게 한다. [2, 19, 20]
+3. **CLI 및 프로그래밍 도구:** 
+    - `exiftool -b -workflow input.png > workflow.json`: 바이너리 태그를 격리하여 저장하는 표준 CLI 방식이다. [8, 10]
+    - `comfyui-extractor.py`: 대량의 디렉토리를 처리하며 프롬프트와 레이아웃을 분리하여 관리한다. [8, 20]
+    - `ComfyUI-to-Python-Extension`: 워크플로우 메타데이터를 포함한 .py 스크립트를 생성하여 드래그 앤 드롭 재가져오기를 지원한다. [21]
+
+**추출 시의 제한 사항**
+워크플로우 추출을 통해 그래프를 복원하더라도, 제작자가 사용한 '커스텀 노드'가 현재 시스템에 설치되어 있지 않으면 '빨간색 상자' 오류가 발생한다. [22-24] 이 경우 ComfyUI Manager의 "Install Missing Custom Nodes" 기능을 사용하여 의존성을 해결해야 한다. [23-25]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **워크플로우 vs 프롬프트:** 소스에 따라 'Workflow' 파일은 모든 노드 위치와 상태를 포함하는 반면, 'Prompt' 파일은 실행에 필요한 노드 정보만을 포함한다고 정의되어 혼동을 피해야 한다. [6]
+- **업데이트 호환성:** ComfyUI는 빈번하게 업데이트되므로 구버전의 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있다는 점이 명시되어 있다. [7]
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfy-cli (Issue #341):** `exiftool`을 사용하여 이미지 파일(PNG, WebP, MP4 등)에서 워크플로우를 추출, 삽입 및 복사하는 기능을 제안하고 구현 논의를 진행함. [9, 26]
+- **Weird Wonderful AI Art Extractor:** 온라인 PNG 파일 분석을 통해 사용자에게 JSON 워크플로우와 프롬프트 데이터를 추출해주는 웹 기반 도구로 실서비스 중임. [2, 19]
+- **ComfyUI Workflow Converter Endpoint:** 서버 측에서 비 API 형식을 API 형식으로 변환하여 실행 가능하도록 지원하며, 하위 그래프(Subgraph) 매핑 등의 복잡한 변환 로직을 포함함(V2.3.0 커밋 기준). [27-29]
+- **comfymeta:** 이미지를 처리하여 메타데이터를 추출하는 UI 도구로 분류됨. [10]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow JSON (Frontend Format).md

@@ -0,0 +1,71 @@
+---
+id: workflow-json-(frontend-format)
+title: "Workflow JSON (Frontend Format)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["workflow.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["workflow.json", "SethRobinson/comfyui-workflow-to-api-converter-endpoint/bc85382"]
+github_commit: "bc85382"
+---
+
+# [[Workflow JSON (Frontend Format)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+사용자 인터페이스의 시각적 레이아웃 정보와 노드 그래프의 모든 논리적 연결성을 보존하여 인간 중심의 공유와 편집을 가능케 하는 ComfyUI의 기본 직렬화 규격이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **시각적 메타데이터 보존 (Visual Metadata Persistence):** 노드의 좌표(`pos`), 크기(`size`), 그룹 구조, 색상 및 노드 접힘 상태(`flags`)와 같은 UI 전용 데이터를 포함한다 [2-5].
+- **명시적 링크 표현 (Explicit Link Representation):** 노드 입력부에 연결 정보를 내장하는 대신, 별도의 `links` 배열을 통해 시작점과 끝점 슬롯을 정의하는 명시적 연결 객체 형식을 사용한다 [2, 3, 6, 7].
+- **Litegraph 표준 준수 (Litegraph Standard):** 웹 기반 그래프 시각화 엔진인 Litegraph 형식을 따라 설계되어 브라우저 캔버스에서의 정확한 복원을 보장한다 [2, 7].
+- **미디어 임베딩 속성 (Media Embedding):** ComfyUI에서 생성된 PNG 또는 WebP 이미지의 메타데이터(tEXt 또는 zTXt 청크)에 직접 주입되어 생성 로직을 운반하는 컨테이너 역할을 수행한다 [8-10].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **직렬화 이원화 (Serialization Bifurcation):** ComfyUI는 시각적 편집용인 'Frontend 포맷'과 서버 실행 최적화용인 'API 포맷'으로 데이터를 분리하여 관리한다 [2].
+- **중복 데이터 전략 (Redundancy Strategy):** 생성된 이미지 메타데이터 내에 시각적 복원용 `workflow.json`과 실행용 `prompt` 데이터를 동시에 저장하여 상호 보완성을 확보한다 [9].
+- **역방향 그래프 탐색 (Execution Model Inversion):** 캔버스에 수많은 노드가 존재하더라도 실행 엔진은 출력 노드에서 시작해 필요한 의존성 노드만 역으로 추적하므로, Frontend JSON에 불필요한 노드가 포함되어도 실행 성능에 영향을 주지 않는다 [11].
+
+## 📖 세부 내용 (Details)
+Frontend 포맷은 주로 `workflow.json`이라는 파일명으로 사용되며, ComfyUI 웹 인터페이스에서 사용자가 수행하는 'Visual Programming'의 결과를 저장하는 소스 코드와 같은 역할을 한다 [2, 12, 13].
+
+### 1. 주요 데이터 구조 (Schema v1.0)
+- **Nodes Array:** 각 노드 객체는 고유 ID, 클래스 타입(`type`), 좌표, 크기, 위젯 값(`widgets_values`), 실행 순서(`order`), 모드(활성/바이패스 등)를 포함한다 [4, 5].
+- **Links Array:** 6개의 항목으로 구성된 배열 또는 구조화된 객체로, `origin_id`, `origin_slot`, `target_id`, `target_slot`을 정의하여 노드 간의 데이터 흐름을 명시한다 [6].
+
+### 2. 생성 및 획득 방법
+- **GUI 수동 내보내기:** 제어 패널 메뉴의 'Export' 옵션 또는 단축키 `Ctrl + S`(macOS는 `Cmd + S`)를 사용하여 현재 캔버스의 상태를 JSON으로 다운로드할 수 있다 [12, 14].
+- **미디어 메타데이터 추출:** 
+    - **드래그 앤 드롭:** ComfyUI에서 생성된 PNG 이미지를 브라우저 캔버스에 직접 끌어다 놓으면 내장된 JSON을 통해 노드 배치가 복원된다 [14-16].
+    - **CLI 도구 활용:** `exiftool -b -workflow input.png > workflow.json` 명령어를 통해 바이너리 태그에서 JSON 데이터를 분리해낼 수 있다 [17, 18].
+    - **웹 도구:** Weird Wonderful AI Art의 'Workflow Extractor'와 같은 브라우저 기반 도구를 통해 온라인 이미지에서 데이터를 추출할 수 있다 [19, 20].
+
+### 3. API 포맷과의 차별점
+Frontend 포맷은 인간이 읽기 쉽고 UI를 완벽히 재구성할 수 있도록 설계되었으나, `/prompt` 엔드포인트에 직접 전달할 경우 오류가 발생할 수 있다 [21]. API 호출을 위해서는 UI 메타데이터가 제거되고 노드 간 연결이 입력 필드에 직접 참조된 'API JSON' 형식이 필요하며, 이는 설정에서 'Dev mode'를 활성화해야만 생성 가능하다 [2, 3, 13, 22].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **포맷 호환성 이슈:** ComfyUI는 업데이트가 매우 빈번하여, 구버전에서 생성된 Frontend JSON 파일이 신버전에서 올바르게 작동하지 않거나 노드가 빨간색 박스로 표시되는(Missing Custom Nodes) 현상이 발생할 수 있다 [14, 23].
+- **데이터 휘발성:** 이미지 편집기(GIMP 등)로 처리하거나 소셜 미디어 플랫폼에 업로드할 경우, 파일 크기 최적화 과정에서 비표준 메타데이터인 Frontend JSON 정보가 삭제되어 워크플로우 복원이 불가능해지는 경우가 많다 [9, 24].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **SethRobinson/comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측의 자바스크립트 변환 로직을 서버 측 파이썬으로 구현하여, `workflow.json`만으로 API 호출이 가능하도록 변환하는 기능을 제공한다 [21, 25].
+- **ComfyUI-to-Python-Extension:** Frontend JSON 메타데이터를 포함한 파이썬 스크립트를 생성하여, 실행 후 저장된 결과물을 다시 ComfyUI UI로 드래그 앤 드롭하여 복원할 수 있도록 지원한다 [26].
+- **기본 저장 규칙:** ComfyUI의 `Save Image` 노드는 실행 시 최종 이미지에 전체 노드 그래프와 설정을 주입하며, 이는 `workflow.json` 규격을 따른다 [16].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow JSON - ComfyUI.md

@@ -0,0 +1,70 @@
+---
+id: workflow-json---comfyui
+title: "Workflow JSON - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI 워크플로우 JSON", "workflow_api.json", "workflow.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint/README.md", "pydn/ComfyUI-to-Python-Extension", "DanielPFlorian/ComfyUI-WorkflowGenerator", "deimos-deimos/comfy_api_simplified"]
+github_commit: "bc85382"
+---
+
+# [[Workflow JSON - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI Workflow JSON은 복잡한 노드 기반 생성 프로세스를 유향 비순환 그래프(DAG) 형태로 직렬화한 청사진으로, 시각적 편집을 위한 **프론트엔드 포맷**과 무두(Headless) 실행 및 자동화를 위한 **API 포맷**으로 이원화되어 관리된다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **프론트엔드 포맷 (workflow.json):** 시각적 편집과 사용자 상호작용을 위해 설계된 포맷으로, 노드의 좌표(`pos`), 크기(`size`), 그룹 구조 및 색상과 같은 UI 메타데이터를 모두 포함한다 [2-4].
+- **API 포맷 (workflow_api.json):** 백엔드 실행 엔진 최적화를 위해 UI 관련 메타데이터를 제거한 스트림라인드 포맷으로, 노드 입력부 내에 연결 정보가 직접 삽입되는 구조를 가진다 [2, 5, 6].
+- **메타데이터 임베딩 (Metadata Embedding):** 생성된 PNG/WebP 파일의 `tEXt` 또는 `zTXt` 청크에 JSON 데이터를 주입하여 이미지 자체가 실행 로직을 포함하는 컨테이너 역할을 수행하게 한다 [7, 8].
+- **JSON 스키마 v1.0:** 유효한 워크플로우를 보장하기 위한 기술적 제약 조건으로, 고유 ID, 클래스 타입, 위젯 값 등의 속성을 정의한다 [9-11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **이원화 저장 패턴:** 사용자는 UI에서 수정한 내용을 `Save`로 저장(프론트엔드)하고, 외부 연동을 위해 `Dev Mode`를 활성화하여 `Save (API Format)`으로 내보낸다 [12-15].
+- **역방향 그래프 탐색 (Execution Model Inversion):** 백엔드 엔진이 출력 노드(Save Image 등)로부터 역방향으로 의존성을 추적하여 실제 실행에 필요한 노드만 식별하고 나머지는 무시하는 최적화 패턴을 사용한다 [16].
+- **입력값 교체 패턴 (Prompt Injection):** Python 등 프로그래밍 환경에서 템플릿 JSON을 로드한 후, 특정 노드 ID의 `inputs` 딕셔너리를 직접 수정하여 시드(seed)나 프롬프트를 동적으로 변경한다 [17-19].
+
+## 📖 세부 내용 (Details)
+### 1. 생성 및 추출 방법론
+- **GUI 기반 생성:** 기본 인터페이스의 컨트롤 패널에서 `Ctrl + S`를 통해 프론트엔드 JSON을 저장할 수 있다 [12]. API 포맷을 생성하려면 설정 메뉴에서 'Enable Dev mode Options'를 활성화해야 한다 [13, 14, 20].
+- **이미지 메타데이터 추출:** ComfyUI에서 생성된 이미지를 캔버스에 드래그 앤 드롭하거나 [21-23], `ExifTool`을 사용하여 `exiftool -b -workflow input.png > workflow.json` 명령어로 바이너리 데이터를 추출할 수 있다 [24, 25].
+- **자동화 도구:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드는 서버 측에서 프론트엔드 형식을 API 형식으로 실시간 변환하는 엔드포인트를 제공한다 [26-28].
+
+### 2. 프로그래밍적 제어 및 변환
+- **Python 통합:** 워크플로우 JSON은 중첩된 딕셔너리 구조이므로 Python의 `json` 라이브러리로 쉽게 조작 가능하다 [17]. `ComfyUI-to-Python-Extension`은 JSON을 아예 독립적인 실행 파일(.py)로 변환해주기도 한다 [29-31].
+- **LLM 기반 생성:** `ComfyUI-WorkflowGenerator`는 자연어 설명을 입력받아 LLM(Qwen2.5 등)이 논리 구조를 합성하고, 유효성 검사(Validator)를 거쳐 최종 JSON을 빌드하는 3단계 파이프라인을 사용한다 [32-35].
+
+### 3. 데이터 구조 분석 (v1.0 기준)
+- **노드 객체 속성:** 각 노드는 고유 `id`, 노드 클래스 매핑을 위한 `type`, 실행 순서를 결정하는 `order`, 그리고 사용자 입력값인 `widgets_values`를 보유한다 [4, 9].
+- **연결 구조:** 프론트엔드에서는 별도의 `links` 배열을 통해 연결을 정의하지만, API 포맷에서는 노드의 `inputs` 내부에 `[origin_id, output_slot_index]` 형태의 참조를 직접 기록한다 [2, 3, 36, 37].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성:** ComfyUI가 빈번하게 업데이트됨에 따라 구버전 JSON 파일이 최신 UI에서 정상적으로 작동하지 않을 수 있다는 경고가 존재한다 [38].
+- **메타데이터 손실:** 소셜 미디어 플랫폼이나 이미지 압축 소프트웨어는 종종 이미지 내의 JSON 메타데이터 청크를 삭제하여 워크플로우 정보를 소실시킨다 [8, 38].
+- **API 포맷의 비가역성:** API 포맷으로 내보낸 JSON을 다시 UI로 불러올 경우 시각적 레이아웃 정보(좌표, 그룹 등)가 유실되어 편집이 매우 어려워진다 [26, 39].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint (SethRobinson):** `/workflow/convert` 엔드포인트를 통해 비 API 워크플로우를 API 포맷으로 서버사이드 변환 수행. **commit `bc85382`**에서 콤보 위젯 대소문자 정규화 로직 적용 [40-42].
+- **ComfyUI-WorkflowGenerator (DanielPFlorian):** LLM을 활용하여 자연어 지시문을 워크플로우 JSON으로 변환하는 파이프라인 구현. **commit `82df278`**에서 드롭다운 중복 모델 문제 해결 [34, 43, 44].
+- **ComfyUI-to-Python-Extension (pydn):** JSON 워크플로우를 실행 가능한 Python 코드로 번역. **commit `6cdcc23`**에서 설치 문제 해결 및 README 업데이트 [30, 31, 45].
+- **comfy_api_simplified:** 노드 제목(title)을 기반으로 파라미터를 설정하여 숫자 ID에 의존하지 않는 안정적인 API 제어 방식 구현 [29, 46, 47].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증 수준 높음)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow JSON v1.0 Schema.md

@@ -0,0 +1,117 @@
+---
+id: workflow-json-v1.0-schema
+title: "Workflow JSON v1.0 Schema"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["ComfyUI JSON Schema", "Workflow v1.0 Specification"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법", "Schema", "JSON"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in:
+  - "/specs/workflow_json"
+  - "/src/scripts/metadata"
+  - "comfyui-workflow-to-api-converter-endpoint"
+  - "ComfyUI-to-Python-Extension"
+github_commit: "bc85382"
+---
+
+# [[Workflow JSON v1.0 Schema]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 워크플로우 JSON은 생성 로직을 **유도 비순환 그래프(DAG)**로 구조화하여 시각적 인터페이스와 실행 엔진 사이의 상호운용성을 보장하는 핵심 데이터 규격이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **이원적 직렬화 포맷 (Bifurcation of Formats):** 시각적 편집과 레이아웃 보존을 위한 **Frontend Format**(workflow.json)과 서버 측 실행에 최적화된 **Backend/API Format**(workflow_api.json)으로 구분된다 [3-5].
+- **Litegraph 표준 기반:** 프론트엔드 포맷은 노드 위치, 크기, 그룹화 등 시각적 메타데이터를 포함하는 Litegraph 표준을 따른다 [3, 6].
+- **슬롯 기반 연결성 (Slot-based Connectivity):** 노드 간 데이터 흐름은 고유한 입력/출력 슬롯 인덱스를 통해 정의되며, API 포맷에서는 이를 노드 내부에 인라인 참조로 내장한다 [3, 7, 8].
+- **JSON Schema v1.0 (Draft-07):** 기술적 무결성을 검증하기 위해 필수 속성과 데이터 타입을 규정하는 최신 공식 사양이다 [9-11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Metadata Redundancy 패턴:** PNG 파일 내에 시각적 포맷(workflow)과 실행 포맷(prompt)을 동시에 내장하여, 이미지 한 장만으로 편집과 재실행이 모두 가능하도록 설계되었다 [12, 13].
+- **Execution Model Inversion:** 최종 출력 노드(Save Image 등)에서 역방향으로 그래프를 탐색하여 실행에 필요한 의존성 노드만 식별하고 불필요한 연산을 배제한다 [14].
+- **Node Functional Mapping:** API 포맷에서 링크 객체를 제거하고 `[노드ID, 슬롯번호]` 형태의 배열로 간소화하여 전송 효율과 파싱 속도를 극대화한다 [3, 15, 16].
+
+## 📖 세부 내용 (Details)
+### 1. 노드 객체 속성 (Node Object Properties)
+v1.0 스키마에 정의된 노드 객체는 그래프 탐색 및 렌더링을 위해 다음과 같은 속성을 포함해야 한다 [8, 9]:
+- **id:** 그래프 내 노드를 식별하는 고유 정수 또는 문자열 [9].
+- **type (또는 class_type):** 노드 레지스트리에 등록된 클래스 이름과 매핑되는 식별자 [9, 16].
+- **pos & size:** 캔버스상의 좌표 및 크기 정보를 담은 배열 (API 포맷에서는 제거됨) [9, 16].
+- **widgets_values:** 텍스트 박스, 슬라이더 등 사용자 입력값을 저장하는 배열 [9, 15].
+- **order & mode:** 실행/렌더링 우선순위 및 노드의 활성 상태(예: bypass)를 정의한다 [8, 9].
+
+### 2. 그래프 연결 구조 (Link and Slot Connectivity)
+- **연결 정의:** 노드의 `inputs` 배열은 유입되는 선의 ID를 참조하며, `outputs` 배열은 여러 하위 노드로 연결될 수 있는 링크 ID들의 배열을 포함한다 [7].
+- **슬롯 인덱싱:** 특정 노드의 출력(예: VAE Loader의 VAE 출력)이 정확히 어떤 슬롯에서 생성되어 소비되는지 명시하는 것이 필수적이다 [7].
+- **API 포맷의 특수성:** `workflow_api.json`은 시각적 링크 배열을 제거하고, 노드 입력 필드 내에 직접 `["노드ID", 슬롯_인덱스]` 값을 할당하여 실행 그래프를 평탄화(Flattening)한다 [3, 15].
+
+### 3. 보조 스키마 (object_info.json)
+- 실행 중인 ComfyUI 인스턴스의 모든 노드에 대한 스키마 카탈로그이다 [5, 17].
+- 각 노드가 허용하는 입력 유형, 범위, 출력 데이터 타입 및 툴팁 정보를 포함하여 외부 도구에서 JSON을 동적으로 생성하거나 검증할 때 사용된다 [17-19].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성 문제:** 소스에 따르면 현재 v1.0이 최신이지만, ComfyUI의 잦은 업데이트로 인해 0.4 버전 등 이전 버전의 JSON 파일이 최신 환경에서 정상 작동하지 않을 수 있음이 지적된다 [10, 11, 20].
+- **데이터 파편화:** 이미지 메타데이터에서 추출한 JSON은 종종 커스텀 노드 정보를 누락할 수 있으며, 이 경우 캔버스에 'Red Boxes' 에러가 발생한다 [21-23].
+- **API 포맷의 가독성:** 실행 최적화된 API JSON은 시각적 정보가 모두 제거된 'Skeleton' 형태이므로, 이를 다시 ComfyUI 인터페이스로 드래그하여 편집하기에는 부적합하다 [24, 25].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ComfyUI 공식 사양:** `/specs/workflow_json` 경로에서 v1.0 규격을 공식 관리한다 [10].
+- **프론트엔드 메타데이터 처리:** `ComfyUI_frontend/src/scripts/metadata`에서 자바스크립트 기반의 메타데이터 파싱 로직을 구현하고 있다 [26].
+- **comfyui-workflow-to-api-converter-endpoint:** 서버 측 파이썬 로직을 통해 Frontend JSON을 API JSON 규격으로 실시간 변환하며, `bc85382` 커밋에서 콤보 위젯 값의 정규화 이슈가 해결되었다 [24, 27-29].
+- **ComfyUI-to-Python-Extension:** JSON 워크플로우를 분석하여 동일한 로직의 `.py` 실행 스크립트를 생성할 때 v1.0 스키마 구조를 참조한다 [30, 31].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (공식 문서 기반의 스펙 정의 완료)
+- **출처 신뢰도:** B (Official Documentation 및 전문 기술 블로그 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크
+
+### 상위/유사 개념
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: 본 스키마가 생성 방법론의 기술적 기반이 됨.
+- [[Dev mode Options]]
+  - 연결 이유: 스키마의 두 가지 형태(Frontend/API) 중 API 포맷을 내보내기 위한 필수 전제 조건임.
+
+#### [아키텍처/기반 기술]
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend JSON의 데이터 구조와 렌더링 방식을 규정함.
+- [[Execution Model Inversion]]
+  - 연결 이유: JSON 그래프를 해석하여 효율적으로 실행하는 백엔드 최적화 원리임.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 스키마 내의 `class_type`을 분석하여 누락된 커스텀 노드를 복구함.
+- [[ComfyUI-to-Python-Extension]]
+  - 연결 이유: JSON 워크플로우를 파이썬 코드로 이식하는 실제 사례임.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- API 포맷에서 링크를 노드 입력 내부에 인라인화하는 방식이 순환 참조(Circular Reference) 방지에 어떤 기여를 하는가?
+- `object_info.json`의 스키마 데이터와 실제 노드의 `INPUT_TYPES` 메서드 사이의 동기화 실패 시 어떤 예외 처리가 발생하는가?
+- v1.0 스키마에서 `widgets_values` 배열의 순서 기반 데이터 저장이 노드 업데이트로 인한 위젯 추가 시 어떤 호환성 문제를 일으키는가?
+- PNG 파일의 `tEXt` 청크 용량 제한이 매우 거대한 워크플로우 JSON(예: 수백 개의 노드) 저장에 한계로 작용하는가?
+- `comfy-pack`과 같은 도구에서 사용하는 모델 해싱 기술이 JSON 스키마 내에서 어떻게 표준화될 수 있는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 외부 애플리케이션(Unity, Web App 등)에서 ComfyUI 서버에 작업을 요청할 때 API JSON을 생성하고 전송해야 한다 [28, 32].
+- **System Design:** 워크플로우 자동화를 위해 JSON 내의 특정 노드 ID와 입력 필드(예: 프롬프트, 시드)를 동적으로 수정하는 로직을 설계할 수 있다 [33, 34].
+- **Operation / Maintenance:** 커스텀 노드 업데이트 시 JSON 내 `class_type` 명칭이 변경되면 워크플로우가 파손될 수 있으므로 버전 관리가 필요하다 [20, 35].
+- **Learning Path:** 노드 기반 인터페이스의 데이터 구조를 이해하면 시각적 툴 없이도 순수 코드로 생성 AI 파이프라인을 구축할 수 있다 [30, 36].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Custom Nodes]]
+  - 확장 방향: JSON 스키마에 새로운 노드 타입을 등록하고 관리하는 방법 연구.
+- [[Metadata Stripping]]
+  - 확장 방향: 소셜 미디어 배포 시 이미지 내 메타데이터 손실 대응 방안 및 외부 JSON 저장 전략.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow JSON.md

@@ -0,0 +1,111 @@
+---
+id: workflow-json
+title: "Workflow JSON"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Workflow API JSON", "Frontend JSON"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI/custom_nodes/ComfyUI-Manager", "ComfyUI/custom_nodes/ComfyUI-WorkflowGenerator", "ComfyUI/models/LLM/", "workflow_api.py"]
+github_commit: "82df278, bc85382"
+---
+
+# [[Workflow JSON]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 Workflow JSON은 노드 기반 비순환 유향 그래프(DAG)를 직렬화하여 복잡한 생성형 AI 파이프라인을 휴대 가능한 데이터로 변환하고, 이를 통해 시각적 편집과 프로그래밍적 자동화를 연결하는 핵심 매개체이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **이분화된 직렬화 포맷:** 사용자 인터페이스를 위한 **Frontend 포맷(workflow.json)**과 서버 측 실행에 최적화된 **API 포맷(workflow_api.json)**으로 나뉜다 [4-6].
+- **Litegraph 기반 스키마 (v1.0):** 노드 ID, 유형, 위치, 크기, 위젯 값 및 노드 간의 링크 배열을 포함하는 표준화된 기술 규격을 따른다 [7-9].
+- **메타데이터 임베딩 기술:** 생성된 PNG나 WebP 이미지의 tEXt/zTXt 청크 내에 JSON 데이터를 직접 삽입하여 이미지 파일 자체가 워크플로우 백업 역할을 수행하게 한다 [10, 11].
+- **실행 모델 반전 (Execution Model Inversion):** 최종 출력 노드(Save Image 등)로부터 역추적하여 필요한 의존성 노드만 실행하는 최적화 구조를 가진다 [12].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI-to-API 정제 패턴:** 시각적 메타데이터(좌표, 그룹, 색상)를 제거하고 노드 입력을 직접적인 노드 참조로 변환하여 파일 크기를 줄이고 실행 효율을 극대화한다 [4, 13].
+- **LLM 기반 3단계 생성 파이프라인:** 자연어 설명 해석(Logical Synthesis) → 노드 존재 여부 검증(Semantic Validation) → 실행 가능한 JSON 컴파일(Graph Compilation) 과정을 통해 워크플로우를 자동 생성한다 [14-16].
+- **의존성 복구 휴리스틱:** JSON 내 `class_type`을 로컬 레지스트리와 대조하여 누락된 커스텀 노드를 식별하고 ComfyUI Manager를 통해 일괄 설치를 제안한다 [17, 18].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우 JSON은 생성적 AI 프로세스를 절차적 프레임워크로 추상화한 결과물이다 [1, 19]. 이 데이터 구조는 인간이 읽을 수 있는 형식이며, 대용량 모델 가중치와 독립적으로 공유 및 버전 관리가 가능하다 [2].
+
+**1. 주요 포맷 상세 비교** [4, 5, 13, 20-22]:
+- **Frontend JSON:** Litegraph 표준을 따르며 노드의 캔버스 좌표(`pos`), 크기(`size`), 그룹 정보 등 시각적 레이아웃 데이터를 모두 보존한다. 주로 시각적 편집과 공유를 목적으로 사용된다.
+- **API JSON:** `/prompt` 엔드포인트 호출을 위한 정제된 형태이다. 시각적 정보는 삭제되며, 노드 간 연결은 별도의 링크 배열이 아닌 각 노드 입력부에 `[노드_ID, 출력_슬롯_인덱스]` 형태로 직접 임베딩된다.
+
+**2. 생성 및 획득 방법** [23-27]:
+- **수동 내보내기:** GUI의 제어판에서 `Ctrl + S`(Frontend)를 누르거나, 설정에서 'Dev mode' 활성화 후 'Save (API format)' 버튼을 클릭하여 생성한다.
+- **이미지에서 추출:** 생성된 PNG 파일을 캔버스에 드래그 앤 드롭하면 내장된 JSON이 로드된다. 대량 추출 시 `exiftool`이나 `ComfyUI-Workflow-Extractor` 같은 CLI 도구를 사용하여 메타데이터 청크에서 직접 파싱할 수 있다.
+- **LLM 생성:** `Qwen2.5-14B` 등 미세 조정된 모델을 사용하여 "SDXL용 텍스트-이미지 워크플로우 생성"과 같은 자연어 지시를 즉시 실행 가능한 JSON 그래프로 변환한다 [14, 28].
+
+**3. 프로그래밍적 조작 및 자동화** [29-33]:
+- 개발자는 Python의 `json` 라이브러리를 사용하여 노드 ID를 기반으로 프롬프트(`CLIPTextEncode`), 시드값, 체크포인트 이름 등을 동적으로 변경할 수 있다.
+- `Comfy API Simplified`와 같은 래퍼 라이브러리는 숫자 ID 대신 노드 제목(Title)을 기준으로 파라미터를 설정할 수 있게 하여 코드 유지보수성을 높인다.
+- 워크플로우 자체를 순수 Python 스크립트로 변환하여 서버리스 환경이나 단독 애플리케이션에서 실행할 수도 있다 [34].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **버전 호환성:** ComfyUI의 잦은 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 제대로 작동하지 않을 수 있다는 경고가 존재한다 [35].
+- **메타데이터 취약성:** 이미지 편집기, 소셜 미디어 플랫폼 등에서 파일 최적화 과정 중 워크플로우 정보가 포함된 메타데이터 청크를 삭제하는 경우가 많아 JSON 공유 시 주의가 필요하다 [10].
+- **노드 명칭 충돌:** 서로 다른 제작자가 만든 커스텀 노드가 동일한 제목을 가질 수 있어, 프로그래밍적 접근 시 숫자 ID나 고유 클래스 타입 확인이 필수적이다 [33].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **DanielPFlorian/ComfyUI-WorkflowGenerator:** LLM을 이용해 자연어로 JSON을 생성하는 프로젝트로, 커밋 `82df278`에서 모델 경로 해결 및 중복 드롭다운 수정이 이루어졌다 [36, 37].
+- **SethRobinson/comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측 JS 로직을 서버 측 Python으로 변환하여 Frontend JSON을 API 포맷으로 즉시 변환하는 엔드포인트를 구현했다 (커밋 `bc85382`) [38, 39].
+- **ComfyUI Manager:** JSON 내부의 노드 정의를 분석하여 `ComfyUI/custom_nodes` 디렉토리에 필요한 의존성을 자동 설치하는 매커니즘을 제공한다 [17, 40].
+- **Standalone Execution Scripts:** `sdxl_workflow_api.json`을 로드하여 독립적인 Python 환경에서 실행하는 `WorkflowExecutor` 사례가 확인되었다 [41, 42].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 오픈소스 프로젝트와 공식 문서의 구조가 일치함을 확인)
+- **출처 신뢰도:** B (공식 문서 및 실제 구현 코드가 포함된 GitHub 저장소 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Directed Acyclic Graph (DAG)]]
+  - 연결 이유: 워크플로우의 노드 연결 구조를 정의하는 수학적 기반임 [1].
+  - 이해 증진: 실행 순서 결정 및 의존성 해결 원리를 이해할 수 있음.
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend JSON 포맷의 시각적 직렬화 규격임 [4, 20].
+  - 이해 증진: 노드 위치, 크기 및 시각적 플래그 저장 방식을 파악할 수 있음.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 내 정의된 커스텀 노드 의존성을 해결하는 핵심 도구임 [17].
+  - 이해 증진: 공유된 워크플로우의 실행 오류를 해결하는 프로세스를 이해할 수 있음.
+- [[Transformer_Architecture_and_LLM_Foundations|Large Language Models (LLM)]]
+  - 연결 이유: 자연어를 JSON으로 변환하는 최신 자동화 기술의 핵심임 [14, 37].
+  - 이해 증진: '대화형 프로그래밍'으로의 진화 방향을 이해할 수 있음.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Frontend JSON과 API JSON 사이의 변환 과정에서 손실되는 데이터가 실행 결과에 미치는 영향은 무엇인가? [4, 39]
+- 이미지 메타데이터(tEXt/zTXt) 외에 워크플로우 정보를 보존하기 위한 더 견고한 아키텍처는 무엇인가? [10, 43]
+- LLM 기반 생성기에서 '훈련 시점 이후 출시된 커스텀 노드'에 대한 환각(Hallucination) 문제를 어떻게 제어하는가? [44, 45]
+- Execution Model Inversion이 대규모 복합 워크플로우에서 자원 효율성을 구체적으로 얼마나 개선하는가? [12]
+- 모델 해싱(SHA-256)을 JSON 내에 포함시켜 파일명 불일치 문제를 해결하는 표준화된 방식은 무엇인가? [46]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** Python의 `urllib`과 `websocket`을 사용하여 `/prompt` 엔드포인트에 JSON 페이로드를 전송하고 결과를 실시간으로 수신함 [32].
+- **System Design:** 워크플로우를 JSON으로 관리함으로써 CI/CD 파이프라인을 통한 자동 테스트 및 버전 관리가 가능해짐 [47].
+- **Operation / Maintenance:** 모델 파일 경로가 다른 환경으로 이전 시 JSON 내부의 파일명을 로컬 환경에 맞춰 수정하거나 ComfyUI Manager의 검색 기능을 활용함 [43].
+- **Learning Path:** 기본 워크플로우 템플릿 로드 → 시각적 노드 연결 변경 → JSON 내보내기 및 구조 분석 순서로 학습 권장 [48].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Model Hashing]]
+  - 확장 방향: JSON 파일의 기기 간 이동 시 모델 파일명 불일치 문제를 해결하는 기술적 대안 [46].
+- [[Workspace Packaging (.cpack.zip)]]
+  - 확장 방향: JSON 단일 파일의 한계를 넘어 모델 해시와 노드 버전까지 패키징하는 미래 표준 [43].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. [1, 6, 14, 24, 25, 29, 30, 32, 37, 41, 43, 49-52]

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow.api.json (Backend Format).md

@@ -0,0 +1,67 @@
+---
+id: workflow.api.json-(backend-format)
+title: "Workflow.api.json (Backend Format)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["API Format", "Backend JSON", "workflow_api.json"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Mystic Pipeline", "Replicate (fofr/any-comfyui-workflow)", "ComfyUI-to-Python-Extension", "comfyui-workflow-to-api-converter-endpoint"]
+github_commit: ""
+---
+
+# [[Workflow.api.json (Backend Format)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+비주얼 메타데이터를 배제하고 노드 실행 로직에만 집중하여 서버측 자동화와 프로그래밍적 실행을 가능케 하는 최적화된 데이터 포맷 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **실행 그래프 (Execution Graph):** UI 관련 데이터(좌표, 크기, 그룹 등)를 제거하고 백엔드 엔진이 프롬프트를 실행하는 데 필요한 필수 로직만 남긴 스트림라인화된 구조 [1, 4].
+- **임베디드 참조 (Embedded References):** 링크 정보가 별도의 객체가 아니라 노드 입력(inputs) 필드 내에 소스 노드 ID와 출력 슬롯 인덱스의 리스트(예: `[node_id, slot_index]`) 형태로 직접 포함됨 [1, 2, 5].
+- **딕셔너리 구조 (Dictionary Mapping):** 노드 ID를 최상위 키로 사용하며, 각 값은 `class_type`과 `inputs`를 포함하는 객체로 구성된 단일 JSON 객체 형식 [6, 7].
+- **개발자 모드 의존성 (Developer Mode Dependency):** 표준 웹 UI에서는 숨겨져 있으며, 설정에서 'Enable Dev mode Options'를 활성화해야만 'Save (API Format)' 메뉴가 노출됨 [8-11].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **UI 데이터 스트리핑 (UI Data Stripping):** 캔버스 레이아웃 정보를 삭제함으로써 파일 크기를 축소하고 API 호출의 효율성을 극대화하는 설계 패턴 [1, 2, 4].
+- **노드 ID 키잉 (Node ID Keying):** 숫자 문자열(예: "5", "37")을 키로 사용하여 유연한 그래프 트래버스 및 특정 노드 파라미터의 동적 오버라이드를 지원 [6, 7, 12].
+- **입력값 치환 (Input Value Substitution):** Python 등의 언어에서 JSON을 로드한 후 특정 노드 ID의 `inputs` 필드를 직접 수정하여 시드, 프롬프트, 이미지 경로 등을 변경하는 방식의 자동화 패턴 [6, 12, 13].
+
+## 📖 세부 내용 (Details)
+**형식적 특성 및 구조**
+Workflow API JSON은 Litegraph 표준을 따르는 프런트엔드 형식(`workflow.json`)과 달리 ComfyUI 백엔드의 `/prompt` 엔드포인트와 직접 통신하기 위해 설계되었습니다 [1, 2]. 파일 내부의 각 항목은 고유한 노드 식별자를 키로 하며, 해당 노드가 어떤 클래스(`class_type`)인지와 어떤 입력값(`inputs`)을 사용하는지를 명시합니다 [4, 7]. 이때 입력값에는 위젯의 직접적인 값뿐만 아니라 다른 노드로부터 오는 연결 정보도 포함됩니다 [5].
+
+**생성 및 추출 방법**
+- **GUI 내보내기:** ComfyUI 설정 메뉴(톱니바퀴 아이콘)에서 'Enable Dev mode Options'를 체크한 후 사이드바 메뉴에 나타나는 'Save (API Format)' 버튼을 클릭하여 생성합니다 [8-11].
+- **이미지 메타데이터:** ComfyUI가 생성한 PNG 파일의 `tEXt` 또는 `zTXt` 청크에는 프런트엔드 워크플로우와 함께 'prompt'라는 이름으로 API 포맷의 JSON이 포함되어 자동 저장됩니다 [14, 15].
+- **서버측 변환:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드를 사용하면 클라이언트 측의 자바스크립트 로직 없이도 서버에서 직접 일반 JSON을 API 포맷으로 변환할 수 있습니다 [16, 17].
+
+**활용 시나리오**
+이 포맷은 주로 외부 애플리케이션 통합에 사용됩니다. 예를 들어 Python 스크립트에서 워크플로우 템플릿을 로드하고 특정 노드의 텍스트 입력을 변경한 후 ComfyUI 서버에 큐잉하거나, Replicate와 같은 클라우드 환경에서 워크플로우를 실행하는 데 필수적입니다 [6, 12, 18, 19].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **가독성 vs 효율성:** API 포맷은 파일 크기가 작고 처리가 빠르지만, UI로 다시 드래그 앤 드롭했을 때 시각적 구조(노드 위치, 그룹화 등)가 복원되지 않는 "뼈대만 남은(skeleton)" 상태가 됩니다 [1, 20].
+- **노드 ID의 취약성:** 워크플로우를 UI에서 편집하면 노드 ID가 변경될 수 있으며, 이로 인해 특정 ID를 하드코딩한 자동화 스크립트가 깨질 위험이 존재합니다 [6, 21]. 이를 해결하기 위해 노드 타이틀 기반 접근 방식이 대안으로 제시되기도 합니다 [21, 22].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Mystic Deployment:** `pipeline.yaml`과 함께 `new_pipeline.py`에서 API JSON을 로드하여 입력 프롬프트를 주입하고 서버를 실행하는 구조로 적용됨 [23, 24].
+- **Replicate API:** `fofr/any-comfyui-workflow` 모델을 통해 API JSON 블롭을 전달받아 이미지를 생성하는 상용 서비스에 적용 [18, 25].
+- **ComfyUI-to-Python-Extension:** `workflow_api.json` 파일을 입력받아 독립 실행 가능한 `.py` 스크립트로 변환하는 CLI 도구에서 핵심 데이터로 사용됨 [26, 27].
+- **Workflow Converter:** 서버측 `/workflow/convert` 엔드포인트를 통해 비 API 워크플로우를 API 포맷으로 실시간 변환하여 Unity 기반 AI 도구 등에서 활용 [16, 17].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 확인됨)
+- **출처 신뢰도:** B (Official Documentation / RunComfy & Replicate API Docs / GitHub Repository READMEs)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workflow.json (Frontend Format).md

@@ -0,0 +1,109 @@
+---
+id: workflow.json-(frontend-format)
+title: "Workflow.json (Frontend Format)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Frontend JSON", "Full Workflow Export"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfyui-workflow-to-api-converter-endpoint", "ComfyUI-to-Python-Extension", "ComfyUI-WorkflowGenerator"]
+github_commit: ""
+---
+
+# [[Workflow.json (Frontend Format)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 시각적 편집 상태와 노드 간의 논리적 연결을 **Litegraph 표준**에 따라 완벽하게 보존하여, 인간의 재편집과 기계적 실행 사이의 가교 역할을 수행하는 전제 상태(Full State) 스냅샷 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **Litegraph 표준 준수:** ComfyUI 웹 인터페이스의 캔버스 레이아웃을 정의하는 라이브러리인 Litegraph 형식을 따르며, 시각적 렌더링에 필요한 모든 데이터를 포함한다 [1, 2].
+2.  **시각적 메타데이터(Visual Metadata):** 노드의 좌표(pos), 크기(size), 그룹 구성, 색상, 노드의 축소(collapsed) 또는 고정(pinned) 상태 등의 정보를 상세히 기록한다 [1, 3, 4].
+3.  **명시적 링크 구조(Explicit Links):** 노드 간의 연결을 별도의 `links` 배열 내에서 고유 ID를 가진 명시적 객체로 관리하여 그래프의 시각적 연결성을 유지한다 [2, 3, 5].
+4.  **노드 식별자(Node Identification):** 각 노드는 주로 숫자 형태의 고유 문자열 ID(예: "1", "2")로 식별되며, 이는 그래프 탐색 및 UI 렌더링의 기준이 된다 [1, 2, 6].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **Full UI Export 패턴:** 단순히 실행 로직만 저장하는 것이 아니라, 사용자가 작업하던 환경을 그대로 복구할 수 있도록 캔버스의 모든 상태를 캡처하는 방식이다 [7, 8].
+-   **Metadata Embedding 패턴:** 생성된 PNG 이미지의 `tEXt` 또는 `zTXt` 청크에 Frontend JSON 데이터를 주입하여 이미지 자체가 워크플로우 백업 파일 역할을 하도록 설계되었다 [9-11].
+-   **역방향 실행 모델(Execution Model Inversion):** JSON 내에 수많은 노드가 존재하더라도 실행 엔진은 출력 노드(Save Image 등)부터 역추적하여 필요한 노드만 실행하며, 사용되지 않는 노드는 성능에 영향을 주지 않고 보존된다 [12].
+
+## 📖 세부 내용 (Details)
+Frontend Format인 `workflow.json`은 ComfyUI의 기본 저장 형식으로, 사용자가 웹 인터페이스에서 워크플로우를 저장하거나 공유할 때 주로 사용된다 [1, 2, 13]. 
+
+### 1. 주요 데이터 구조
+-   **nodes:** 워크플로우를 구성하는 개별 노드들의 배열이다. 각 노드 객체는 클래스 타입(`type`), 좌표(`pos`), 크기(`size`), 실행 순서(`order`), 모드(`mode`, 활성/우회 등), 그리고 위젯 설정값(`widgets_values`)을 포함한다 [4, 14].
+-   **links:** 노드 사이의 와이어(Wire) 연결을 정의하는 최상위 배열이다. 각 링크는 보통 6개의 요소를 가진 배열이나 객체 형태로, 소스 노드 ID, 소스 슬롯, 타겟 노드 ID, 타겟 슬롯 정보를 담고 있다 [5].
+-   **groups:** 캔버스 상에서 노드들을 논리적으로 묶어주는 시각적 그룹 정보를 저장한다 [4].
+
+### 2. API Format(Backend)과의 차이점
+Frontend Format은 사용자 인터페이스 정보를 모두 포함하기 때문에 파일 크기가 상대적으로 크며, 백엔드 실행 엔진이 직접 해석하기에는 부적절한 구조를 가지고 있다 [1, 3, 15]. 반면 API Format은 UI 메타데이터를 제거하고 노드 입력 내에 링크 정보를 직접 임베딩하여 실행 최적화에 집중한다 [1, 16, 17].
+
+### 3. 상호 운용성 및 한계
+-   **이미지 기반 로딩:** PNG 이미지에 포함된 메타데이터를 통해 워크플로우를 즉시 복구할 수 있으나, 이미지 편집기나 소셜 미디어 플랫폼을 거치면서 메타데이터가 손실될 위험이 있다 [9, 11, 18].
+-   **버전 호환성:** ComfyUI는 지속적으로 업데이트되므로, 구버전의 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있다 [18].
+-   **종속성 문제:** JSON 파일 자체에는 모델 가중치나 커스텀 노드의 코드가 포함되지 않으므로, 로컬 환경에 해당 노드나 모델이 없을 경우 'Red Box' 오류가 발생한다 [19, 20].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **파일 확장자 혼용:** 소스에 따라 API 전용 포맷을 `workflow_api.json`으로, 프론트엔드 포맷을 `workflow.json`으로 명확히 구분하기도 하지만, 일반적인 대화에서는 모두 '워크플로우 JSON'으로 통칭되기도 한다 [1, 21].
+-   **메타데이터 취약성:** PNG에 임베딩된 JSON은 압축 소프트웨어나 네트워크 전송 시 소실될 수 있다는 점이 지속적으로 지적된다 [11, 18].
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측의 자바스크립트 로직을 파이썬으로 변환하여, 프론트엔드 형식의 JSON을 API 형식으로 서버 사이드에서 변환하는 기능을 제공한다 (커밋 bc85382 참조) [15, 22, 23].
+-   **ComfyUI-to-Python-Extension:** 프론트엔드 워크플로우 메타데이터를 포함한 스크립트를 생성하여, 저장된 이미지에서 워크플로우를 재임포트할 수 있도록 지원한다 [24, 25].
+-   **ComfyUI-WorkflowGenerator:** LLM을 통해 생성된 논리적 구조를 최종적으로 실행 가능한 Frontend JSON 또는 API JSON 포맷으로 빌드하는 `WorkflowBuilder` 노드를 포함한다 [26, 27].
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (공식 문서 및 다수의 오픈소스 프로젝트에서 핵심 규격으로 사용됨)
+-   **출처 신뢰도:** B (공식 문서 및 기술 블로그, GitHub 리포지토리를 통한 교차 검증 완료)
+-   **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Litegraph Standard]]
+  - 연결 이유: Frontend JSON 포맷의 구조적 근간이 되는 라이브러리 규격임 [1].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 배치 및 링크 렌더링 원리.
+- [[Workflow.api.json (Backend Format)]]
+  - 연결 이유: Frontend JSON에서 UI 정보를 제거하고 실행 효율성을 극대화한 대응 포맷임 [1, 3].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 시각적 표현과 논리적 실행 구조의 분리.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: JSON 내의 `class_type`을 분석하여 누락된 커스텀 노드를 설치해주는 필수 관리 도구임 [20].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: JSON 종속성 관리 및 환경 복구 프로세스.
+- [[Workflow Extractor]]
+  - 연결 이유: 이미지 메타데이터에 숨겨진 Frontend JSON을 추출하는 전문 도구임 [28, 29].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 메타데이터 보존 및 데이터 복구 기술.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- Frontend JSON의 `order` 필드가 실제 백엔드의 실행 순서와 항상 일치하는가? [14]
+- PNG 이미지의 `tEXt` 청크와 `zTXt` 청크 중 어느 방식이 워크플로우 데이터 저장에 더 유리한가? [11]
+- `comfyui-workflow-to-api-converter-endpoint`는 서브그래프(Subgraph)가 포함된 복잡한 프론트엔드 JSON을 어떻게 처리하는가? [23, 30]
+- 노드 ID가 문자열로 저장될 때와 숫자로 저장될 때의 시스템 처리 차이는 무엇인가? [4, 6]
+- 모델 해싱(Model Hashing) 기술이 JSON의 포터빌리티(Portability) 문제를 어떻게 해결하는가? [31]
+- LLM이 생성한 논리적 다이어그램을 표준 V1.0 스키마에 맞게 검증하는 구체적인 메커니즘은 무엇인가? [26, 32]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 커스텀 앱에서 워크플로우를 로드할 때, 우선 Frontend 포맷으로 불러와 사용자에게 시각적으로 보여준 뒤 실행 시점에만 API 포맷으로 변환하여 요청한다 [33].
+- **System Design:** 버전 관리 시스템(Git)에 워크플로우를 저장할 때, 시각적 변경 사항을 추적하기 위해 Frontend 포맷을 유지하는 것이 유리하다 [34].
+- **Operation / Maintenance:** 사용자가 공유한 이미지에서 워크플로우를 복원할 수 없는 경우, `exiftool` 등을 사용해 메타데이터 존재 여부를 선제적으로 확인한다 [29, 35].
+- **Learning Path:** 초보자는 시각적 노드 연결 방식을 통해 논리 구조를 익히고, 숙련자는 JSON의 `widgets_values`를 직접 수정하여 자동화 스크립트를 작성한다 [13, 36].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Custom Nodes]]
+  - 확장 방향: JSON 내의 `type` 필드가 실제 파이썬 클래스와 매핑되는 방식 연구.
+- [[JSON Schema v1.0]]
+  - 확장 방향: 워크플로우 파일의 구조적 무결성을 검증하는 기술적 명세 확인 [14].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine based on 18 sources.

10_Wiki/Topics/Topic_Graphic/Comfyui/WorkflowExecutor.md

@@ -0,0 +1,94 @@
+---
+id: workflowexecutor
+title: "WorkflowExecutor"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "applied"
+canonical_id: ""
+aliases: ["워크플로 실행기"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.90
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["GitHub Gist: Standalone execution script", "Quasilinear Musings: Executing ComfyUI Workflows as Standalone Scripts"]
+github_commit: ""
+---
+
+# [[WorkflowExecutor]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+**[[WorkflowExecutor]]**는 ComfyUI의 웹 UI 및 서버 백엔드 종속성을 제거하여 워크플로를 독립적인 파이썬 스크립트 환경에서 실행할 수 있게 하는 핵심 오케스트레이션 엔진이다 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **독립적 실행 오케스트레이션**: 웹 기반 인터페이스 없이도 워크플로의 환경 초기화, 캐시 관리, 노드 실행을 총괄한다 [2].
+- **실행 그래프 구조화**: JSON 형식의 워크플로를 검증한 후 `DynamicPrompt`를 거쳐 순차적 실행이 가능한 `ExecutionList`로 변환한다 [2].
+- **노드 단위 데이터 처리**: 개별 노드의 입력 데이터를 조회(`get_input_data`)하고 연산을 수행하여 출력 데이터를 생성(`get_output_data`)하는 실행 단위를 제어한다 [3].
+- **캐시 통합 관리**: `ExecutionCache`와 연동하여 노드 출력 및 객체 인스턴스를 저장함으로써 중복 계산을 방지하고 성능을 최적화한다 [3, 4].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Backend-Only Execution Pattern**: 시각적 메타데이터가 포함된 Frontend JSON 대신, 노드 간의 직접적인 입력 참조를 포함하는 [[Workflow API JSON (Backend Format)]]만을 사용하여 실행 효율성을 극대화한다 [5, 6].
+- **Validation-to-Execution Pipeline**: 실행 전 `validate_prompt`를 통해 그래프의 무결성을 선제적으로 확인하고, 이를 동적 리스트로 컴파일하여 실행하는 단계적 파이프라인 구조를 따른다 [2].
+
+## 📖 세부 내용 (Details)
+**[[WorkflowExecutor]]**는 ComfyUI 워크플로를 서버리스 환경이나 독립형 애플리케이션으로 배포하고자 하는 개발자들을 위한 해결책으로 고안되었다 [1, 7]. 기본적으로 ComfyUI는 프론트엔드와 백엔드가 밀접하게 결합되어 있으나, 이 엔진은 해당 로직을 분리하여 헤드리스(Headless) 처리를 가능하게 한다 [1].
+
+실행 과정은 크게 세 단계로 나뉜다. 첫째, 입력받은 API 형식의 JSON 워크플로를 ComfyUI 내부의 `validate_prompt` 함수를 사용하여 검증한다 [2]. 둘째, 검증된 데이터를 `DynamicPrompt` 객체로 구성하고, 이를 다시 실행 순서가 정의된 `ExecutionList`로 변환한다 [2]. 셋째, 이 리스트를 순회하며 개별 노드를 `_execute_node` 메서드를 통해 실행한다 [3].
+
+노드 실행 시에는 `get_input_data`를 호출하여 이전 노드의 출력값이나 위젯 값을 수집하고, 이를 `get_output_data` 함수에 전달하여 실제 연산을 수행한다 [3]. 이 과정에서 생성된 결과물과 실행 상태는 **[[ExecutionCache]]**에 저장되어, 동일한 연산의 반복을 피하고 실행 속도를 높이는 데 기여한다 [3, 4].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **종속성 모순**: ComfyUI의 기본 아키텍처는 서버와 UI가 강하게 결합되어 있어 독립 실행이 불가능하다고 여겨졌으나, **[[WorkflowExecutor]]**는 내부 함수들을 직접 호출하는 방식으로 이 제약을 극복했다 [1, 4].
+- **형식 요구사항**: 일반적인 `workflow.json`은 시각적 메타데이터를 포함하므로 **[[WorkflowExecutor]]**에서 직접 사용할 수 없으며, 반드시 'Dev mode'에서 내보낸 [[Workflow API JSON (Backend Format)]]을 사용해야 한다 [5, 6].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Quasilinear Musings 프로젝트**: Timothy Lin이 제안한 "Executing ComfyUI Workflows as Standalone Scripts"의 핵심 구성 요소로 구현되었다 [7, 8].
+- **독립 실행 스크립트**: GitHub Gist에 공개된 소스 코드에서 `WorkflowExecutor` 클래스가 실제로 정의되어 있으며, SDXL Turbo 워크플로를 독립적인 `.py` 파일로 실행하는 데 성공적으로 적용되었다 [2, 4, 6].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** applied (GitHub Gist 및 기술 블로그를 통해 실제 구현 코드가 확인됨 [2, 8])
+- **출처 신뢰도:** B (전문 기술 블로그 및 오픈 소스 구현 사례 기반 [2, 7])
+- **중복 검사 결과:** 신규 생성 (기존 소스 내 독립 실행 엔진 개념 정의)
+
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[Comfyui workflow json 생성 방법]]
+  - 연결 이유: 본 주제의 루트 주제이며 워크플로 데이터의 생성 기원을 정의함.
+- [[Workflow API JSON (Backend Format)]]
+  - 연결 이유: **[[WorkflowExecutor]]**가 실행을 위해 반드시 필요로 하는 데이터 규격임 [5].
+
+#### [구현/활용 도구]
+- [[ExecutionCache]]
+  - 연결 이유: 실행 효율성을 위해 **[[WorkflowExecutor]]**와 함께 필수적으로 사용되는 캐시 시스템임 [3].
+- [[ComfyUI-to-Python-Extension]]
+  - 연결 이유: 워크플로를 파이썬 코드로 변환하여 독립 실행한다는 목적을 공유하는 대안적 도구임 [1].
+
+### 심층 후속 질문 (Deeper Research Questions)
+- WorkflowExecutor가 `validate_prompt`를 수행할 때 커스텀 노드의 존재 여부를 어떻게 확인하는가? [2]
+- `ExecutionList` 생성 시 순환 참조(Circular Reference)가 있는 그래프에 대한 방어 로직은 어떻게 작동하는가? [2]
+- **[[ExecutionCache]]**가 메모리 한계에 도달했을 때의 데이터 축출 정책은 어떻게 정의되어 있는가? [3]
+- 독립 실행 환경에서 `SaveImage` 노드와 같은 파일 출력 노드의 경로 지정 방식은 어떻게 처리되는가? [6]
+- WorkflowExecutor를 통해 실행할 때와 표준 ComfyUI 서버를 통해 실행할 때의 VRAM 점유 효율 차이는 어느 정도인가?
+- 대규모 배치 처리를 수행할 때 WorkflowExecutor의 병렬 실행 가능성은 어떻게 설계되어 있는가?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 파이썬 환경에서 ComfyUI 서버를 띄우지 않고 AI 생성 파이프라인을 자동화할 때 사용된다 [6].
+- **System Design:** 도커(Docker) 컨테이너 내에서 최소한의 오버헤드로 특정 워크플로를 실행하는 마이크로서비스 아키텍처에 적합하다 [1].
+- **Operation / Maintenance:** 서버 백엔드 업데이트 없이 특정 실행 로직만을 독립적으로 유지보수해야 할 때 유용하다 [1].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Execution Model Inversion]]
+  - 확장 방향: 출력 노드에서 시작하여 필요한 종속성만 실행하는 최적화 모델에 대한 심층 이해 [9].
+- [[ComfyUI Manager]]
+  - 확장 방향: 독립 실행 환경에서 누락된 커스텀 노드를 관리하고 설치하는 방법론 조사 [10].
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workspace Packaging (.cpack.zip).md

@@ -0,0 +1,58 @@
+---
+id: workspace-packaging-(.cpack.zip)
+title: "Workspace Packaging (.cpack.zip)"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy-pack"]
+github_commit: ""
+---
+
+# [[Workspace Packaging (.cpack.zip)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+워크플로 JSON, 모델 해시, 커스텀 노드 버전을 단일 아카이브로 통합하여 환경 변화에 무관한 완벽한 실행 재현성을 보장하는 표준화된 배포 아티팩트 규격이다 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **표준화된 아티팩트 배포:** 단순한 JSON 파일에 대한 의존성을 넘어, 실행에 필요한 모든 메타데이터를 포함하는 아티팩트 기반 배포 방식이다 [1].
+2. **패키지 구성 요소:** .cpack.zip 파일 내에는 워크플로 JSON, 모델의 SHA-256 해시값, 그리고 실행에 필요한 커스텀 노드의 특정 버전 정보가 포함된다 [1].
+3. **모델 해싱(SHA-256):** 모델 파일명에 의존하는 대신 해시값을 사용하여 서로 다른 시스템 환경에서도 정확한 모델을 식별하고 로드한다 [2].
+4. **미래 지향적 유지보수:** 특정 노드가 업데이트되거나 삭제되더라도 패키지 내 기록된 버전을 통해 생성 시점과 동일한 워크플로 기능을 유지한다 [1].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **논리 및 의존성의 완전 캡슐화:** 워크플로의 실행 논리(JSON)와 그 실행을 뒷받침하는 의존성(모델, 노드)을 하나의 단위로 묶어 관리하는 패턴이다 [1, 3].
+- **파일 이름에서 내용 기반 식별로의 전환:** 경로 정보나 파일명이 아닌 데이터 고유의 해시값을 통해 리소스를 관리하여 이식성을 극대화한다 [2].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로 생성의 미래는 원본 JSON 파일만 공유하던 방식에서 벗어나 표준화된 **아티팩트 기반 배포(Artifact-based deployments)**로 이동하고 있다 [1]. 기존의 JSON 방식은 다른 사용자의 환경에서 모델 파일명이 다르거나 커스텀 노드 버전이 일치하지 않을 때 실행이 실패하는 고질적인 문제를 안고 있었다 [1, 2].
+
+Workspace Packaging 규격인 **.cpack.zip**은 이러한 문제를 해결하기 위해 고안되었다 [1]. 이 아카이브 파일은 단순한 압축 파일이 아니라, 워크플로의 실행 환경을 정의하는 고밀도 정보를 담고 있다 [1]. 구체적으로, 생성 시점에 사용된 워크플로 JSON과 함께, 각 모델의 **SHA-256 해시값**을 기록하여 파일명이 다르더라도 로컬 시스템에서 동일한 모델을 찾아낼 수 있게 한다 [2]. 또한, 실행에 필요한 커스텀 노드들의 **특정 버전 정보**까지 포함하여, 시간이 지나 노드가 업데이트되거나 더 이상 지원되지 않더라도 생성 당시의 기능을 보존한다 [1].
+
+이러한 방식은 ComfyUI를 전문적인 제작 파이프라인에 통합하는 데 필수적이며, 오디오, 비디오, 3D 및 AI 에이전트가 결합되는 복잡한 시스템 간의 통신에서 공통 언어 역할을 수행한다 [3].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **JSON의 한계 극복:** 소스에 따르면 현재의 워크플로 생성 방식은 원시 JSON에 의존하고 있으나, 이는 이식성 면에서 취약하며 점차 .cpack.zip과 같은 워크스페이스 패키징 방식으로 보완 또는 대체되는 추세이다 [1].
+- **최신 정보:** 소스 데이터 작성 시점 기준으로 .cpack.zip은 "Future Outlook"으로 언급되며 차세대 표준으로 제시되고 있다 [1].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfy-pack:** 모델의 파일명 대신 SHA-256 해시를 사용하여 정확한 모델 위치를 식별하고 관리하는 고급 직렬화 도구로 언급된다 [2].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (comfy-pack 등 실제 도구에서 해시 기반 관리 방식이 이미 적용되어 있음 [2])
+- **출처 신뢰도:** B (Comprehensive Architectures for ComfyUI Workflow JSON Generation and Serialization 문서 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/Workspace Packaging.md

@@ -0,0 +1,97 @@
+---
+id: workspace-packaging
+title: "Workspace Packaging"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: [".cpack.zip", "Artifact-based Deployment"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["comfy-pack", ".cpack.zip"]
+github_commit: ""
+---
+
+# [[Workspace Packaging]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+단순한 노드 그래프 직렬화를 넘어, 모델 해시와 커스텀 노드 버전 등 실행 의존성 전체를 하나의 아티팩트로 묶어 워크플로우의 영구적 재현성을 보장하는 차세대 배포 표준 [1].
+
+## 🧠 핵심 개념 (Core concepts)
+1. **아티팩트 기반 배포 (Artifact-based Deployment):** 원시 JSON 파일 대신 워크플로우 실행에 필요한 모든 컨텍스트를 포함하는 패키지 단위의 배포 방식 [1].
+2. **모델 가중치 해싱 (Model Weight Hashing):** 파일명에 의존하는 대신 SHA-256 해시를 사용하여 서로 다른 환경에서도 동일한 모델을 고유하게 식별하고 매핑 [1, 2].
+3. **버전 고정 (Version Locking):** 워크플로우 설계 당시 사용된 커스텀 노드의 특정 버전을 기록하여, 향후 노드 업데이트나 기능 중단(deprecation)으로 인한 오류를 방지 [1].
+4. **.cpack.zip 규격:** 워크플로우 JSON, 모델 해시 리스트, 커스텀 노드 버전 정보를 포함하도록 제안된 통합 패키지 형식 [1].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **불변성 확보 패턴 (Immutability Pattern):** JSON + SHA-256 Hash + Node Versioning을 결합하여 시간이 지나도 동일한 출력을 보장하는 '정적 실행 환경'을 구축함 [1].
+- **환경 독립적 식별 패턴 (Environment-Agnostic Identification):** 물리적 파일 경로(sd_xl_base.safetensors)가 아닌 데이터의 지문(Hash)을 통해 자원을 검색함으로써 이식성 문제를 해결함 [1, 2].
+
+## 📖 세부 내용 (Details)
+ComfyUI 워크플로우는 기존에 PNG 메타데이터나 단순 JSON 파일로 공유되었으나, 이는 모델 파일명 불일치나 커스텀 노드 버전 차이로 인한 'Red Nodes' 오류에 취약한(fragile) 구조를 가짐 [1, 3, 4]. **Workspace Packaging**은 이러한 한계를 극복하기 위해 워크플로우를 고립된 실행 단위로 취급함 [1].
+
+주요 구성 요소는 다음과 같음:
+- **워크플로우 직렬화:** 표준 JSON v1.0 규격에 따른 노드 및 링크 데이터 포함 [1, 5].
+- **의존성 체크섬:** `comfy-pack`과 같은 도구를 사용하여 모델 가중치의 SHA-256 해시를 생성하며, 이를 통해 사용자의 로컬 환경에서 파일명이 다르더라도 올바른 모델을 찾아낼 수 있음 [1, 2].
+- **노드 컨텍스트:** 특정 시점의 커스텀 노드 코드 상태를 고정하여 시스템의 일관성을 유지함 [1].
+
+이 방식은 특히 고도화된 생성형 AI 프로덕션 환경에서 워크플로우가 미래에도 정상 작동하도록 보장하는 '버전 관리 및 아카이빙'의 핵심 기술로 자리 잡고 있음 [1, 6].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **모순:** 현재 가장 널리 쓰이는 방식은 Metadata가 포함된 PNG이나, 이는 보안 소프트웨어나 소셜 미디어 플랫폼에 의해 데이터가 손실되기 쉬워(stripped) 신뢰도가 낮음 [3].
+- **업데이트:** 단순 JSON 저장 방식에서 시스템 전체 상태를 패키징하는 `.cpack.zip` 기반의 아티팩트 배포로 패러다임이 전환되고 있음 [1].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfy-pack:** 모델 가중치의 SHA-256 해시를 사용하여 물리적 경로가 아닌 논리적 식별자로 모델을 관리하는 기능이 구현됨 [1, 2].
+- **.cpack.zip:** 워크플로우 JSON, 모델 해시, 노드 버전 정보를 통합 저장하기 위한 미래형 아티팩트 파일 규격으로 제안됨 [1].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (미래 지향적 기술로 제안되었으며 comfy-pack 등 일부 도구에서 구현 시작)
+- **출처 신뢰도:** B (Official Documentation 및 전문 아키텍처 분석 기반)
+- **중복 검사 결과:** 신규 생성
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+#### [아키텍처/기반 기술]
+- [[ComfyUI Workflow JSON]]
+  - 연결 이유: 패키징의 핵심이 되는 직렬화 데이터 형식.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 노드 기반 데이터 구조의 표준화된 저장 방식.
+- [[Model Hashing]]
+  - 연결 이유: 패키지 내에서 자원을 식별하는 유일한 기술적 수단.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 파일명 불일치 문제를 해결하는 SHA-256 기반 매핑 원리.
+
+#### [구현/활용 도구]
+- [[ComfyUI Manager]]
+  - 연결 이유: 패키지 내 명시된 누락 노드를 탐지하고 복구하는 역할을 수행.
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 의존성 자동 해결 및 설치 프로세스.
+
+### 심층 후속 질문 (Deeper Research Questions)
+- `.cpack.zip` 패키지 내에서 모델 파일 자체를 포함하지 않고 해시만으로 대용량 가중치를 효율적으로 확보하는 원격 저장소 연동 프로토콜은 무엇인가?
+- 커스텀 노드 버전 고정이 Git 커밋 해시를 사용하는 방식과 시맨틱 버저닝(Semantic Versioning)을 사용하는 방식 중 어느 것이 더 높은 호환성을 제공하는가?
+- Workspace Packaging 기술이 Replicate나 Mystic과 같은 서버리스 API 환경에서 콜드 스타트(Cold Start) 시간에 미치는 영향은 어떠한가?
+- 수백 개의 커스텀 노드가 얽힌 복잡한 워크플로우에서 모든 의존성을 누락 없이 패키징하기 위한 검증 알고리즘은 어떻게 설계되는가?
+- 패키징된 아티팩트의 무결성을 검증하기 위해 SHA-256 외에 디지털 서명(Digital Signature)을 결합하는 보안 모델의 가능성은?
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** `comfy-pack` 도구를 사용하여 프로젝트별 모델 해시 리스트를 생성하고 관리함 [2].
+- **System Design:** CI/CD 파이프라인에서 워크플로우 변경 시마다 `.cpack.zip` 아티팩트를 자동 생성하여 배포함 [1].
+- **Operation / Maintenance:** 특정 시점에 생성된 이미지를 재현해야 할 경우, 해당 패키지를 로드하여 노드 및 모델의 환경을 즉각 복원함 [1].
+- **Learning Path:** 단순 JSON 저장을 넘어 모델 해시의 중요성과 의존성 관리의 원리를 학습하는 고도화 단계임 [6].
+
+### 인접 주변 주제 (Adjacent Topics)
+- [[Retrieval-Augmented Generation (RAG) for Nodes]]
+  - 확장 방향: 정적으로 고정된 패키지를 넘어 실시간으로 최신 노드 정보를 탐색하고 반영하는 기술.
+- [[Execution Model Inversion]]
+  - 확장 방향: 패키징된 거대 그래프 내에서 실제 출력에 필요한 노드만 선별하여 실행하는 최적화 기법.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine. 기초 아키텍처 및 .cpack.zip 규격 정의 포함.

10_Wiki/Topics/Topic_Graphic/Comfyui/exiftool.md

@@ -0,0 +1,58 @@
+---
+id: exiftool
+title: "exiftool"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["ComfyUI.config"]
+github_commit: ""
+---
+
+# [[exiftool]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+`exiftool`은 미디어 파일의 메타데이터 청크 내에 임베딩된 ComfyUI 워크플로 JSON 데이터를 추출, 삽입 및 복구하기 위한 표준 명령줄 유틸리티이다. [1], [2]
+
+## 🧠 핵심 개념 (Core concepts)
+1.  **메타데이터 추출 (Metadata Extraction):** PNG 파일의 `tEXt` 또는 `zTXt` 청크와 같은 바이너리 태그에서 직렬화된 워크플로 JSON을 독립된 파일로 분리한다. [3], [1]
+2.  **워크플로 복구 (Workflow Recovery):** 이미지 편집기(예: GIMP) 사용으로 인해 삭제된 메타데이터를 원본 파일에서 추출하여 재삽입함으로써 워크플로의 무결성을 유지한다. [4], [2]
+3.  **비표준 태그 정의 (Non-standard Tag Definition):** ComfyUI 워크플로 데이터는 비표준 태그에 저장되므로, 쓰기 작업을 수행할 때는 해당 태그를 허용하는 구성 설정이 필요하다. [2]
+
+## 🧩 추출된 패턴 (Extracted patterns)
+-   **바이너리 출력 패턴:** `-b` 플래그를 사용하여 특정 태그(`-workflow`)의 원시 데이터를 캡처하고 리다이렉션(`>`)을 통해 JSON 파일로 저장하는 전략을 사용한다. [1], [2]
+-   **설정 기반 삽입 패턴:** `exiftool`이 등록되지 않은 태그 쓰기를 거부하는 문제를 해결하기 위해 `%unreg` 지시어를 포함한 설정 파일을 참조하여 비표준 태그에 데이터를 주입한다. [2]
+
+## 📖 세부 내용 (Details)
+`exiftool`은 ComfyUI 워크플로 관리 및 디지털 포렌식에서 핵심적인 역할을 수행하는 도구이다. [1] ComfyUI는 이미지 생성 시 `Save Image` 노드를 통해 워크플로(Frontend 포맷)와 프롬프트(API 포맷) 정보를 PNG 메타데이터에 주입하는데, `exiftool`은 이러한 바이너리 태그를 읽고 쓰는 데 최적화되어 있다. [5], [3], [1]
+
+구체적인 기술적 상세는 다음과 같다:
+-   **추출 메커니즘:** 대규모 이미지 저장소에서 드래그 앤 드롭 방식의 수동 추출이 비효율적일 때, `exiftool -b -workflow input.png > workflow.json` 명령을 통해 워크플로를 일괄적으로 격리할 수 있다. [1] 이는 이미지 내부의 직렬화된 JSON 데이터를 보존하면서 파일 시스템으로 인출하는 표준적인 방법이다. [1]
+-   **삽입 및 복사:** 단순한 추출을 넘어, 한 이미지의 워크플로를 다른 미디어(PNG, WebP, MP4 등)로 복사하거나 재삽입하는 것이 가능하다. [4] 단, 워크플로 태그는 표준 규격이 아니므로, `exiftool`은 기본적으로 이 태그에 대한 수정을 거부할 수 있다. 이를 해결하기 위해 사용자는 태그를 미등록(`%unreg`) 상태로 정의하는 별도의 설정 파일을 활용해야 한다. [2]
+-   **대안 도구와의 관계:** `Comfy_UI_prompt_extractor`나 `comfymeta` 등 특정 목적을 가진 CLI 및 UI 도구들이 존재하지만, `exiftool`은 가장 원형적인 유틸리티로서 워크플로 삽입 및 복사 기능을 구현하는 기반 기술로 언급된다. [2]
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+-   **데이터 휘발성:** `exiftool`의 성능과 관계없이, 메타데이터 자체가 취약하다는 점이 지적된다. 소셜 미디어 플랫폼이나 표준 이미지 압축 유틸리티는 파일 크기 절감 및 프라이버시 보호를 위해 워크플로 JSON이 포함된 비필수 메타데이터를 제거하는 경우가 많으므로, 원본 파일이 아닐 경우 `exiftool`을 통한 추출이 불가능할 수 있다. [6], [7], [3]
+
+## 🛠️ 적용 사례 (Applied in summary)
+-   **ComfyUI.config 활용:** 워크플로 데이터를 비표준 태그에 추가하기 위해 `exiftool` 설정 파일에서 해당 태그를 `%unreg`로 정의하여 사용한 사례가 보고되었다. [2]
+-   **CLI 워크플로 추출:** `exiftool -b -workflow input.png > workflow.json` 명령어를 통해 PNG 파일에서 워크플로 데이터를 직접 추출하여 JSON 파일로 변환하는 방식이 표준으로 사용된다. [1], [2]
+
+## ✅ 검증 상태 및 신뢰도
+-   **상태:** draft
+-   **검증 단계:** conceptual (실제 명령어와 설정 파일 적용 방식이 소스 내에 기술됨)
+-   **출처 신뢰도:** B (Official Documentation 및 GitHub Issue 기반 기술 명세)
+-   **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/object_info.json.md

@@ -0,0 +1,60 @@
+---
+id: object_info.json
+title: "object_info.json"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["https://<server_id>-comfyui.runcomfy.com/object_info", "RunComfy Serverless API"]
+github_commit: ""
+---
+
+# [[object_info.json]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+실행 중인 ComfyUI 인스턴스 내 모든 노드의 입출력 규격과 제약 조건을 정의하는 핵심 스키마 레지스트리 [1, 2].
+
+## 🧠 핵심 개념 (Core concepts)
+- **스키마 카탈로그 (Schema Catalog):** 현재 실행 중인 ComfyUI 인스턴스에 설치된 모든 노드(내장 및 커스텀 노드 포함)의 상세 사양을 담고 있는 청사진이다 [2].
+- **데이터 타입 및 범위 정의:** 각 노드가 요구하는 필수/선택적 입력값의 종류, 허용되는 수치 범위(Min/Max), 기본값, 그리고 출력 데이터의 타입을 명시한다 [2, 3].
+- **동적 엔드포인트 정보:** 서버 실행 중에 `/object_info` 경로를 통해 실시간으로 획득할 수 있는 동적 데이터이다 [4].
+- **유효성 검사 기준:** 외부 애플리케이션이나 사용자 정의 UI에서 입력 데이터를 검증하거나 워크플로우를 프로그래밍 방식으로 수정할 때 참조하는 기준점이 된다 [4, 5].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **서버 기반 동적 쿼리 패턴:** 고정된 파일이 아니라, 현재 서버 환경에 설치된 커스텀 노드 상태를 반영하기 위해 서버 ID 기반의 특정 URL 엔드포인트를 통해 데이터를 추출하는 방식을 취한다 [4].
+- **입력 유효성 선행 검증 패턴:** API를 통해 워크플로우를 실행하기 전, 이 JSON의 스키마 정보를 활용하여 파라미터 오버라이드 값이 노드의 수용 범위를 준수하는지 사전에 확인한다 [4, 5].
+
+## 📖 세부 내용 (Details)
+`object_info.json`은 ComfyUI 서버가 현재 운용 가능한 모든 노드 클래스에 대한 지식 데이터베이스 역할을 수행한다 [2]. 이 파일은 크게 다음과 같은 정보를 포함한다.
+- **노드 입력 사양:** 필수(required) 및 선택(optional) 입력 항목을 구분하며, 각 입력 항목의 데이터 타입(예: STRING, INT, IMAGE)과 위젯 값의 범위, 기본값 등을 정의한다 [2, 3]. 이는 내부적으로 노드의 `INPUT_TYPES()` 함수 정보에서 기인한다 [3].
+- **노드 출력 사양:** 해당 노드가 실행 결과로 생성하는 데이터 스트림의 타입을 정의하여 다른 노드와의 연결 가능 여부를 판단하게 한다 [2].
+- **메타데이터 및 보조 정보:** 노드에 대한 툴팁이나 개발자용 메타데이터 정보를 포함하여, 외부 도구가 노드의 기능을 이해하고 사용자에게 설명할 수 있도록 돕는다 [2].
+
+이 파일은 특히 **서버리스 API 배포** 환경에서 중요한 역할을 하며, 개발자는 이를 통해 자신만의 사용자 인터페이스를 구축하거나 워크플로우를 동적으로 생성 및 수정하는 도구를 제작할 수 있다 [1, 4]. 실행 중인 서버에서 직접 데이터를 가져오는 방식이 권장되며, 이는 설치된 커스텀 노드의 변경 사항을 즉각적으로 반영하기 위함이다 [4].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+소스 데이터 내에서 직접적인 정보 상충은 발견되지 않았으나, `object_info.json`은 정적인 아카이브 파일이 아니라 실행 환경에 따라 내용이 변하는 **동적 레지스트리** 성격을 가진다는 점이 명확히 기술되어 있다 [1, 4]. 또한, 커스텀 노드 제작 시 `INPUT_TYPES()` 정의가 부정확하면 이 JSON의 신뢰성도 저하될 수 있음을 시사한다 [3].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **RunComfy 플랫폼:** 서버리스 API 배포 시 워크플로우 검증 및 UI 구성을 위한 핵심 파일로 사용된다 [1, 5].
+- **데이터 추출 엔드포인트:** 실제 서버 환경에서 `https://<server_id>-comfyui.runcomfy.com/object_info` 경로를 통해 이 데이터를 획득할 수 있도록 구현되어 있다 [4].
+- **comfy_api_simplified MCP 서버:** AI 에이전트가 노드 유형을 나열(`list_node_types`)하거나 특정 노드의 상세 정보(`get_node_type_info`)를 조회할 때 이 스키마 정보를 기반으로 툴 기능을 제공한다 [6].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/workflow_api.json.md

@@ -0,0 +1,67 @@
+---
+id: workflow_api.json
+title: "workflow_api.json"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["API Format JSON", "Backend Format JSON", "Prompt JSON"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-19
+updated_at: 2026-05-19
+review_reason: ""
+merge_history: []
+tags: ["research", "Comfyui workflow json 생성 방법"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["/workflow/convert", "comfyui-workflow-to-api-converter-endpoint", "fofr/any-comfyui-workflow", "ComfyUI-to-Python-Extension"]
+github_commit: "bc85382"
+---
+
+# [[workflow_api.json]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+`workflow_api.json`은 UI 메타데이터를 제거하고 노드 간의 기능적 연결성만을 추출하여 ComfyUI 백엔드 엔진이 즉시 실행할 수 있도록 최적화된 직렬화된 실행 그래프이다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **백엔드/API 포맷 (Backend/API Format):** 시각적 요소(위치, 크기, 그룹 등)를 배제하고 서버 사이드 처리 및 프로그램 기반 자동화에 최적화된 포맷이다 [1, 3].
+- **평탄화된 그래프 (Flattened Execution Graph):** 링크가 별도의 연결 객체가 아닌 노드 입력 내부에 직접 참조(Origin Node ID 및 Output Slot) 형태로 포함된 구조이다 [1, 3, 4].
+- **개발자 모드 종속성 (Dev Mode Dependency):** 표준 내보내기 기능과 달리, 설정 메뉴에서 'Dev mode Options'를 활성화해야만 생성이 가능한 특수 포맷이다 [5-7].
+- **/prompt 엔드포인트 호환성:** ComfyUI 서버의 API 엔드포인트에 직접 전달하여 워크플로우를 실행하기 위한 표준 데이터 구조로 사용된다 [2, 8, 9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **포맷 분화 (Schema Bifurcation):** 사용자 상호작용을 위한 'Frontend JSON(workflow.json)'과 실행을 위한 'API JSON(workflow_api.json)'을 철저히 분리하여 운영 효율성을 극대화한다 [1, 2, 10].
+- **노드 식별 기반 접근:** 각 노드는 고유한 숫자형 키(String ID)로 식별되며, 이를 통해 외부 스크립트에서 특정 노드의 입력을 동적으로 수정할 수 있다 [11, 12].
+- **역방향 의존성 탐색 (Execution Model Inversion):** 엔진이 출력 노드(Save Image 등)로부터 역방향으로 탐색하여 최종 결과에 필요한 의존성 노드만 실행하는 구조를 지원한다 [13].
+
+## 📖 세부 내용 (Details)
+**데이터 구조 및 속성**  
+`workflow_api.json`은 루트 레벨의 키가 노드 ID(문자열)인 단일 JSON 객체 구조를 가진다 [14]. 각 노드 정의에는 `class_type`(노드 클래스 이름)과 `inputs`(위젯 값 및 타 노드 출력에 대한 연결 정보)가 포함되며, 선택적으로 `_meta` 필드가 존재할 수 있다 [11, 14]. 링크 표현 방식은 `[node_id, output_slot_index]` 형태의 배열로 입력 필드에 직접 삽입된다 [3, 15].
+
+**생성 및 추출 프로세스**  
+1. **GUI 내보내기:** 설정 메뉴의 톱니바퀴 아이콘을 통해 'Enable Dev mode Options'를 활성화한 후, 제어판에 나타나는 'Save (API Format)' 또는 'Export (API)' 버튼을 사용하여 생성한다 [6, 7, 14, 16].
+2. **이미지 메타데이터 추출:** ComfyUI에서 생성된 PNG 파일의 `tEXt` 또는 `zTXt` 청크에는 워크플로우(Frontend)와 프롬프트(API) 데이터가 함께 저장되며, `exiftool`이나 전문 추출 도구를 통해 이를 복구할 수 있다 [17-20].
+3. **서버 사이드 변환:** `comfyui-workflow-to-api-converter-endpoint`와 같은 커스텀 노드를 사용하면 일반 워크플로우 포맷을 실시간으로 API 포맷으로 변환하는 엔드포인트를 구축할 수 있다 [9, 21].
+
+**프로그래밍적 활용**  
+이 포맷은 Python의 `json` 라이브러리를 통해 딕셔너리 형태로 로드되어 씨드(seed), 프롬프트 텍스트, 노이즈 강도 등의 파라미터를 동적으로 변경하는 데 사용된다 [11, 22]. `Replicate`, `Mystic`, `RunComfy` 등 클라우드 API 서비스는 이 포맷을 기반으로 워크플로우를 서버리스 함수나 컨테이너화된 서비스로 배포한다 [3, 23, 24].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **정보 손실의 비가역성:** API 포맷을 다시 ComfyUI 캔버스로 불러올 경우, UI 메타데이터가 삭제되어 있기 때문에 노드들이 겹쳐 보이거나 그룹 정보가 사라진 '뼈대(skeleton)' 상태로 복원되는 한계가 있다 [9, 25].
+- **버전 호환성 문제:** ComfyUI의 빈번한 업데이트로 인해 구버전 JSON 파일이 최신 버전에서 정상적으로 작동하지 않을 수 있으며, 특히 커스텀 노드의 클래스 타입 변경에 취약하다 [26, 27].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **comfyui-workflow-to-api-converter-endpoint:** 클라이언트 측의 자바스크립트 변환 로직을 파이썬으로 구현하여 `/workflow/convert` 엔드포인트를 제공함 [9, 28]. (Git Commit: `bc85382`)
+- **ComfyUI-to-Python-Extension:** `workflow_api.json` 입력을 받아 실행 가능한 `.py` 스크립트로 변환하는 기능을 지원함 [29, 30].
+- **Mystic Pipeline Deployment:** `new_pipeline.py` 스크립트 내에서 API 포맷 JSON을 로드하여 입력 프롬프트를 주입하고 실행하는 템플릿 구조에 적용됨 [31, 32].
+- **Replicate fofr/any-comfyui-workflow:** API JSON 블롭을 입력받아 이미지/비디오를 생성하는 범용 워크플로우 모델의 핵심 입력 데이터로 활용됨 [23, 33].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 다수 발견으로 검증 가능)
+- **출처 신뢰도:** B (공식 문서 및 개발자 가이드 기반 합성)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-19: Initial draft generated via Datacollector_MAC P-Reinforce engine.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Add node docs for your ComfyUI custom node - ComfyUI 2026-05-20.md

@@ -0,0 +1,89 @@
+---
+id: add-node-docs-for-your-comfyui-custom-node---comfyui
+title: "Add node docs for your ComfyUI custom node - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/help_page"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Add node docs for your ComfyUI custom node - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]] 커스텀 노드 개발자는 마크다운(Markdown) 파일을 활용하여 노드의 기능, 파라미터, 사용법을 포함한 풍부한 문서를 UI 내에 직접 구현할 수 있습니다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Rich Markdown Documentation**: 일반적인 노드 설명을 넘어 [[HTML]] 요소와 마크레이 형식을 사용하여 상세한 정보를 사용자에게 제공합니다.
+- **Multi-language Support**: 언어별(영어, 중국어 등) 폴더 구조를 통해 다국어 문서를 지원하며, 사용자의 로케일에 따라 자동 로드됩니다.
+- **Automated Fallback System**: 특정 언어의 문서가 없을 경우 기본값인 `NodeName.md`를 참조하도록 설계되었습니다.
+- **Integrated UI Display**: 별도의 외부 페이지 없이 [[ComfyUI]] 인터페이스 내에서 직접 노드 문서를 확인할 수 있습니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **계층적 문서 구조**: `WEB_DIRECTORY/docs/` 하위에 노드 이름을 따르는 폴더와 파일을 배치하는 정형화된 디렉토리 구조를 가집니다.
+- **확장 가능한 마크다운 기능**: 표준 문법 외에도 이미지(`![]()`) 및 특정 속성을 가진 `<video>` 태그 등 HTML 요소를 결합하여 풍부한 콘텐츠를 구성합니다.
+
+## 📖 세부 내용 (Details)
+
+### 🛠️ Setup (설정 방법)
+문서를 추가하기 위해서는 `WEB_DIRECTORY` 내에 `docs` 폴더를 생성하고 다음과 같은 규칙으로 파일을 배치해야 합니다.
+
+| 파일 경로 예시 | 설명 |
+| :--- | :--- |
+| `WEB_DIRECTORY/docs/NodeName.md` | 기본(Fallback) 문서 (노드 이름은 `NODE_CLASS_MESSAGES`의 키값과 일치해야 함) |
+| `WEB_DIRECTORY/docs/NodeName/en.md` | 영어 문서 |
+| `WEB_DIRECTORY/docs/NodeName/zh.md` | 중국어 문서 |
+| 기타 로케일 (예: `fr.md`, `de.md`) | 필요한 언어 추가 가능 |
+
+### 📝 Supported Markdown Features (지원되는 마크다운 기능)
+- **Standard Syntax**: 헤딩(Headings), 리스트(Lists), 코드 블록(Code blocks) 등 표준 문법 지원.
+- **Images**: `![alt text](image.png)` 형식을 통한 이미지 삽입 가능.
+- **HTML Media Elements**: `<video>` 및 `<source>` 태그 사용 가능.
+    - 허용된 속성: `controls`, `autoplay`, `loop`, `muted`, `preload`, `poster`
+
+### 📂 Example Structure (디렉토리 구조 예시)
+커스텀 노드 패키지 내의 권장 구조는 다음과 같습니다.
+```text
+my-custom-node/
+├── __init__.py
+├── web/ # WEB_DIRECTORY
+│   ├── js/
+│   │   └── my-node.js
+│   └── docs/
+│       ├── MyNode.md (기본 문서)
+│   └── MyNode/
+│       ├── en.md (영어 버전)
+│       └── zh.md (중국어 버전)
+```
+
+## ⚖️ 모다 및 업데이트 (Contradictions & updates)
+- 본문 내 정보 간의 상충되는 내용은 발견되지 않았습니다.
+- `ContextWindowsManualNode`와 관련하여, 이미 파라미터에 툴팁을 추가했다면 추가적인 노드 문서 없이도 정보를 참조할 수 있다는 구현 관련 언급이 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Example Markdown File**: 실제 작성 가능한 마크다운 파일의 예시로, 파라미터(`image`, `strength`), 사용법 설명, 이미지 및 비디오 태그가 포함된 구조를 제시하고 있습니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI]] : 문서를 적용할 대상인 커스텀 노드 프레임워크입니다.
+- [[NODE_CLASS_MAPPINGS]] : 노드를 등록할 때 사용하는 딕셔너리로, 문서 파일명 결정의 기준이 됩니다.
+- [[WEB_DIRECTORY]] : 문서 파일이 위치해야 하는 웹 디렉토리 경로를 정의합니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/help_page 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Annotated Examples - ComfyUI 2026-05-20.md

@@ -0,0 +1,96 @@
+---
+id: annotated-examples---comfyui
+title: "Annotated Examples - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/snippets"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Annotated Examples - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]]의 기능 구현을 위한 이미지, 마스크, 노이즈 처리 관련 코드 예제 및 구현 방법론을 제공한다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Images and Masks**: [[Load an image]], [[Save an image batch]], [[Invert a mask]] 등 이미지와 마스크 데이터의 조작 기법.
+- **Mask Transformation**: 마스크를 특정 형태(`[B,H,W,C]`)로 변환하거나 투명도 레이어(Transparency Layers)로 활용하는 방법.
+나머지 개념은 코드 구현을 위한 구체적인 로직과 [[Noise]] 생성 전략을 포함함.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **데이터 정규화 및 변환**: 이미지를 처리할 때 `exif_transpose`를 적용하거나, 마스크의 범위를 `[0,1]`로 정규화하여 연산하는 패턴.
+- **차원 확장(Dimension Expansion)**: 마스크 데이터의 형태가 불일치할 경우 `None` 또는 `unsqueeze`를 사용하여 채널(`C`)이나 배치(`B`) 차원을 맞추는 구조적 접근.
+- **가중치 기반 혼합**: 두 개의 노이즈 소스를 `weight2` 값을 통해 선형 결합하여 변동성을 생성하는 방식.
+
+## 📖 세부 내용 (Details)
+
+### 🖼️ Images and Masks 구현 예제
+
+#### [[Load an image]]
+[[LoadImage]]의 소스 코드를 기반으로, 이미지를 배치 크기 1로 로드하는 과정입니다.
+- `Image.open`을 통해 경로에서 이미지를 불러온 후 `exif_transpose`를 적용합니다.
+- 모드가 `'I'`인 경우 값을 `1/255`로 스케일링합니다.
+- 최종적으로 `torch.from_numpy`를 사용하여 `float32` 타입의 텐서로 변환하며, 배치 차원을 추가합니다.
+
+#### [[Save an image batch]]
+[[SaveImage]] 소스 코드를 기반으로, 이미지 배치를 저장하는 과정입니다.
+- 각 이미지에 대해 `cpu().numpy()`를 통해 넘파이 배열로 변환합니다.
+- `np.clip`을 사용하여 값을 `[0, 255]` 범위로 제한하고 `uint8` 타입으로 변환합니다.
+- 지정된 경로(`filepath`)에 저장합니다.
+
+#### [[Invert a mask]]
+마스크를 반전시키는 단순 프로세스입니다. 마스크는 `[0,1]` 범위로 정규화되어 있으므로 다음과 같이 계산합니다.
+- `mask = 1.0 - mask`
+
+#### [[Convert a mask to Image shape]]
+마스크의 형태를 `[B, H, W, C]` 구조(C=1)로 맞추기 위한 조건부 차원 확장 로직입니다.
+- `len(mask.shape)==2` (H,W): `[None, :, :, None]` 적용.
+- `len(mask.shape)==3` 및 `C=1` (H,W,C): `[None, :, :, :]` 적용.
+- `len(mask.shape)==3` (B,H,W): `[:, :, :, None]` 적용.
+
+#### [[Using Masks as Transparency Layers]]
+마스크를 인페인팅이나 세그멘테이션의 투명 레이어로 활용하는 방법입니다.
+- 마스크 값을 반전시켜 원래의 투명도 레이어로 복구하거나, 채널(`C`) 차원을 `unsqueeze(-1)`로 확장합니다.
+- `torch.cat`을 사용하여 RGB 이미지와 마스크를 채널 축(`dim=-1`)을 따라 결합하여 RGBA 이미지를 생성할 수 있습니다.
+
+### 🔊 Noise Generation
+#### [[Creating noise variations]]
+두 가지 노이즈 소스를 혼합하여 새로운 노이즈 객체를 생성하는 예제입니다.
+- `Noise_MixedNoise` 클래스는 `noise1`, `noise2`, 그리고 가중치 `weight2`를 속성으로 가집니다.
+- `generate_noise` 메서드는 `noise1 * (1.0 - self.weight2) + noise2 * self.weight2` 공식을 통해 혼합된 노이즈를 생성합니다.
+
+## ⚖️ 모의 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **이미지 처리 파이프라인**: `torch.Tensor` 기반의 이미지 로드, 변환, 저장 로직 구현 시 활용 가능.
+- **마스크 조작**: 인페인팅(Inpainting)을 위한 마스크 투명도 레이어 생성 및 차원 재구성 작업.
+- **노이즈 제어**: 가중치 조절을 통한 노이즈 변동성(Noise variations) 생성 실험.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI]] : 이 문서의 기반이 되는 소프트웨어 프레임워크입니다.
+- [[LoadImage]] : 이미지 로드 로직의 핵심 노드 구현체입니다.
+- [[SaveImage]] : 이미지 저장 로직의 핵심 노드 구현체입니다.
+- [[torch.Tensor]] : 데이터 처리에 사용되는 주요 텐서 구조입니다.
+- [[Inpainting]] : 마스크를 활용하는 구체적인 작업 사례입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/snippets 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 ComfyUI MCP Server - ComfyUI 2026-05-20.md

@@ -0,0 +1,110 @@
+---
+id: comfyui-mcp-server---comfyui
+title: "ComfyUI MCP Server - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/development/cloud/mcp-server"]
+applied_in: []
+github_commit: ""
+---
+
+# [[ComfyUI MCP Server - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[Model Context Protocol]] (MCP)를 통해 AI 에이전트([[Claude]], [[Cursor]] 등)를 [[Comfy Cloud]]와 연결하여 로컬 GPU 없이 클라우드에서 워크플로우를 실행하고 이미지를 생성하는 서버 서비스입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **[[Model Context Protocol]] (MCP) 연동**: AI 어시스턴트가 [[Comfy Cloud]]의 기능을 사용할 수 있도록 도구(Tools)와 리소스를 연결합니다.
+*   **클라우드 기반 실행**: 로컬 GPU 설치 없이 클라우드 GPU를 활용하여 워크로드를 처리하며, API 키를 통해 인증합니다.
+*   **자동화된 워크플로우 생성**: AI 에이전트가 자연어 명령을 바탕으로 [[ComfyUI]] API 형식의 JSON 워크플로우를 구성하고 실행합니다.
+*   **Discovery & Execution**: 템플릿, 모델, 노드를 검색하는 기능과 작업 제출, 파일 업로드, 상태 확인 등의 실행 도구를 제공합니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **Client-Server 구조**: MCP 클라이언트(Claude Desktop, Cursor 등)가 지정된 URL(`https://cloud.comfy.org/mcp`)로 접속하여 기능을 호출하는 방식입니다.
+*   **도구 중심의 기능 분할**: 
+    *   `Discovery`: 검색 및 탐색 도구
+    *   `Execution`: 워크플로우 실행 및 관리 도구
+    *   `Saved Workflows`: 저장된 워크플로우 관리 도구
+*   **단계별 설정 프로세스**: API 키 발급 $\rightarrow$ 클라이언트 연결 설정 $\rightarrow$ 서버 URL 및 헤더(X-API-Key) 구성 순으로 진행됩니다.
+
+## 📖 세부 내용 (Details)
+
+### 🛠️ Available Tools (사용 가능한 도구)
+
+#### 1. Discovery (탐색)
+| Tool | Description |
+| :--- | :--- |
+| `search_templates` | 텍text, 태그, 미디어 유형 또는 모델을 통해 미리 구축된 워크플Longrightarrow 템플릿 검색 |
+| `search_models` | 텍스트, 타입, 베이스 모델 또는 소스를 통해 모델 카탈로그 검색 |
+| `search_nodes` | 텍스트, 카테고리 또는 입/출력 유형을 통해 사용 가능한 노드 검색 |
+
+#### 2. Execution (실행)
+| Tool | Description |
+| :--- | :--- |
+| `submit_workflow` | Comfy Cloud에서 실행할 ComfyUI API 형식의 워크플로우 제출 |
+| `upload_file` | 워크플로우(예: LoadImage)에서 사용할 입력 이미지 또는 파일 업로드 |
+| `get_job_status` | 제출된 워크플로우의 실행 상태 폴링(Polling) |
+| `get_output` | 완료된 워크플로우로부터 출력 이미지, 비디오 또는 오디오를 가져옴 |
+| `use_previous_output` | 하나의 출력을 다른 것의 입력으로 재사용하여 워크플로우 체인 형성 |
+| `cancel_job` | 대기 중이거나 실행 중인 작업 취소 |
+| `get_queue` | 실행 중이거나 대기 중인 작업 수 확인 |
+
+#### 3. Saved Workflows (저장된 워크플로우)
+| Tool | Description |
+| :--- | :--- |
+| `list_saved_workflows` | Comfy Cloud에서 저장된 워크플로우 목록 탐색 |
+| `get_saved_workflow` | 저장된 워크플릿의 노드, 입력 및 구성을 검사 |
+
+### 🚀 Quick Start (빠른 시작)
+1.  **API Key 발급**: [platform.comfy.org](https://platform.comfy.org/login) 접속 $\rightarrow$ 로그인 $\rightarrow$ `+ New` 클릭 $\rightarrow$ 이름 입력 $\rightarrow$ 생성 및 즉시 저장(재확인 불가).
+2.  **클라이언트 연결**: 
+    *   서버 URL: `https://cloud.comfy.org/mcp`
+    *   설정 예시 (Claude Code):
+        ```bash
+        claude mcp add comfyui-cloud \
+        --transport http \
+        https://cloud.comfy.org/mcp \
+        -H "X-API-Key: your-api-key-here"
+        ```
+
+### ⚠️ Known Limitations (알려진 제한 사항)
+*   **워크플로우 실행**: 저장된 워크플로우 ID로 직접 실행 불가(브라우징만 가능). 에이전트가 처음부터 재구성해야 함.
+*   **메타데이터 부재**: 생성된 자산에 워크플로우 JSON 메타데이터가 포함되지 않음.
+*   **정확도 의존성**: 복잡한 노드 구성은 AI의 자연어 처리 능력에 따라 반복 작업이 필요할 수 있음.
+*   **인증**: API Key 방식만 지원하며, OAuth는 아직 미지원.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **연구 프리뷰(Research Preview)**: 현재 이 프로젝트는 제한된 초기 액세스(Limited Early Access) 상태이며, 기능과 동작이 변경될 수 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **Example Prompts**:
+    *   "우주를 떠다니는 우주비행사 고양이 이미지 생성 (카툰 스타일)"
+    *   "텍스트-비디오 생성을 위한 워크플로우 템플릿 찾기"
+    *   "SDXL 체크포인트 모델 검색 및 가용성 확인"
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[Comfy Cloud]] - MCP 서버가 연결되는 대상 클라우드 인프라입니다.
+*   [[Model Context Protocol]] - AI 에이전트와 서버를 연결하는 표준 프로토콜입니다.
+*   [[Claude Desktop]] - MCP 서버를 사용할 수 있는 주요 클라이언트 중 하나입니다.
+*   [[Cursor]] - MCP 서버를 통해 워크플로우 실행이 가능한 AI 코드 에디터입니다.
+*   [[ComfyUI API Format]] - 에이전트가 생성해야 하는 워크플로우의 데이터 규격입니다.
+
+## 📝 변경 이履歴 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/development/cloud/mcp-server 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Data lists - ComfyUI 2026-05-20.md

@@ -0,0 +1,81 @@
+---
+id: data-lists---comfyui
+title: "Data lists - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/lists"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Data lists - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 서버는 데이터 흐름을 Python 리스트로 관리하며, `INPUT_IS_LIST`와 `OUTPUT_IS_LIST` 속성을 통해 노드 간 데이터의 순차적 처리 및 일괄 처리를 제어한다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Length one processing**: ComfyUI 서버가 데이터를 전달할 때 기본적으로 각 요소를 길이가 1인 리스트로 래핑하여 관리하는 방식.
+- **List processing**: 여러 데이터 인스턴스를 하나의 워크플로우에서 순차적 또는 일괄적으로 처리하는 메커니즘.
+- **INPUT_IS_LIST**: 노드가 단일 호출로 전체 리스트를 수신하도록 입력 동작을 재정의하는 클래스 속성.
+- **OUTPUT_IS_LIST**: 커스텀 노드의 출력 튜플 중 특정 항목이 래핑되지 않고 순차적 처리를 위한 데이터 시리즈로 취급되도록 지정하는 속성.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **데이터 래핑 구조**: 노드가 출력을 반환할 때 각 요소는 별도의 길이 1인 리스트로 래핑되며, 다음 노드 호출 시 다시 언래핑(unwrapped)되어 전달됨.
+- **순차 처리 로직**: 입력 리스트의 길이가 다를 경우, 짧은 쪽은 마지막 값을 반복하여 패딩(padding)하며, `main` 메서드는 각 값에 대해 한 번씩 호출됨.
+- **출력 길이 일관성**: 출력 리스트는 항상 가장 긴 입력 리스트와 동일한 길이를 유지함.
+
+## 📖 세부 내용 (Details)
+
+### 1. 데이터 처리 메커니즘
+- **기본 동작**: Comfy 서버는 데이터를 Python 리스트 형태로 표현하며, 일반적으로 길이가 1인 상태로 흐름을 유지함. 이는 배치(batch)와는 다른 개념임.
+- **패딩 및 반복**: 입력 리스트의 길이가 불일치할 경우, 마지막 값을 반복하여 길이를 맞춤.
+
+### 2. 노드 속성 제어 (Node Attributes)
+| 속성 | 타입 | 설명 |
+| :--- | :--- | :--- |
+| `INPUT_IS_LIST` | `bool` (Class Attribute) | 설정 시(`True`), 노드가 단일 호출로 전체 리스트를 수신하도록 입력 동작을 변경함. |
+| `OUTPUT_IS_LIST` | `tuple[bool]` (Class Attribute) | `RETURN_TYPES`와 동일한 길이의 튜플로, 어떤 출력이 순차적 처리를 위한 데이터 시리즈로 취급될지 지정함. |
+
+### 3. ImageRebatch 노드 기술 스펙
+커스텀 노드 예시인 `ImageRebatch`의 구성 요소는 다음과 같습니다.
+
+| 필드 | 타입 | 필수/선택 | 제약·설명 |
+| :--- | :--- | :--- | :--- |
+| `images` | `IMAGE` | 필수 | 입력 이미지 데이터 |
+| `batch_size` | `INT` | 필수 | 기본값 1, 범위 1 ~ 4096 |
+| `INPUT_IS_LIST` | `bool` | 필수 (Class Attr) | `True`로 설정 시 리스트 형태로 수신 |
+| `OUTPUT_IS_LIST` | `tuple[bool]` | 필수 (Class Attr) | `(True, )`로 설정하여 출력 처리 지정 |
+| `FUNCTION` | `string` | 필수 (Class Attr) | 실행할 메서드 명 (`rebatch`) |
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **배치와 리스트의 차이**: 본문은 배치가 단일 엔트리(예: latents, images의 한 요소)임을 명시하며, 리스트 처리 방식과 혼동하지 않도록 주의를 요구함.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **ImageRebatch 노드**: `INPUT_IS_LIST = True` 설정을 통해 여러 이미지 배치를 리스트로 수신하고, 이를 사용자가 요청한 `batch_size` 크기의 새로운 배치들로 재구성(rebatch)하는 데 사용됨.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI Server]]: 데이터 흐름과 서버 운영의 기초가 되는 시스템.
+- [[List processing]]: 노드 간 데이터를 순차적으로 처리하는 핵심 로직.
+- [[INPUT_IS_LIST]]: 입력 데이터의 형태를 결정하는 노드 속성.
+- [[OUTPUT_IS_LIST]]: 출력 데이터의 래핑 여부를 결정하는 노드 속성.
+- [[ImageRebatch]]: 리스트 처리가 적용된 구체적인 구현 예시.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/lists 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Datatypes - ComfyUI 2026-05-20.md

@@ -0,0 +1,103 @@
+---
+id: datatypes---comfyui
+title: "Datatypes - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/datatypes"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Datatypes - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 데이터 타입은 클라이언트 측에서 워크플로의 데이터 형식을 제어하고 잘못된 데이터 연결을 방지하는 강력한 타입 시스템(Strong Typing) 역할을 수행한다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **클라이언트 측 타입 검증**: JavaScript 클라이언트 코드는 기본적으로 서로 다른 데이터 타입 간의 노드 출력을 입력에 연결하는 것을 허용하지 않는다.
+- **Python 기반 데이터 타입**: [[INT]], [[FLOAT]], [[STRING]], [[BOOLEAN]] 등 Python의 기본 자료형을 활용하여 노드의 입력을 정의한다.
+와 [[COMBO]]와 같이 리스트 형태의 옵션을 제공하는 특수 타입이 존재한다.
+- **텐서 및 멀티미디어 데이터 구조**: [[IMAGE]], [[LATENT]], [[AUDIO]], [[MASK]] 등 텐서(torch.Tensor) 기반의 복잡한 데이터 구조를 지원한다.
+- **커스텀 샘플링 구성 요소**: [[Noise]], [[Sampler]], [[Sigmas]], [[Guider]]와 같이 샘플링 프로세스를 제통어하는 특수 데이터 타입을 포함한다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Strong Typing 패턴**: 노드 간의 연결 시 데이터 타입 불일치를 방지하기 위해 클라이언트 측에서 엄격한 타입 체크를 수행함.
+- **계층적 구조화**: 단순 스칼라 값(Python datatypes)부터 복잡한 텐서 구조([[Tensor datatypes]]), 그리고 샘플링 로직을 위한 특수 객체([[Custom Sampling datatypes]])까지 단계별로 데이터 형식을 정의함.
+- **확장 가능한 파라미터**: `extra options`를 통해 위젯의 동작(기본값, 최소/최대값, 레이블 등)을 제어하는 추가 키 값을 제공함.
+
+## 📖 세부 내용 (Details
+
+### 1. Comfy Datatypes
+- **[[COMBO]]**: 드롭다운 메뉴 위젯을 나타내며, `list[str]`로 정의된다. 첫 번째 옵션이 기본값으로 선택된다.
+- **[[Primitive and reroute]]**: 클라이언트 측에만 존재하는 노드로, 고유한 데이터 타입을 가지지 않으나 연결된 노드의 데이터 타입을 그대로 따른다.
+
+### 2. Python Datatypes (INPUT_TYPES 명세)
+| 필드 | 타입 | 필수/선택 | 제약·설명 |
+| :--- | :--- | :--- | :--- |
+| [[INT]] | int | 필수(default) | min, max는 선택 사항임 |
+| [[FLOAT]] | float | 필수(default) | min, max, step은 선택 사항임 |
+| [[STRING]] | str | 필수(default) | - |
+| [[BOOLEAN]] | bool | 필수(default) | - |
+
+### 3. Tensor Datatypes
+- **[[IMAGE]]**: `torch.Tensor` 형태이며, shape은 `[B, H, W, C]`이다. (B: 배치, H: 높이, W: 너비, C: 채점/채널)
+- **[[LATENT]]**: `dict` 형태이며, `samples` 키에 `torch.Tensor` (`[B, C, H, W]`)를 포함한다. 크기는 이미지의 1/8이다.
+- **[[MASK]]**: `torch.Tensor` 형태로, shape은 `[H, W]` 또는 `[B, C, H, W]`이다.
+- **[[AUDIO]]**: `dict` 형태이며, `waveform` 키(`[B, C, T]`)와 `sample_rate` 키를 포함한다.
+
+### 4. Custom Sampling Datatypes
+- **[[Noise]]**: 노스 소스를 나타내며, `generate_noise` 메서드와 `seed` 속성을 가진 Python 객체로 표현된다.
+- **[[Sampler]]**: `sample` 메서드를 제공하는 Python 객체이다.
+- **[[Sigmas]]**: 스케줄러에 의해 생성된 샘플링 단계별 시그마 값으로, 1차원 텐서 형태이다.
+- **[[Guider]]**: 프롬프트 등에 의한 컨디셔닝을 담당하며, `__call__` 메서드를 통해 노이즈 예측값을 반환한다.
+
+### 5. Additional Parameters (Extra Options)
+| Key | Description |
+| :--- | :--- |
+| default | 위젯의 기본값 |
+| min | 숫자(FLOAT/INT)의 최소값 |
+| max | 숫자(FLOAT/INT)의 최대값 |
+| step | 위젯의 증감 수치 |
+| label_on | BOOL이 True일 때 UI에 표시될 레이블 (BOOL) |
+| label_off | BOOL이 False일 때 UI에 표시될 레이블 (BOOL) |
+| defaultInput | 지원되는 위젯 대신 입력 소켓으로 사용하도록 설정 |
+| forceInput | defaultInput을 적용하며, 위젯으로의 변환을 방지함 |
+| multiline | 멀티라인 텍ext 박스 사용 (STRING) |
+| placeholder | UI가 비어있을 때 표시될 자리표시자 텍text (STRING) |
+| dynamicPrompts | 프론트엔드에서 다이내믹 프롬프트를 평가하도록 유도 |
+| lazy | 해당 입력에 지연 평가(Lazy Evaluation)를 사용함을 선언 |
+| rawLink | 평가된 값 대신 노드 ID와 인덱스 링크(`["nodeId", index]`)를 수신 |
+
+## ⚖️ 모동 및 업데이트 (Contradictions & updates)
+- **업데이트**: `Model datatypes` 섹션에서 [[MODEL]], [[CLIP]], [[VAE]], [[CONDITIONING]]은 기술적인 내용이므로 현재 가이드의 범위 외에 있다고 명시함.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **위젯 커스터마이징**: `extra options` 키를 사용하여 사용자 정의 위젯을 생성하거나 기존 위젯(STRING, INT 등)의 동작(멀티라인, 레이블 지정 등)을 제어할 수 있음.
+- **데이터 흐름 제어**: `rawLink`를 통해 노드 확장 시 평가된 값이 아닌 직접적인 연결 링크를 전달받아 활용 가능함.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[INT]] - 정수형 데이터 타입 정의 및 제약 사항 설명.
+- [[LATENT]] - 잠재 공간(Latent Space) 데이터의 구조와 특징 설명.
+- [[IMAGE]] - 이미지 텐서의 차원과 채널 구성 정보 제공.
+- [[Custom Sampling datatypes]] - 샘플링 프로세스에 특화된 데이터 타입 그룹.
+- [[Additional Parameters]] - 위젯 및 입력 정의 시 사용되는 확장 파라미터 모음.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/datatypes 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Execution Model Inversion Guide - ComfyUI 2026-05-20.md

@@ -0,0 +1,79 @@
+---
+id: execution-model-inversion-guide---comfyui
+title: "Execution Model Inversion Guide - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/development/comfyui-server/execution_model_inversion_guide"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Execution Model Inversion Guide - Com뮬UI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+PR #2666을 통해 실행 모델이 기존의 역방향 재귀 모델에서 순방향 위상 정렬(front-to-back topological sort) 방식으로 변경됨에 따른 커스텀 노드 개발자용 가이드입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **실행 모델 전환**: [[PR #2666]]을 통해 실행 모델이 back-to-front recursive model에서 front-to-back topological sort로 반전되었습니다.
+*   **선택적 입력 검증 (Optional Input Validation)**: 기존에는 "required" 입력에 대해서만 검증이 이루어졌으나, 이제는 "optional" 입력을 사용하는 커스텀 노드에 대해 새로운 검증 규칙과 대응 방안이 적용됩니다.
+*   **실행 순서의 비결정성 (Execution Order)**: 실행 순서는 노드의 ID나 캐시된 값에 따라 달라질 수 있으며, 그래프 구조 외의 요소에 의존해서는 안 됩니다.
+*   **지연 평가 (Lazy Evaluation)**: 입력값이 필요한 시점까지 평가를 미루는 기능이 도입되었습니다.
+
+## 📌 추출된 패턴 (Extracted patterns)
+*   **Monkey Patching의 위험성**: 실행 모델을 [[Monkey Patching]]하는 코드는 새로운 모델에서 작동하지 않을 가능성이 높습니다.
+*   **검증 실패 대응 전략**: 커스텀 노드 작성 시 검증 오류를 피하기 위해 `VALIDATE_INPUTS` 함수를 정의하거나, 특정 데이터 구조(예: 리스트 대신 딕셔계 사용)를 사용하는 패턴이 권장됩니다.
+*   **확장성 (Node Expansion)**: 런타임에 노드가 서브그래프로 확장되어 루프 구현을 가능하게 하는 구조를 가집니다.
+
+## 📖 세부 내용 (Details)
+
+### 1. 입력 검증 오류 및 해결 방법 (Optional Input Validation)
+커스텀 노드 작성 시 발생할 수 있는 검증 실패 사례와 권장 솔루션입니다.
+
+| 발생 원인 | 상세 내용 | 권장 솔루션/대응 |
+| :--- | :--- | :--- |
+| **예약된 추가 파라미터 오용** | 비교 불가능한 타입(예: 딕셔너리)에 `min`, `max` 같은 예약어를 사용 | `uiMin`, `uiMax`와 같은 비예약 키로 변경하여 사용 |
+| **복합 타입 (Composite Types)** | `CUSTOM_A, CUSTOM_B`와 같은 형태의 출력/입력 사용 시 검증 문제 발생 | 출력 시에는 `MakeSmartType`과 같은 래퍼(Wrapper)를 정의하여 사용하거나, 입력 시에는 `VALIDATE_INPUTS`를 통해 검기 스킵 |
+| **상수 리스트 사용** | 그래프 정의 내에서 `[1, 2, 3]`과 같은 리스트를 상수로 사용 (이전에는 프론트엔드 확장이 필요했음) | 리스트를 `{ "value": [1, 2, 3] }`와 같이 딕셔너리 형태로 감싸서 사용 |
+
+### 2. VALIDATE_INPUTS 함수의 새로운 기능
+검증 오류 영향을 줄이기 위해 추가된 기능들입니다.
+*   **기본 검증 스킵**: `VALIDATE_INPUTS` 함수에 의해 수신된 입력은 기본 검증이 생략됩니다.
+*   **kwargs 지원**: `**kwargs`를 처리할 수 있어, 노드 작성자가 모든 입력을 검증된 것으로 간주하게 할 수 있습니다.
+*   **input_types 인자**: 이 인자가 존재하면 연결된 출력 타입과 입력 타입을 매핑하는 딕셔너리를 제공하며, 이때 타입 검증이 생략됩니다.
+
+### 3. 기타 기능적 변화
+*   **Lazy Evaluation**: 노드와 그 조상(ancestors) 노드를 평가하기 전에 필요 여부를 먼저 확인하여 효율성을 높입니다.
+*   **Node Expansion**: 런타임 시 노드가 서브그래프로 확장되어 [[tail-recursion]]을 통한 루프 구현을 지원합니다.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **업데이트**: 실행 모델이 기존의 back-to-front 재귀 방식에서 front-to-back 위상 정렬 방식으로 완전히 뒤집혔습니다(Inverted)는 점이 가장 중요한 기술적 변화입니다.
+*   **주의사항**: 실행 순서가 캐시 값에 따라 변할 수 있으므로, 그래프 구조 이외의 요소에 의존하는 것은 위험하다는 경고가 포함되어 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **커스텀 노드 개발자**: 새로운 실행 모델 하에서 기존 커스텀 노드가 깨지는 것을 방지하기 위해 `uiMin/uiMax` 사용, `VALIDATE_INPUTS` 정의, 리스트의 딕셔너리화 등의 대응책을 적용해야 합니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[PR #2666]] : 실행 모델의 구조적 변화를 일으킨 핵심 변경 사항입니다.
+*   [[Monkey Patching]] : 실행 모델을 수정하려는 시도가 새로운 모델에서 작동하지 않을 수 있음을 나타냅니다.
+*   [[Lazy Evaluation]] : 입력값 평가 시점을 조절하여 성능을 최적화하는 기술입니다.
+*   [[Node Expansion]] : 노드가 서브그래프로 확장되어 복잡한 로직(루프 등)을 수행하게 하는 기능입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/development/comfyui-server/execution_model_inversion_guide 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Getting Started - ComfyUI 2026-05-20.md

@@ -0,0 +1,83 @@
+---
+id: getting-started---comfyui
+title: "Getting Started - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/walkthrough"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Getting Started - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]]의 커스텀 노드를 개발하기 위해 Python 백엔드 코드 작성부터 JavaScript 클라이언트 확장까지의 전 과정을 단계별로 안내하는 가이드입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **Custom Node Development**: [[Python]] 클래스를 사용하여 [[ComfyUI]]에 새로운 기능을 추가하는 과정입니다.
+*   **Node Structure**: 커스텀 노드는 `CATEGORY`, `INPUT_TYPES`, `RETURN_TSYPES`, `FUNCTION`이라는 네 가지 필수 요소를 포함해야 합니다.
+*   **Backend-to-Frontend Communication**: `PromptServer`를 통해 서버에서 클라이언트로 메시지를 전송하여 UI에 피드백을 줄 수 있습니다.
+*   **Client Extension**: [[JavaScript]]를 사용하여 클라이언트 측의 동작을 확장하고 인터페이스를 조정할 수 있습니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **Scaffolding Pattern**: `comfy-cli`를 사용하여 프로젝트 디렉토리 구조와 기본 설정을 자동 생성하는 방식입니다.
+*   **Data Processing Pattern**: [[torch.Tensor]] 형태의 이미지 데이터를 입력받아 특정 연산(평균, 채널별 계산 등)을 통해 결과값을 도출하는 로ct 패턴이 반복됩니다.
+*   **Registration Pattern**: `NODE_CLASS_MAPPINGS`와 `NODE_DISPLAY_NAME_MAPPINGS`를 통해 작성된 노드를 [[ComfyUI]] 시스템에 등록하는 구조입니다.
+
+## 📖 세부 내용 (Details)
+
+### 1. 커스텀 노드 개발 준비
+*   **전제 조건**: 작동 가능한 [[ComfyUI]] 설치 및 `comfy-cli` 설치가 필요합니다.
+*   **프로젝트 설정**: `cd ComfyUI/custom_nodes` 경로에서 `comform node scaffold` 명령어를 사용하여 프로젝트를 생성할 수 있습니다.
+
+### 2. 노드 정의 (Defining the Node)
+커스텀 노드는 Python 클래스로 정의되며 다음의 네 가지 핵심 요소를 포함해야 합니다:
+*   **CATEGORY**: 노드가 메뉴의 어느 위치에 표시될지 지정합니다.
+*   **INPUT_TYPES**: 노드가 받을 입력값(Dictionary 형태)을 정의하는 클래 메서드입니다.
+*   **RETURN_TYPES**: 노드가 출력할 데이터 타입의 튜플입니다.
+*   **FUNCTION**: 노드 실행 시 호출될 메서드의 이름입니다.
+
+### 3. 주요 기능 구현 (The main function)
+*   이미지 처리를 위해 `torch` 라이러리를 사용하며, 입력된 이미지는 `[B, H, W, C]` 형태의 `torch.Tensor`로 처리됩니다.
+*   `.flatten()`, `torch.mean()`, `.item()` 등의 메서드를 사용하여 텐서 데이터를 Python float 값으로 변로 변환하여 연산할 수 있습니다.
+
+### 4. 노드 등록 및 확장 (Register & Add Options)
+*   **등록**: `src/nodes.py` 파일의 끝에 `NODE_CLASS_MAPPINGS`를 수정하여 노드를 등록해야 하며, 수정 후에는 [[ComfyUI]] 재시작이 필수적입니다.
+*   **옵션 추가**: `INPUT_TYPES` 내에 새로운 위젯(예: mode 선택)을 추가하여 기능의 범위를 확장할 수 있습니다.
+
+### 5. 클라이언트 확장 (Client Extension)
+*   `web/js` 디렉토리를 생성하고 `__init__.py`에서 `WEB_DIRECTORY`를 내보내도록 설정합니다.
+*   `app.registerExtension`을 통해 서버로부터 받은 메시지를 수신하는 리스너를 구축할 수 있습니다.
+
+## ⚖️ 모동 및 업데이트 (Contradictions & updates)
+본문 내용 중 상충되는 정보는 없으며, 최신 개발 가이드를 따르고 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **예제 시나나리오**: 여러 이미지 배치 중 가장 밝은 이미지를 선택하는 노드에서 시작하여, 색상 기준(reddest, greenest 등)을 추가하고 최종적으로 클라이언트 메시지 알림까지 구현하는 전체 워크플로우를 보여줍니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[ComfyUI]] - 커스텀 노드 개발의 대상이 되는 메인 프레임워크입니다.
+*   [[Python]] - 백엔드 로직 작성을 위한 핵심 언어입니다.
+*   [[JavaScript]] - 클라이언트 측 확장을 위해 사용되는 언어입니다.
+*   [[torch.Tensor]] - 이미지 데이터 처리를 위한 기본 데이터 구조입니다.
+*   [[Comfy CLI]] - 노드 스캐폴딩 및 관리를 위한 도구입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/walkthrough 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Hidden and Flexible inputs - ComfyUI 2026-05-20.md

@@ -0,0 +1,83 @@
+---
+id: hidden-and-flexible-inputs---comfyui
+title: "Hidden and Flexible inputs - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_리스트: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/more_on_inputs"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Hidden and Flexible inputs - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 커스텀 노드 개발 시 서버로부터 특정 정보를 요청하기 위한 숨겨진 입력(Hidden inputs)과 데이터 타입을 유연하게 정의하는 방법론에 대한 가이드입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **[[Hidden inputs]]**: 클라이언트 측에는 나타나지 않지만, 서버로부터 [[UNIQUE_ID]], [[PROMPT]], [[EXTRA_PNGINFO]], [[DYNPROMT]]와 같은 특정 정보를 요청할 수 있는 입력 옵션입니다.
+*   **[[Custom datatypes]]**: 노드 간 데이터 전달을 위해 고유한 이름을 가진 사용자 정의 타입을 생성하고, `forceInput` 옵션을 통해 위젯이 아닌 입력으로 강제하는 기능입니다.
+*   **[[Wildcard inputs]]**: `*` 기호를 사용하여 모든 소스에 연결 가능한 입력을 정의하며, 백엔드 검증을 건너뛰기 위해 `[[VALIDATE_INPUTS]]`를 활용할 수 있습니다.
+*   **[[Dynamically created inputs]]**: 클라이언트 측에서 동적으로 생성된 데이터를 처리하기 위해 `ContainsAnyDict`와 같은 구조를 사용하여 임의의 이름으로 전달되는 데이터를 수용합니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **서버 요청 패턴**: `INPUT_TYPES` 내 `hidden` 키를 사용하여 서버의 특정 데이터에 접근하는 구조화된 방식.
+*   **타입 안전성 패턴**: 커스텀 타입을 정의하고, 출력과 입력의 타입을 일치시켜 데이터 흐름을 제어하는 방식.
+*   **유연한 검증 패턴**: 백엔드에서 지원하지 않는 와일드카드(`*`) 기능을 사용하기 위해 `VALIDATE_INPUTS` 함수를 통해 검증 로직을 재정의하는 접근법.
+
+## 📖 세부 내용 (Details)
+
+### 1. Hidden Inputs (숨겨진 입력)
+커스텀 노드는 `INPUT_TYPES`의 `hidden` 딕셔너리를 통해 서버로부터 다음 정보를 요청할 수 있습니다:
+
+| 필드 | 타입 | 설명 |
+| :--- | :--- | :--- |
+| `unique_id` | `dict[str, str]` | [[UNIQUE_ID]]: 노드의 유일 식별자. 클라이언트 측의 `id` 속성과 일치하며 클라이언트-서버 통커뮤니케이션에 사용됨. |
+| `prompt` | `dict[str, str]` | [[PROMPT]]: 클라이언트가 서버로 보낸 전체 프롬프트 객체. |
+| `extra_pnginfo` | `dict[str, str]` | [[EXTRA_PNGINFO]]: 저장될 .png 파일의 메타데이터에 복사될 딕셔너리. 추가 정보 저장 및 노드 간 통신용으로 사용됨. |
+| `dynamic_prompt` | `dict[str, str]` | [[DYNPROMPT]]: `comfy_execution.graph.DynamicPrompt` 인스턴스. 실행 중 Node Expansion에 따라 변할 수 있음 (고급 루프 구현용). |
+
+### 2. Flexible Inputs (유연한 입력)
+
+#### Custom Datatypes (사용자 정의 데이터 타입)
+*   **정의**: 고유한 대문자 이름(예: `CHEESE`)을 가진 타입을 생성하여 노드 간 데이터를 전달합니다.
+*   **제약 사항**: 클라이언트가 해당 타입을 인지하지 못하므로, 위젯이 아닌 입력으로 작동하도록 `forceInput: True` 설정을 권장합니다.
+
+#### Wildcard Inputs (와일드카드 입력)
+*   `*`를 사용하여 모든 소스에 연결 가능한 입력을 정의할 수 있습니다.
+*   백엔드 검증을 건너뛰기 위해 `VALIDATE_INPUTS` 함수에서 `input_types` 파라미터를 활용합니다.
+
+#### Dynamically Created Inputs (동적 생성 입력)
+*   클라이언트에서 동적으로 생성된 데이터에 접근하기 위해 `ContainsAnyDict(dict)` 클래스를 사용하여 임의의 키를 가진 데이터를 수용할 수 있습니다.
+
+## ⚖️ 모돌 및 업데이트 (Contradictions & updates)
+*   **메타데이터 관련 주의사항**: `disable_metadata` 옵션으로 ComfyUI를 시작할 경우, `EXTRA_PNGINFO`에 저장된 데이터가 저장되지 않을 수 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **고급 노드 구현**: `DYNPROMPT`를 사용하여 커스텀 노드 내에서 루프(loops) 기능을 구현하는 사례.
+*   **데이터 전달 전략**: `CHEESE`와 같은 사용자 정의 타입을 생성하여 특정 타입의 출력만 특정 입력에 연결되도록 제한하는 설계.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검ass 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[INPUT_TYPES]] - 노드의 입력 및 위젯을 정의하는 핵심 메서드.
+*   [[VALIDATE_INPUTS]] - 백엔드에서의 타입 검증 로직을 제어하기 위한 함수.
+*   [[comfy_execution.graph.DynamicPrompt]] - 실행 중 동적으로 변할 수 있는 프롬프트 객체.
+*   [[forceInput]] - 커스텀 위젯을 입력 필드로 강제하는 설정 방법.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/more_on_inputs 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Images, Latents, and Masks - ComfyUI 2026-05-20.md

@@ -0,0 +1,91 @@
+---
+id: images-latents-and-masks---comfyui
+title: "Images, Latents, and Masks - ComtyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/images_and_masks"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Images, Latents, and Masks - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI 백엔드 개발을 위한 핵심 데이터 타입인 [[IMAGE]], [[MASK]], [[LATENT]]의 구조적 차이와 [[torch.Tensor]] 조작법에 대한 기술 명세.
+
+## 🧠 핵심 개념 (Core concepts)
+- **[[IMAGE]] 구조**: $[B, H, W, C]$ 형태를 가지며 $C=3$인 채널 마지막(channel last) 방식의 [[torch.Tensor]] 데이터 타입.
+- **[[MASK]] 구조**: $[B, H, W]$ 형태를 가지며, 0 또는 1의 값을 통해 특정 연산 범위를 지정하는 데이터 타입.
+- **[[LATENT]] 구조**: `samples` 키에 $[B, C, H, W]$ ($C=4$) 형태의 데이터를 담고 있는 [[dict]] 타입.
+- **데이터 변환**: [[PIL.Image]]와 [[torch.Tensor]] 간의 포맷 전환 및 채널 순서(channel first vs last) 관리의 중요성.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **차원 확장 전략**: [[MASK]] 사용 시 $[B, H, W, C]$ 형태를 맞추기 위해 `unsqueeze(-1)`(C 차원) 및 `unsqueeze(0)`(B 차원)을 사용하는 패턴.
+- **데이터 정규화**: [[LoadImage]] 노드에서 알파 채널을 활용하여 [[MASK]]를 생성할 때 $[0, 1]$ 범위로 정규화하고 반전시키는 프로세스.
+- **채널 우선순위의 상이성**: [[LATENT]]는 channel first($[B, C, H, W]$) 형식을 따르지만, [[IMAGE]]는 channel last($[B, H, W, C]$) 형식을 따름.
+
+## 📖 세부 내용 (Details)
+
+### 🖼️ Images
+- **데이터 구조**: `torch.Tensor` 형태이며, shape은 $[B, H, W, C]$ ($C=3$)입니다.
+- **주의 사항**: 연산 효율을 위해 일부 PyTorch 연산은 $[B, C, H, W]$ (channel first) 형식을 기대할 수 있으므로 주의가 필요합니다.
+- **포맷 변환**: 이미지를 저장하거나 불러올 때 [[PIL.Image]] 포맷으로의 변환이 필요합니다.
+
+### 🖼️ Working with PIL.Image
+- 이미지 로드 및 저장을 위해 `from PIL import Image, ImageOps`를 사용합니다.
+
+### 🎭 Masks
+- **데이터 구조**: `torch.Tensor` 형태이며, shape은 $[B, H, W]$입니다.
+- **값의 의미**: 
+    - 이진 값(0 또는 1): 특정 픽셀이 연산 대상인지 지정.
+    - 0과 1 사이의 값: 투명도 조절, 필터 조정, 레이어 합성 등을 위한 마스킹 범위(extent)를 나타냄.
+
+#### [[Masks from the Load Image Node]]
+- **생성 원리**: `LoadImage` 노드는 이미지의 알파 채널(RGBA의 'A')을 사용하여 [[MASK]]를 생성합니다.
+- **정규화 과정**: 알파 채널 값을 $[0, 1]$ 범위(`torch.float32`)로 정규화한 후 반전시킵니다.
+- **예외 케이스**: JPEG와 같이 알파 채널이 없는 경우, `LoadImage`는 $[1, 64, 64]$ 크기의 기본 마스크를 생성합니다.
+
+#### [[Understanding Mask Shapes]]
+- **차원 특성**: [[numpy]]나 [[PIL]]과 달리, 마스크는 채널 차원이 생략된 2D 배열($[H, W]$)로 표현되는 경우가 많습니다. 따라서 배치 단위의 마스크는 $[B, H, W]$의 3차원을 가집니다.
+- **Shape 매칭 기법**:
+    - $C$ 차원 확장: `unsqueeze(-1)`를 사용하여 $[B, H, W, 1]$ 생성.
+    - $B$ 차원 확장: `unsqueeze(0)`를 사용하여 배치 차원 추가.
+- **권장 사항**: 노드가 마스크를 입력받을 때 `len(mask.shape)`를 확인하는 것이 좋습니다.
+
+### 🧬 Latents
+- **데이터 구조**: `dict` 형태이며, `samples` 키에 데이터가 저장됩니다.
+- **형태**: $[B, C, H, W]$ (여기서 $C=4$)의 shape을 가집니다.
+- **특징**: [[LATENT]]는 channel first 형식을 따릅니다.
+
+## ⚖️ 모동 및 업데이트 (Contradictions & updates)
+- **상충 정보**: [[IMAGE]]는 channel last($[B, H, W, C]$)이고, [[LATENT]]는 channel first($[B, C, H, W]$)임이 명시되어 있어 두 타입 간의 구조적 차이를 주의해야 합니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **노드 출력 구현**: 노드의 출력이 단일 텐서인 경우, 반드시 `(image,)` 형태로 반환해야 함을 명시함.
+- **데이터 처리**: [[LoadImage]] 노드를 통한 알파 채널 기반 마스크 생성 및 정규화 프로세스.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[torch.Tensor]] : 모든 데이터 타입의 기초가 되는 클래스.
+- [[PIL.Image]] : 이미지 로드 및 저장에 사용되는 라이mer리.
+- [[LoadImage]] : 알파 채널을 통해 마스크를 생성하는 소스 노드.
+- [[RGBA]] : 마스크 생성의 근거가 되는 알파 채널 포함 색상 모델.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/images_and_masks 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Lazy Evaluation - ComfyUI 2026-05-20.md

@@ -0,0 +1,82 @@
+---
+id: lazy-evaluation---comfyui
+title: "Lazy Evaluation - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/lazy_evaluation"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Lazy Evaluation - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+불필요한 연산을 방지하기 위해 필요한 시점에만 입력을 평가하여 그래프 실행 효율성을 최적화하는 기술적 전략.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Lazy Evaluation (지연 평가)**: 모든 입력을 미리 계산하지 않고, 실제 사용 여부가 결정될 때까지 평가를 미루어 불필요한 프로세싱을 방지함.
+- **Lazy Input Marking**: `INPUT_TYPES` 내의 옵션 딕셔너리에 `{"lazy": True}`를 추가하여 특정 입력을 지연 평가 대상으로 지정함.
+- **check_lazy_status**: 지연된 입력이 필요한지 확인하기 위해 실행 전 호출되는 메서드로, 필요한 입력의 이름을 리스트로 반환함.
+- **Execution Blocking**: [[ExecutionBlocker]] 객체를 사용하여 특정 노드의 실행을 중단하거나 에러 메시지를 표시하며 흐름을 제어함.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **조건부 평가 전략**: 입력값의 비율(ratio)이 0.0 또는 1.0인 경우, 혹은 마스크가 전체 0.0 또는 1.0인 경우와 같이 특정 조건에서 로딩이나 계산을 생략하는 패턴.
+- **2단계 구현 구조**: 입력을 지연 대상으로 표시(`lazy: True`)하고, 상태를 확인하는 메서드(`check_lazy_satus`)를 정의하는 일관된 구현 방식.
+- **계층적 제어**: 직접적인 노드 개발 시에는 Lazy Evaluation을 권장하며, 외부 노드 제어가 불가능할 때는 `ExecutionBlocker`를 사용하는 우회 전략.
+
+## 📖 세부 내용 (Details)
+
+### 1. 지연 평가의 이점 및 사례
+기본적으로 모든 입력은 실행 전 평가되지만, 다음과 같은 경우 지연 평가가 유용함:
+- **ModelMergeSimple 노드**: 비율(ratio)이 0.0이면 첫 번째 모델을 로드할 필요가 없고, 1.0이면 두 번째 모델을 로드할 필요가 없음.
+- **이미지 보간(Interpolation)**: 마스크나 비율이 완전히 0.0 또는 1.0인 경우 불필요한 이미지 평가를 생금함.
+- **Switch 노드**: 특정 입력에 의해 다른 입력의 통과 여부가 결정되는 경우.
+
+### 2. 지연 입력 구현 방법 (Creating Lazy Inputs)
+지연 입력을 만드는 과정은 두 단계로 나뉨:
+1. **INPUT_TYPES 정의**: 입력 옵션 딕셔너리에 `lazy: True` 키-값 쌍을 추가함.
+   - 예시: `"image1": ("IMAGE", {"lazy": True})`
+2. **check_lazy_status 메서드 정의**:
+   - 역할: 지연된 입력 중 추가 평가가 필요한 입력을 찾아 이름 리스트를 반환함.
+   - 특징: 인자로 실제 입력값들을 받으며, 사용 불가능한(None) 지연 입력은 `None`으로 처리됨. 클래스 메서드가 아닌 일반 메서드로 작성되어야 함.
+
+### 3. 실행 차단 (Execution Blocking)
+노드의 실행을 제어하는 두 가지 방법:
+- **직접 구현**: 출력 노드 개발 시 `enabled` 입력을 추가하고 다른 입력을 모두 지연 입력으로 설정하여 조건부로 평가함.
+- **ExecutionBlocker 활용**: 
+  - `None` 전달: 실행을 조용히 차단(silent block)하며, 출력을 비활성화할 때 유용함.
+  - `String` 메시지 전달: 차단 시 사용자에게 보여줄 에러 메시지를 표시함 (예: VAE가 없는 체크포인트 로드 시).
+
+## ⚖️ 모tes 및 업데이트 (Contradictions & updates)
+- **주의사항**: `check_lazy_status`는 실제 입력값을 사용하므로 클래스 메서드가 아닌 인스턴스 메서드로 동작해야 함. 또한, `ExecutionBlocker`를 전파 중단 용도로 사용하는 것은 권장되지 않으며(지연 평가 사용 권장), 이는 의도된 설계임.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **MixImages 노드 예시**: 마스크의 최소/최대값이 0.0 또는 1.0인 경우, `image1` 또는 `image2`를 평가하지 않도록 설계하여 연산 효율을 높임.
+- **에러 핸들링**: `load_checkpoint` 시 VAE가 없는 경우 `ExecutionBlocker`에 에러 메시지를 담아 전달함으로써 사용자에게 명확한 정보를 제공함.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[Lazy Evaluation]] - 입력 평가 시점을 제어하는 핵심 기술.
+- [[INPUT_TYPES]] - 노드의 입력 구조를 정의하는 메커니즘.
+- [[check_lazy_status]] - 지연된 입력의 필요 여부를 판단하는 로직.
+- [[ExecutionBlocker]] - 그래프 실행을 중단하거나 에러를 표시하는 특수 객체.
+- [[ModelMergeSimple]] - 지연 평가가 적용될 수 있는 구체적인 노드 사례.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/lazy_evaluation 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Lifecycle - ComfyUI 2026-05-20.md

@@ -0,0 +1,79 @@
+---
+id: lifecycle---comfyui
+title: "Lifecycle - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 1.0
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/lifecycle"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Lifecycle - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI가 시작될 때 `custom_nodes` 디렉토리를 스캔하여 Python 모듈을 로드하고 커스텀 노드를 정의하는 라이프사이클 프로세스.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **[[Custom Nodes]] 로딩**: ComfyUI 시작 시 `custom_nodes` 폴ের더를 스캔하여 Python 모듈을 찾아 로드함.
+*   **[[NODE_CLASS_MAPPINGS]]**: 모듈이 커스텀 노드로 인식되기 위해 반드시 내보내야(export) 하는 딕셔너리 매핑 정보.
+*   **[[__init__.py]] 역할**: 커스텀 노드 모듈의 진입점으로, 실행 시 `NODE_CLASS_MAPPINGS`를 포함하여 노드 정의를 ComfyUI에 가용하게 함.
+*   **[[WEB_DIRECTORY]] 설정**: 클라이언트 측 JavaScript 파일을 제공하기 위해 모듈 내 상대 경로를 지정하는 기능.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **모듈 인식 조건**: Python 모듈은 `__init__.py`를 포함하는 디렉토리 형태이며, `__all__` 속성에 정의된 내용을 내보냄.
+*   **에러 처리 패턴**: 코드에 에러가 발생하더라도 ComfyUI는 계속 진행하지만, 해당 모듈이 로드에 실패했음을 Python 콘솔을 통해 보고함.
+*   **표준화된 구조**: 커스텀 노드의 JavaScript 파일은 관례적으로 `js`라는 하위 디렉토리에 배치함.
+
+## 📖 세부 내용 (Details)
+### 1. How Comfy loads custom nodes
+ComfyUI는 시작 시 `custom_nodes` 디렉토리를 스캔하여 Python 모듈을 로드하려고 시도합니다. 해당 모듈이 `NODE_CLASS_MAPPINGS`를 내보내면 커스텀 노드로 취급됩니다.
+
+### 2. init.py 구성 요소
+커스텀 노드 정의를 위해 `__init__.py`에서 관리해야 하는 주요 매핑 정보는 다음과 같습니다.
+
+| 필드 | 타입 | 필수/선택 | 제약·설명 |
+| :--- | :--- | :--- | :--- |
+| [[NODE_CLASS_MAPPINGS]] | dict | 필수 | 커스텀 노드 이름(고유값)을 해당 노드 클래스에 매핑함. |
+| [[NODE_DISPLAY_NAME_MAPPINGS]] | dict | 선택 | 고유 이름을 사용자에게 보여줄 표시용 이름으로 매핑함. 미제공 시 고유 이름을 사용함. |
+| [[WEB_DIRECTORY]] | string | 선택 | JavaScript 파일이 위치한 모듈 내 상대 경로를 지정함 (예: `js` 디렉토리). |
+
+### 3. JavaScript 배포 및 주의사항
+*   **파일 제한**: `.js` 파일만 제공 가능하며, `.css`나 기타 타입은 이 방식으로 배포할 수 없음.
+*   **구 버전 방식 지양**: 과거에는 JavaScript 파일을 Comfy 웹 하위 디렉토리로 복사하는 코드가 필요했으나, 현재는 이를 권장하지 않음.
+
+## ⚖️ 모모순 및 업데이트 (Contradictions & updates)
+*   **업데이트 사항**: 이전 버전의 Comfy에서는 `__init__.py`가 JavaScript 파일을 메인 웹 디렉토리로 복사하는 작업이 필요했으나, 현재는 이를 수행하는 코드를 사용하지 말라고 명시되어 있음.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **단순한 `__init__.py` 예시**:
+    ```python
+    from .python_file import MyCustomNode
+    NODE_CLASS_MAPPINGS = { "My Custom Node" : MyCustomNode }
+    __all__ = ["NODE_CLASS_MAPPINGS"]
+    ```
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[Custom Nodes]] - 커스텀 노드가 로드되는 물리적 경로와 메커니즘 설명.
+*   [[NODE_CLASS_MAPPINGS]] - 노드 클래스를 식별하기 위한 핵심 매핑 구조.
+*   [[WEB_DIRECTORY]] - 클라이언트 사이드 JS 파일 배포를 위한 경로 설정법.
+*   [[__init__.py]] - Python 모듈의 초기화 및 커스텀 노드 로직 실행 지점.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/lifecycle 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Messages - ComfyUI 2026-05-20.md

@@ -0,0 +1,93 @@
+---
+id: messages---comfyui
+title: "Messages - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/development/comfyui-server/comms_messages"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Messages - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]] 서버와 클라이언트 간의 실시간 데이터 교환을 위해 [[PromptExecutor]]가 [[PromptServer]]를 통해 메시지를 전송하고, 클라이언트는 소켓 이벤트를 통해 이를 수신하여 처리하는 통신 메커니즘.
+
+## 🧠 핵심 개념 (Core concepts)
+- **메시지 전달 구조**: [[PromptExecutor]]가 실행 중 또는 큐 상태 변경 시 [[PromptServer]]의 `send_sync` 메서드를 통해 클라이언트로 메시지를 전송함.
+- **클라이언트 수신 방식**: [[api.js]]에 정의된 소켓 이벤트 리스너가 `CustomEvent` 객체를 생성하여 등록된 리스너로 디스패치함.
+- **확장성 (Extensibility)**: 기본 제공되는 메시지 타입 외에도 클라이언트와 서버 양측에서 사용자 정의 메시지 타입을 추가하고 처리할 수 있음.
+- **데이터 구조**: 메시지 핸들러는 `CustomEvent`를 통해 전달받으며, `.detail` 속성을 통해 서버가 보낸 데이터 딕셔너리에 접근 가능함.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **이벤트 기반 통신**: 클라이언트 측에서 `api.addEventListener(message_type, messageHandler)` 형식을 사용하여 특정 메시지 타입에 대한 이벤트를 등록하는 표준 JavaScript 관용구 사용.
+- **자동 유형 인식**: 정의되지 않은 새로운 메시지 타입이 들어오면 클라이언트는 이를 자동으로 알려진 메시지 목록에 추가함.
+ o **서버-클라이언트 동기화**: 서버 측에서는 `PromptServer.instance.send_sync`를 통해, 클라이언트 측에서는 리스너 등록을 통해 양방향 통신 구조를 형성함.
+
+## 📖 세부 내용 (Details)
+
+### 1. 내장 메시지 타입 (Built in message types)
+[[PromptServer]]의 `send_sync` 메서드를 통해 전달되는 주요 이벤트와 그 데이터 구성은 다음과 같습니다.
+
+| event | when data |
+| :--- | :--- |
+| execution_start | When a prompt is about to run: `prompt_id` |
+| execution_error | When an error occurs during execution: `prompt_id`, plus additional information |
+| execution_interrupted | When execution is stopped by a node raising `InterruptProcessingException`: `prompt_id`, `node_id`, `node_type` and executed (a list of executed nodes) |
+| execution_cached | At the start of execution: `prompt_id`, `nodes` (a list of nodes which are being skipped because their cached outputs can be used) |
+| execution_success | When all nodes from the prompt have been successfully executed: `prompt_id`, `timestamp` |
+| executing | When a new node is about to be executed: `node` (node id or None to indicate completion), `prompt_id` |
+| executed | When a node returns a ui element: `node` (node id), `prompt_id`, `output` |
+| progress | During execution of a node that implements the required hook: `node` (node id), `prompt_id`, `value`, `max` |
+| status | When the state of the queue changes: `exec_info`, a dictionary holding `queue_remaining` (the number of entries in the queue) |
+
+### 2. 실행된 메시지 활용 (Using executed)
+'executed' 메시지는 단순히 노드가 실행을 완료할 때 전송되는 것이 아니라, **노드가 UI 업데이트를 반환할 때만** 전송됩니다. 이를 위해 메인 함수는 튜플 대신 다음과 같은 구조의 딕셔 необходимо 합니다:
+- `return { "ui": a_new_dictionary, "result": the_tuple_of_output_values }`
+- `a_new_dictionary`는 `output` 값으로 전송되며, 결과 키(`result`)는 출력값이 없는 경우 생략 가능합니다.
+
+### 3. 사용자 정의 메시지 타입 (Custom message types)
+- **클라이언트 측**: `api.addEventListener("my.custom.message", messageHandler);`와 같이 고유한 이름으로 리스너를 등록하여 구현합니다.
+- **서버 측**: `PromptServer.instance.send_sync("my.custom.message", a_dictionary)`를 사용하여 데이터를 전송합니다.
+
+### 4. 노드 ID 획득 (Getting node_id)
+내장 메시지에는 현재 노드의 ID가 포함되는 경우가 많습니다. 서버 측에서 이를 활용하기 위해 `INPUT_TYPES`의 `hidden` 키를 사용하여 `node_id`를 가져올 수 있습니다.
+```python
+@classmethod
+def INPUT_TYPES(s):
+    return {"required" : { }, "hidden": { "node_id": "UNIQUE_ID" } }
+```
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+본문에서 'executed' 메시지라는 명칭과 실제 동작(UI 업데이트가 있을 때만 전송됨) 사이의 차이점에 대해 설명하고 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **커스텀 노드 개발**: `INPUT_TYPES` 내 `hidden` 설정을 통해 서버 측에서 `node_id`를 식별하고 이를 메시지에 포함시켜 클라이언트에 전달하는 사례.
+- **확장 기능(Extension) 구현**: `setup()` 함수 내에서 `api.addEventListener`를 사용하여 특정 이벤트에 대한 핸들러를 등록하는 사례.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[PromptExecutor]]: 메시지를 클라이언트로 전송하는 주체.
+- [[PromptServer]]: `send_sync` 메서드를 통해 메시지 전달을 담당하는 서버 구성 요소.
+- [[api.js]]: 소켓 이벤트 리스너가 정의되어 있는 클라이언트 측 핵심 파일.
+- [[InterruptProcessingException]]: 실행 중단 시 발생하는 예외 타입.
+- [[INPUT_TYPES]]: 노드의 입력 타입을 정의하며 `node_id`를 숨겨진 값으로 가져오는 데 사용됨.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/development/comfyui-server/comms_messages 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Node Expansion - ComfyUI 2026-05-20.md

@@ -0,0 +1,80 @@
+---
+id: node-expansion---comfyui
+title: "Node Expansion - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/expansion"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Node Expansion - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[Node Expansion]]은 노드가 실행 시점에 새로운 [[subgraph]]를 반환하여 그래프 내에서 해당 노드를 대체하도록 함으로써, [[loop]]와 같은 고급 기능을 구현할 수 있게 하는 기술입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Node Expansion**: 노드의 실행 결과로 기존 노드를 대체할 새로운 [[subgraph]]를 반환하는 고급 기법입니다.
+- **GraphBuilder**: [[subgraph]] 생성 시 실수를 방방지하기 위해 권장되는 클래스로, 효율적인 그래프 구축을 지원합니다.
+ ello
+- **Efficient Subgraph Caching**: 확장된 [[subgraph]] 내의 노드들을 개별적으로 캐싱하여, 변경 사항 발생 시 전체 재로드 없이 특정 모델만 유지할 수 있도록 하는 최적화 전략입니다.
+- **Expansion Requirements**: 확장을 수행하는 노드는 반드시 결과값(`result`)과 확장될 그래프(`expand`)를 포함하는 딕셔너리를 반환해야 합니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **구조적 대체 패턴**: 기존의 노드 실행 방식(즉시 결과 반환)에서 벗어나, 실행 중에 새로운 노드 구조를 생성하여 그래프에 삽입하는 패턴을 가집니다.
+- **캐싱 최적화 전략**: [[subgraph]] 내의 입력을 전달할 때, 직접적인 값 대신 [[subgraph]] 객체에 대한 링크를 전달하여 캐싱 효율을 높이는 패턴을 사용합니다.
+- **수동 구현 제약 사항**: [[GraphBuilder]]를 사용하지 않을 경우, 노드 ID의 고유성 및 결정론적 유지를 위해 개발자가 직접 관리해야 하는 규칙(ID 중복 방지, 일관된 ID 유지)이 존재합니다.
+
+## 📖 세부 내용 (Details)
+
+### 🛠️ Node Expansion 구현 요구사항
+노드가 확장을 수행하기 위해서는 반드시 아래의 키를 포함하는 딕셔너리를 반환해야 합니다.
+
+| 키 (Key) | 설명 |
+| :--- | :--- |
+| `result` | 노드의 출력값에 대한 튜플. 일반적인 최종 값과 노드 출력값이 혼합될 수 있음. |
+| `expand` | 확장에 사용될 최종화된 그래프. [[GraphBuilder]]를 사용하지 않을 경우 별도의 규칙 준수 필요. |
+
+### 🛠️ GraphBuilder 미사용 시 추가 요구사항
+[[GraphBuilder]]를 사용하지 않고 수동으로 구현할 경우, 다음의 조건을 직접 처리해야 합니다.
+- **Node ID 고유성**: 그래프 전체에서 노드 ID는 반드시 고유해야 합니다 (리스트 사용으로 인한 동일 노드의 다중 실행 포함).
+- **결정론적 ID**: 그래프의 여러 실행(캐싱에 의한 부분 실행 포함) 사이에서 노드 ID는 결정론적이고 일관되어야 합니다.
+- **ID 관리 도구**: `GraphBuilder.alloc_prefix()` 또는 `comfy.graph_utils.add_graph_prefix`를 사용하여 기존 그래프를 수정하거나 접두사를 생성할 수 있습니다.
+
+### 🛠️ 효율적인 Subgraph 캐싱 (Efficient Subgraph Caching)
+- [[torch.Tensor]]와 같은 비리터럴 입력을 [[subgraph]] 내 노드에 전달할 수 있으나, 이는 캐싱을 저해할 수 있습니다.
+- 가능한 경우, 노드 자체보다는 [[subgraph]] 객체에 대한 링크를 전달하는 것이 권장됩니다.
+- 입력의 `Additional Parameters`에서 `rawLink`로 선언하여 쉽게 구현할 수 있습니다.
+
+## ⚖️ 모tes 및 업데이트 (Contradictions & updates)
+본문 내 상충되는 정보는 없으나, [[GraphBuilder]] 사용 여부에 따라 개발자가 책임져야 하는 요구사항의 범위가 달라짐을 명시하고 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Checkpoint Merging 예시**: `load_and_merge_checkpoints` 함수를 통해 두 개의 체크포인트를 로드하고, 이를 병합하는 새로운 노드 구조(`ModelMergeSimple`, `ClipMergeSimple`)를 생성하여 반환하는 구체적인 코드가 제시되었습니다. 이 과정에서 [[GraphBuilder]]를 사용하여 확장을 구현하는 방식이 예로 들었습니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[Node Expansion]]: 노드가 새로운 그래프 구조를 반환하는 핵심 기술입니다.
+- [[GraphBuilder]]: [[subgraph]] 생성 시 실수를 방지하기 위해 권장되는 도구입니다.
+- [[subgraph]]: 확장을 통해 새롭게 생성되어 그래프에 삽입될 노드들의 집합입니다.
+- [[loop]]: [[Node Expansion]]을 통해 구현 가능한 고급 기능의 예시입니다.
+- [[Efficient Subgraph Caching]]: 확장된 노드의 재사용성을 높이기 위한 최적화 기법입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/expansion 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Node replacement - ComfyUI 2026-05-20.md

@@ -0,0 +1,106 @@
+---
+id: node-replacement---comfyui
+title: "Node replacement - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/node-replacement"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Node replacement - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[Node Replacement API]]는 커스텀 노드 개발자가 구식(deprecated) 노드를 최신 노드로 자동 마이그레이션하여 워크플로우의 호환성을 유지할 수 있게 해주는 기능이다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Migration Path Definition**: [[Node Replacement API]]를 통해 구 버전 노드에서 신규 노드로의 전환 경로를 정의한다.
+- **Automated Workflow Upgrade**: 노드 클래스 이름 변경, 노드 병합, 입력/출력 리팩토링 시 사용자의 워크플로우를 자동으로 업데이트한다.
+- **Lifecycle Integration**: 커스텀 노드 확장의 `on_load` 생명주기 훅(lifecycle hook) 단계에서 교체 로직을 등록한다.
+- **Data Mapping**: [[Input mapping]], [[Output mapping]], [[Widget ID binding]]을 통해 입력/출력 데이터와 위젯 값을 정밀하게 재연결한다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Node Replacement Use Cases**: 노드 클래스 이름 변경, 노드 병합(Merging), 입력 리팩토링, 오타 수정(Typo fix) 등 특정 목적에 따라 API를 활용함.
+- **Registration Strategy**: `node_replacements.py`와 같은 전용 파일을 생성하여 `on_load` 시점에 등록하는 구조를 가짐.
+- **Mapping Logic**: 
+    - [[Input mapping]]: 기존 입력을 새 입력으로 매핑하거나 고정값(`set_value`)을 설정함.
+    - [[Output mapping]]: 인덱스 기반의 참조를 통해 출력 데이터를 재배치함.
+- **Frontend Automation**: 프론트엔드에서 API를 호출하여 교체 정보를 가져온 후, 사용자에게 업그레이드를 제안하고 연결 및 위젯 값을 보존함.
+
+## 📖 세부 내용 (Details
+
+### 🛠 NodeReplace Parameters
+| 필드 | 타입 | 필수/선택 | 제약·설명 |
+| :--- | :--- | :--- | :--- |
+| `new_node_id` | str | 필수 | 교체될 대상 노드의 클래스 이름 |
+| `old_node_rypt_id` | str | 필수 | 기존의 구식(deprecated) 노드 클래스 이름 |
+| `old_widget_ids` | list[str] \| None | 선택 | 상대적 인덱스에 바인딩할 위젯 ID의 정렬된 리스트 |
+| `input_mapping` | list \| None | 선택 | 기존 노드에서 새 노드로 입력을 매핑하는 방법 |
+| `output_mapping` | list \| None | 선택 | 기존 노드에서 새 노드로 출력을 매핑하는 방법 |
+
+### 📥 Input Mapping Details
+입력 매핑은 다음과 같은 방식으로 정의됩니다:
+- **기존 입력 매핑**: `{"new_id": "model", "old_id": "model"}`
+- **고정값 설정**: `{"new_id": "scheduler", "set_value": "normal"}`
+- **동적/Autogrow 입력 (Dot notation 사용)**: `{"new_id": "images.image0", "old_id": "image1"}`
+
+### 📤 Output Mapping Details
+출력 매핑은 인덱스 기반 참조를 사용합니다:
+- `{"new_idx": 0, "old_idx": 0}` (첫 번째 출력 매핑)
+- `{"new_idx": 1, "old_idx": 0}` (기존 출력 0을 새 출력 1로 매핑)
+
+### 🔗 Widget ID Binding
+`old_widget_ids` 필드는 위젯 ID를 위치 인덱스에 매핑합니다. 워크플로우 JSON은 위젯 값을 ID가 아닌 위치로 저장하기 때문에 이 기능이 필요합니다.
+- 예: `["steps", "cfg", "sampler"]` -> index 0은 "steps"를 의미함.
+
+### 🌐 REST API (GET /api/node_replacements)
+등록된 모든 교체 정보를 반환하며, 응답 구조는 다음과 같습니다:
+```json
+{
+  "OldSamplerNode": [
+    {
+      "new_node_im_id": "NewSamplerNode",
+      "old_node_id": "OldSamplerNode",
+      "old_widget_ids": ["num_steps", "cfg_scale", "sampler_name"],
+      "input_mapping": [...],
+      "output_mapping": [...]
+    }
+  ]
+}
+```
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음.
+
+## 🛠 적용 사례 (Applied in summary)
+- **Simple Node Merge**: `Load3DAnimation` 노드를 `Load3D`로 병합.
+- **Typo Fix**: `SDV_img2vid_Conditioning`의 오타를 `SVD_imgint2vid_Conditioning`으로 수정.
+- **Input Renaming**: `ImageScaleBy`를 `ResizeImageMaskNode`로 교체하며 입력/출력 매핑 및 기본값(`set_value`) 적용.
+- **Autogrow Mapping**: `BatchImagesNode`에서 도트 노테이션을 사용하여 `images.image0`과 같은 동적 입력 처리.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[Node Replacement API]]: 노드 교체 기능을 구현하기 위한 핵심 인터페이스.
+- [[Input mapping]]: 입력 데이터를 새 노드로 전달하는 메커니즘.
+- [[Output mapping]]: 출력 인덱스를 재정의하는 방법.
+- [[Widget ID binding]]: 위젯 위치 기반 매핑을 위한 기술적 요구사항.
+- [[on_load lifecycle hook]]: 교체 로직을 등록해야 하는 시점.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/node-replacement 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Routes - ComfyUI 2026-05-20.md

@@ -0,0 +1,113 @@
+---
+id: routes---comfyui
+title: "Routes - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 1.0
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/development/comfyui-server/comms_routes"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Routes - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]] 서버의 [[Routes]]는 클라이언트와 서버 간의 데이터 교환, 작업 큐 관리, 실시간 상태 업데이트를 위한 HTTP 메서드 및 [[WebSocket]] 엔드포인트의 집합체이다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Core API Routes**: 서버의 기능을 수행하기 위해 정의된 다양한 [[GET]], [[POST]] 메서드들의 모음으로, 모델 관리, 이미지 업로드, 시스템 정보 조회 등을 포함한다.
+- **WebSocket Communication**: 클라이언트와 서버 간의 양방향 실동기화를 지원하며, 실행 진행 상황 및 노드 상태를 실시간으로 전달하는 통로이다.
+- **Custom Routes**: 개발자가 [[aiohttp]] 프레임워크를 사용하여 서버에 새로운 경로를 추가하고 클라이언트와의 메시지 송수신 기능을 확장할 수 있는 메커니즘이다.
+- **Execution Queue Management**: [[prompt]] 제출, 큐 상태 조회, 실행 중단 및 히스토리 관리 등 작업 흐름의 제어를 담당한다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **Request/Response Pattern**: 특정 경로(예: `/prompt`)로 데이터를 제출하면 서버가 검증 후 실행 큐에 추가하고 결과를 반환하는 구조를 가진다.
+- **Real-time Update Pattern**: [[WebSocket]]을 통해 `status`, `progress`, `executed` 등 다양한 타입의 JSON 메시지를 클라이언트에 브리캐스팅한다.
+- **Extensibility Pattern**: `@routes.post`와 같은 데코레이터를 활용하여 기존 서버 구조를 변경하지 않고 새로운 기능을 추가할 수 있는 확장성을 제공한다.
+
+## 📖 세부 내용 (Details)
+
+### 1. Core API Routes (Built-in routes)
+[[server.py]]에 정의된 주요 경로들의 기능은 다음과 같다.
+
+| path | method | purpose |
+| :--- | :--- | :--- |
+| `/` | get | load the comfy webpage |
+| `/ws` | websocket | WebSocket endpoint for real-time communication with the server |
+| `/embeddings` | get | retrieve a list of the names of embeddings available |
+| `/extensions` | get | retrieve a list of the extensions registering a WEB_DIRECTORY |
+| `/features` | get | retrieve server features and capabilities |
+| `/models` | get | retrieve a list of available model types |
+| `/models/{folder}` | get | retrieve models in a specific folder |
+| `/workflow_templates` | get | retrieve a map of custom node modules and associated template workflows |
+| `/upload/image` | post | upload an image |
+| `/upload/mask` | post | upload a mask |
+| `/view` | get | view an image (includes various options) |
+| `/view_metadata/` | get | retrieve metadata for a model |
+| `/system_stats` | get | retrieve information about the system (python version, devices, vram etc) |
+| `/prompt` | get | retrieve current queue status and execution information |
+| `/prompt` | post | submit a prompt to the queue |
+| `/object_info` | get | retrieve details of all node types |
+| `/object_info/{node_class}` | get | retrieve details of one node type |
+| `/history` | get | retrieve the queue history |
+| `/history/{prompt_id}` | get | retrieve the queue history for a specific prompt |
+| `/history` | post | clear history or delete history item |
+| `/queue` | get | retrieve the current state of the execution queue |
+| `/queue` | post | manage queue operations (clear pending/running) |
+| `/interrupt` | post | stop the current workflow execution |
+| `/free` | post | free memory by unloading specified models |
+| `/userdata` | get | list user data files in a specified directory |
+| `/v2/userdata` | get | enhanced version that lists files and directories in structured format |
+| `/userdata/{file}` | get | retrieve a specific user data file |
+| `/userdata/{file}` | post | upload or update a user data file |
+| `/userdata/{file}` | delete | delete a specific user data file |
+| `/userdata/{file}/move/{dest}` | post | move or rename a user data file |
+| `/users` | get | get user information |
+| `/users` | post | create a new user (multi-user mode only) |
+
+### 2. WebSocket Communication
+[[WebSocket]] 엔드포인트인 `/ws`는 실시간 양방향 통신을 위해 사용되며, 다음과 같은 정보를 전달한다.
+- **주요 용도**: 실행 진행 상황 업데이트 수신, 노드 실행 상태 실시간 확인, 에러 메시지 및 디버깅 정보 수신, 큐 상태 변경 시 라이브 업데이트.
+- **JSON 메시지 타입**:
+    - `status`: 전체 시스템 상태 업데이트
+    - `execution_start`: 프롬프트 실행 시작 시점
+    - `execution_cached`: 캐시된 결과 사용 시
+    - `executing`: 노드 실행 중 업데이트
+    - `progress`: 장기 실행 작업의 진행률 업데이트
+    - `executed`: 노드 실행 완료 시
+
+### 3. Custom Routes Implementation
+클라이언트에서 서버로 메시지를 보내기 위해 새로운 경로를 정의하는 방법이다.
+- **서버 측 구현**: `aiohttp` 프레임워크를 활용하며, `@routes.post('/path')` 데코레이터를 사용한다. 함수 내부에서는 `request.post()`를 통해 데이터를 수신할 수 있다.
+- **클라이언트 측 호출**: `FormData` 객체를 사용하여 `api.fetchApi`를 통해 새로운 경로에 요청을 보낼 수 있다.
+
+## ⚖️ 모의 및 업데이트 (Contradictions & updates)
+본문 내에서 상충되는 정보는 발견되지 않았습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Custom Node 개발**: 서버의 기능을 확장하기 위해 `@routes.post`를 사용하여 새로운 경로를 생성하고, `FormData`를 통해 데이터를 전송하는 예시가 제시됨.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI Server]]: 서버의 전반적인 구조와 역할을 이해하기 위한 핵심 개념입니다.
+- [[WebSocket]]: 실시간 데이터 스트리밍 및 양방향 통신의 기술적 기반입니다.
+- [[aiohttp]]: 커스텀 라우트를 구현할 때 사용하는 프레임워크입니다.
+- [[PromptExecutor]]: 실행 큐를 정의하고 관리하는 클래스입니다.
+
+## 📝 변경 이履歴 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/development/comfyui-server/comms_routes 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Server Overview - ComfyUI 2026-05-20.md

@@ -0,0 +1,71 @@
+---
+id: server-overview---comfyui
+title: "Server Overview - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https enough://docs.comfy.org/development/comfyui-server/comms_overview"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Server Overview - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]] 서버는 [[aiohttp]]와 [[asyncio]]를 기반으로 하며, 클라이언트와 서버 간의 메시지 송수신 및 [[http]] 라우트를 통해 워크플로우 데이터를 처리하는 구조를 가집니다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **서버 프레임워크**: [[aiohttp]] 및 [[asyncio]] 기반의 구동 환경.
+- **메시지 통신 (Server to Client)**: `PromptServer` 인스턴스의 `send_sync` 메서드를 통한 소켓 메시지 전달.
+- **통신 경로 (Client to Server)**: `api.fetchApi()` 메서드를 통한 [[http]] 라우트 처리.
+- **데이터 일관성**: 큐(Queue) 요청 시 전체 워크플로우(위젯 값 포함)를 제출하며, 요청 이후의 변경 사항은 서버에 반영되지 않음.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **양방향 통신 구조**: 서버에서 클라이언트로의 소켓 메시지 전송과 클라이언트에서 서버로의 HTTP 요청 처리가 분리되어 존재함.
+- **상태 고정성**: 클라이언트가 큐에 요청을 제출하는 시점에 워크플로우 데이터가 결정되며, 실행 중 발생하는 수정 사항은 서버에 영향을 미치지 않는 구조적 특성을 보임.
+
+## 📖 세부 내용 (Details)
+### [[ComfyUI]] 서버 통신 메커니즘
+- **서버 구동 환경**: Comfy 서버는 [[aiohttp]] 프레임워크 위에서 실행되며, 이는 [[asyncio]]를 사용합니다.
+- **메시지 전달 (Messages)**:
+    - **Server $\rightarrow$ Client**: `server.py`에 정의된 `PromptServer` 인스턴스의 `send_sync` 메서드를 통해 소켓 메시지 형태로 전송됩니다. 이 메시지는 `api.js`에 등록된 소켓 이벤트 리스너에 의해 처리됩니다.
+    - **Client $\rightarrow$ Server**: `api.js`에 정의된 `api.fetchApi()` 메서드를 통해 전송되며, 서버에 정의된 [[http]] 라우트에 의해 처리됩니다.
+- **워크플로우 제출 및 실행**:
+    - 사용자가 요청을 큐(Queue)에 추가할 때 위젯 값을 포함한 전체 워크플로우를 제출합니다.
+    - 서버는 큐에 요청을 보낸 이후에 발생하는 변경 사항을 수신하지 않습니다.
+    - 실행 중 서버의 동작을 수정하려면 별도의 라우트(Routes)가 필요합니다.
+
+### Documentation Index 정보
+- 전체 문서 인덱스는 다음 경로에서 확인할 수 있습니다: `https://docs.comfy.org/llms.txt`
+
+## ⚖️ 모ikan 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음.
+
+## 🛠️ 적용 사례 (Applied in summary)
+본문에서 확인되지 않음.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI Server]] - 서버의 전반적인 구조와 역할을 설명합니다.
+- [[aiohttp]] - 서버가 구동되는 기반 프레임워크입니다.
+- [[asyncio]] - 비동기 처리를 위한 핵심 기술 스택입니다.
+- [[PromptServer]] - 서버 메시지 전송을 담당하는 클래스입니다.
+- [[api.js]] - 클라이언트 측 통신 로직이 구현된 파일입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/development/comfyui-server/comms_overview 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Subgraph blueprints - ComfyUI 2026-05-20.md

@@ -0,0 +1,75 @@
+---
+id: subgraph-blueprints---comfyui
+title: "Subgraph blueprints - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_rypt_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/subgraph_blueprints"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Subgraph blueprints - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]]에서 커스텀 노드 개발자가 재사용 가능한 서브그래프 컴포넌트를 글로벌 블루프린트로 제공하여 사용자가 워크플로우에 즉시 추가할 수 있게 하는 기능입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Global Subgraph Blueprints**: 커스텀 노드와 연관된 재사용 가능한 [[subgraph]] 컴포ned를 전역 블루프린트로 가용화하는 기능입니다.
+- **Automated Scanning**: [[ComfyUI]]는 모든 커스텀 노드 디렉토리를 스캔하여 [[subgraph]] 파일을 자동으로 찾아냅니다.
+- **API Delivery**: 스캔된 서브그래프 파일은 `/global_subgraphs` API 엔드포인트를 통해 서비스됩니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **개발자 워크플로우**: 커스텀 노드 디렉토리 내 `subgraphs/` 폴더 생성 $\rightarrow$ `.json` 파일 배치 $\rightarrow$ [[ComfyUI]] 자동 스캔 및 API 제공.
+- **서브그래프 생성 절차**: [[ComfyUI]]에서 서브그래프 구축 $\rightarrow$ 노드 선택 및 변환 $\rightarrow$ JSON으로 내보내기 $\rightarrow$ `subgraphs/` 폴더에 저장.
+
+## 📖 세부 내용 (Details)
+### 🛠️ 구현 방법 (Implementation)
+노드 개발자는 다음과 같은 방식으로 블루프린트를 배포할 수 있습니다:
+1. 커스텀 노드 디렉토리 내에 `subgraphs/` 폴더를 생성합니다.
+2. 해당 폴더 안에 `.json` 형식의 서브그래프 파일을 배치합니다.
+
+### 📂 파일 구조 예시 (Example Structure)
+`ComfyUI-MyCustomNodeModule/subgraphs/` 경로 내에 다음과 같은 파일이 포함될 수 있습니다:
+- `My_upscale_subgraph.json`
+- `My_effects_subgraph.json`
+위와 같이 구성된 경우, [[ComfyUI]]의 서브그래프 브라우저에서 해당 블루프린트들을 확인할 수 있습니다.
+
+### 📝 JSON 파일 생성 프로세스 (Creation Process)
+서브그래프 JSON 파일은 워크플로우 JSON 파일과 동일한 형식을 사용하며, 가장 쉬운 생성 단계는 다음과 같습니다:
+1. [[ComfyUI]] 내에서 서브그래프를 구축합니다.
+2. 포함할 노드들을 선택합니다.
+3. 해당 노드들을 서브그래프로 변환합니다.
+4. 서브그래프를 JSON으로 내보내기(Export) 합니다.
+5. 생성된 JSON 파일을 `subgraphs/` 폴더에 저장합니다.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **커스텀 노드 배포**: `ComfyUI-MyCustomNodeModule`과 같은 커스텀 노드 모듈에서 사용자가 워크플로우에 즉시 추가할 수 있는 사전 구축된 노드 그룹(pre-built node groups)을 제공하는 사례로 활용됩니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[subgraph]]: 사용자가 서브그래프와 상호작용하는 방식에 대한 기본 개념입니다.
+- [[ComfyUI]] API Reference: `/global_subgraphs` 엔드포인트와 관련된 기술적 명세입니다.
+- [[Custom Nodes]]: 커스텀 노드 개발 및 배포를 위한 가이드라인입니다.
+- [[Workflow JSON]]: 서브그래프 파일의 기반이 되는 데이터 형식입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/subgraph_blueprints 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 V3 Migration - ComfyUI 2026-05-20.md

@@ -0,0 +1,105 @@
+---
+id: v3-migration---comfyui
+title: "V3 Migration - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_radix: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/v3_migration"]
+applied_in: []
+github_commit: ""
+---
+
+# [[V3 Migration - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+기존 V1(Legacy) 방식의 노드 정의 구조를 객체 중심의 새로운 V3 스키마로 전환하여, 더 체계적이고 확장 가능한 방식으로 마이그레이션하는 가이드.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **V3 Schema Architecture**: 기존의 딕셔너리 기반 정의에서 벗어나 [[io.Schema]] 객체를 사용하여 입력(Inputs)과 출력(Outputs)을 객체 단위로 정의함.
+*   **Class-based Execution**: 실행 메서드가 `execute`라는 이름의 클래 메서드로 고정되며, `comfy_entrypoint`를 통해 확장을 정의함.
+*   **Type Safety & Modernization**: `io.Int.Input`, `io.Image.Input` 등 클래스 기반의 타입 정의를 통해 강력한 타입 힌트와 구조화된 스키마 관리를 지원함.
+*   **API-driven Extension**: `ComfyExtension` 및 `ComfyAPI`를 사용하여 노드 교체, 진행률 보고, 확장 생명주기를 관리함.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **V1 to V3 Transformation Pattern**: `INPUT_TYPES` 딕셔너리를 `define_schema` 메서드의 `io.Schema` 객체로 변환하고, `FUNCTION`을 `execute` 클래 메서드로 변경하는 일련의 문법적 전환 패턴.
+*   **Inheritance Pattern**: 모든 V3 노드는 반드시 `io.ComfyNode`를 상속받아야 하며, 상위 체인에 이 클래스가 포함되어야 함.
+*   **Schema-driven Configuration**: 노드의 ID, 표시 이름, 카테고리, 입출력 정의 등 모든 메타데이터가 하나의 스키마 객체 내로 통합되는 구조.
+
+## 📖 세부 내용 (Details)
+
+### 1. V3 Migration: 주요 변경 사항 비교
+| 특징 | V1 (Legacy) | V3 (Modern) |
+| :--- | :--- | :--- |
+| **입력/출력 정의** | 딕셔니리(Dictionary) 방식 | 객체(Object) 기반 방식 |
+| **실행 메서드** | `FUNCTION`에 지정된 이름 사용 | `execute`로 고정 (클래 메서드) |
+| **노드 등록** | `NODE_CLASS_MAPPINGS` 사용 | `comfy_entrypoint` 및 `ComfyExtension` 사용 |
+| **상태 관리** | `__init__` 등을 통한 상태 유지 가능성 | 클래 메서드 중심, `state` 노출 없음 |
+
+### 2. Migration Steps (마이그레이션 단계)
+*   **Step 1: Base Class 변경**: 모든 V3 스키마 노드는 `io.ComfyNode`를 상속받아야 함.
+*   **Step 2: INPUT_TYPES를 define_schema로 전환**: `io.Schema` 객체를 반환하도록 구현하며, 입출력을 클래스 기반으로 정의함.
+*   **Step 3: Execute 메서드 업데이트**: 실행 함수 이름을 `execute`로 변경하고 클래 메서드로 선언함.
+*   **Step 4: 노드 속성 변환**: `RETURN_TYPES`, `CATEGORY`, `FUNCTION` 등의 기존 속성을 `io.Schema` 내의 필드로 재배치함.
+*   **Step 5: 특수 메서드 처리**: `validate_inputs` (기존 `VALIDATE_INPUTS`), `fingerprint_inputs` (기존 `IS_CHANGED`) 등 변경된 명칭 적용.
+*   **Step 6: Extension 및 Entry Point 생성**: `ComfyExtension` 클래스를 정의하고 `comfy_entrypoint`를 구현함.
+
+### 3. Schema Reference (Schema 데이터클래스 필드)
+| 필드 | 타입 | 필수/선택 | 제약·설명 |
+| :--- | :--- | :--- | :--- |
+| node_id | str | 필수 | 노드의 글로벌 고유 ID (충돌 방지를 위해 접두사/접미사 권장) |
+| display_name | str | 선택 | UI에 표시될 이름. 미설정 시 `node_id` 사용 |
+| category | str | 선택 | "Add Node" 메뉴 내 카테록 (예: "sd") |
+| description | str | 선택 | 마우스 호버 시 표시되는 툴팁 |
+| inputs | list[Input] | 선택 | 입력 정의 리스트 |
+| outputs | list[Output] | 선택 | 출력 정의 리스트 |
+| hidden | list[Hidden] | 선택 | 요청할 숨겨진 입력(Hidden Inputs) 리스트 |
+| search_aliases | list[str] | 선택 | 검색을 위한 대체 이름 목록 |
+| is_output_node | bool | 선택 | True일 경우 노드가 출력 노드로 표시됨 |
+| is_input_list | bool | 선택 | True일 경우 모든 입력이 `list[type]`로 처리됨 |
+| is_deprecated | bool | 선택 | 노드 폐기 여부 플래[Flag] |
+| is_experimental | bool | 선택 | 실험적 기능 여부 표시 |
+| is_dev_only | bool | 선택 | 개발 모드에서만 보이도록 설정 |
+| is_api_node | bool | 선택 | Comfy API 서비스용 노드로 지정 |
+| not_idempotent | bool | 선택 | True일 경우 캐싱된 출력을 재사용하지 않고 항상 재실행함 |
+| enable_expand | bool | 선택 | NodeOutput에 확장 속성 포함 가능 여부 |
+| accept_all_inputs | bool | 선택 | 스키마에 정의되지 않은 입력도 kwargs로 전달 허용 |
+
+### 4. Advanced Features (고급 기능)
+*   **Hidden Inputs**: `cls.hidden`을 통해 접근하며, `unique_id`, `prompt`, `extra_pnginfo` 등을 포함함.
+*   **UI Helpers**: `ui.PreviewImage`, `ui.AudioSaveHelper` 등을 사용하여 노드 출력 시 UI 데이터를 반환할 수 있음.
+*   **Custom Types**: `@io.comfytype` 데코레이터나 `io.Custom` 함수를 통해 사용자 정의 타입을 생성 가능함.
+*   **Dynamic Inputs**: `Autogrow`(입력 자동 증가) 및 `DynamicCombo`(옵션에 따라 입력 변경) 기능을 지원함.
+
+## ⚖️ 모래 및 업데이트 (Contradictions & updates)
+*   **업데이트 사항**: V1의 `IS_CHANGED` 함수가 V3에서는 `fingerprint_inputs`로 명칭이 변경됨 (개발자의 혼동을 방지하기 위함).
+*   **업데이트 사항**: 입력 검증 메서드가 `VALIDATE_INPUTS`에서 `validate_inputs`로 소문자화되어 변경됨.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **노드 마이그레이션 프로젝트**: 기존에 운영 중인 V1 기반 커스텀 노드를 최신 ComfyUI 스키마 표준에 맞춰 업데이트할 때 이 가이드를 참조함.
+*   **확장 프로그램 개발**: `ComfyExtension`을 사용하여 새로운 노드 세트를 등록하고, `comfy_entrypoint`를 통해 실행 환경을 구축하는 데 사용됨.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[io.Schema]] - V3 노드의 핵심 정의 구조체.
+*   [[ComfyExtension]] - 확장의 생명주기와 노드 등록을 관리하는 클래스.
+*   [[io.NodeOutput]] - 실행 결과와 UI 데이터를 반환하기 위한 표준 객체.
+*   [[comfy_api.latest]] - 최신 안정화된 API 참조를 위한 패키지.
+*   [[V1 (Legacy)]] - 마이그레이션의 대상이 되는 이전 방식의 노드 구조.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/v3_migration 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Workflow JSON - ComfyUI 2026-05-20.md

@@ -0,0 +1,78 @@
+---
+id: workflow-json---comfyui
+title: "Workflow JSON - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/specs/workflow_json"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Workflow JSON - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+[[ComfyUI]]의 워크플로우를 정의하기 위해 [[JSON Schema]]를 사용하여 구조화된 데이터를 생성하고 관리하는 규격서입니다.
+
+## 🧠 핵심 개념 (Core concepts)
+- **JSON Schema 기반 정의**: [[Workflow JSON]]은 [[JSON Schema]]를 사용하여 정의되며, 변경 사항은 [[rfcs repo]]에서 논의됩니다.
+- **ComfyWorkflow v1.0 구조**: 워크플로우의 핵심 요소로 [[version]], [[state]], [[nodes]]를 필수적으로 포함합니다.
+- **노드 및 연결 구조**: [[nodes]], [[links]], [[reroutes]] 등 노드의 위치, 크기, 입력/출력 핀(pins) 및 연결 상태를 정의하는 복잡한 객체 모델을 가집니다.
+- **상태 관리 (State)**: 마지막으로 사용된 그룹 ID, 노드 ID, 링크 ID 등을 포함하여 워크플로우의 연속성을 유지합니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **계층적 데이터 구조**: [[nodes]] 내부에 [[inputs]], [[outputs]], [[properties]], [[widgets_values]]와 같은 하위 객체를 두어 노드의 동작을 세부적으로 정의하는 패턴을 보입니다.
+- **좌표 및 경계 정의**: [[groups]]의 [[bounding]]이나 [[nodes]]의 [[pos]], [[size]]를 수치 배열 또는 객체 형태로 정의하여 UI 상의 위치를 결정합니다.
+- **관계형 연결 (Linking)**: [[links]] 객체를 통해 [[origin_id]]와 [[target_id]] 사이의 관계를 명시적으로 정의합니다.
+
+## 📖 세부 내용 (Details)
+### 1. Workflow JSON v1.0 주요 구성 요소
+- **Version**: 워크플로우 버전은 상수로 `1`을 가집니다.
+- **Config**: [[links_ontop]] 또는 [[align_to_grid]]와 같은 설정 값을 포함할 수 있습니다.
+- **State**: [[lastGroupid]], [[lastNodeId]], [[lastLinkId]], [[lastRerouteId]]를 통해 워크플로우의 마지막 상태를 저장합니다.
+
+### 2. Nodes (노드) 상세 규격
+- **필수 속성**: [[id]], [[type]], [[pos]], [[size]], [[flags]], [[order]], [[mode]], [[properties]]가 반드시 포함되어야 합니다.
+- **입력 및 출력**: [[inputs]]와 [[outputs]]는 각각 이름, 타입, 슬롯 인덱스 정보를 포함하며, 노드 간의 데이터 흐름을 제어합니다.
+- **기타 속성**: [[widgets_values]], [[color]], [[bgcolor]] 등을 통해 시각적 요소와 사용자 입력값을 관리합니다.
+
+### 3. Links & Reroutes (연결 및 리라우트)
+- **Links**: [[id]], [[origin_id]], [[target_id]], [[type]] 등을 포함하며 노드 간의 연결을 정의합니다.
+- **Reroutes**: [[id]], [[pos]], [[linkIds]]를 통해 연결 경로를 재지정하는 역할을 합니다.
+
+### 4. 기타 데이터 구조
+- **Groups**: [[title]], [[bounding]], [[color]], [[font_size]], [[locked]] 속성을 가진 그룹 정보를 포함합니다.
+- **Models**: [[name]], [[url]], [[hash]], [[directory]] 등을 통해 모델 데이터를 관리할 수 있습니다.
+
+## ⚖️ 모동 및 업데이트 (Contradictions & updates)
+- **최신 버전 정보**: 현재 최신 버전은 `Version 1.0 (Latest)`로 명시되어 있습니다.
+- **이전 버전 존재**: `Older versions`에 대한 언급이 있으나, 구체적인 하위 버전의 상세 스키마는 본문에서 확인되지 않음 (단, 0.4 버전 관련 언급 있음).
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **JSON Schema 검증**: [[ComfyUI]] 워크플로우 파일이 규격에 맞게 작성되었는지 검증하는 도구로 활용될 수 있습니다.
+- **워크플로우 저장 및 공유**: 노드, 링크, 그룹 정보를 JSON 형태로 직렬화하여 다른 사용자에게 전달하거나 재사용할 수 있습니다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[JSON Schema]]: 워크플로우 데이터의 구조를 정의하고 검증하는 표준 규격입니다.
+- [[ComfyUI Server]]: 워크플로가 실행되는 백엔드 환경과 관련된 개념입니다.
+- [[Node Definitions]]: 워크플로우 내 개별 노드의 동작과 속성을 정의하는 기초 정보입니다.
+- [[rfcs repo]: 스키마 변경 사항이 논의되는 공식적인 저장소입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/specs/workflow_json 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Workflow templates - ComfyUI 2026-05-20.md

@@ -0,0 +1,73 @@
+---
+id: workflow-templates---comfyui
+title: "Workflow templates - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level:	"B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/workflow_templates"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Workflow templates - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+커스토머 노드 개발자가 `example_workflows` 폴더를 통해 사용자에게 예제 워크플로우를 제공함으로써 [[ComfyUI]] 템플릿 브라우저에 시각적 가이드를 구축하는 방법.
+
+## 🧠 핵심 개념 (Core concepts)
+- **Workflow Templates**: 커스토머 노드와 연관된 예제 워크플로우 파일을 사용자에게 보여주는 기능.
+- **Template Browser**: `Workflow/Browse Templates` 메뉴를 통해 사용자가 예제 워크플로우를 탐색할 수 있는 인터페이스.
+- **Static Serving**: [[ComfyUI]] 서버가 `/api/workflow_templates` 엔드포인트를 통해 템플릿 컬렉션을 정적으로 제공함.
+- **Thumbnail Support**: `.json` 파일과 동일한 이름을 가진 `.jpg` 파일을 배치하여 템플릿의 썸네일로 활용 가능.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **노드 개발자의 워크플로우 지원 전략**: 노드 개발자는 `example_workflows` 폴더를 생성하고 그 안에 `.json` 파일을 배치함으로써 사용자의 초기 진입을 도울 수 있음.
+- **폴더 명명 규칙의 유연성**: `example_workflows` 외에도 `workflow`, `workflows`, `example`, `examples` 등의 폴차 이름을 사용할 수 있으나, `example_workflows` 사용을 권장함.
+
+## 📖 세부 내용 (Details)
+### 🛠️ 구현 방법 (Implementation)
+- **폴더 구조**: 노드 개발자는 커스텀 노드 디렉토리 내에 `example_workflows` 폴더를 생성해야 합니다.
+- **파일 구성**:
+    - `.json` 파일: 워크플로우의 핵심 데이터가 담긴 파일입니다.
+    - `.jpg` 파일 (선용적): 동일한 이름을 가진 이미지 파일을 배치하면 템플릿 브라우저에서 썸네일로 표시됩니다.
+
+### 📂 디렉토리 예시 (Directory Example)
+`ComfyUI-MyCustomNodeModule/example_workflows/` 경로 내 구성:
+- `My_example_workflow_1.json`
+- `My_example_workflow_1.jpg`
+- `My_example_workflow_2.json`
+
+### ⚙️ 시스템 동작 (System Behavior)
+- **엔드포인트**: [[ComfyUI]] 서버는 `/api/workflow_templates` 엔드포인트를 통해 워크플로우 템플릿 컬렉션을 반환합니다.
+- **카테고리 표시**: 위 예시와 같이 구성될 경우, 템플릿 브라우저에는 `ComfyUI-MyCustomNodeModule`이라는 카테고리와 함께 항목들이 표시됩니다.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음.
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **실제 사례**: `ComfyUI-Impact-Pack`의 `example_workflows` 폴더 구성이 실제 사례로 언급됨.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신ILD:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+- [[ComfyUI]]: 기본 플랫폼 환경.
+- [[Workflow templates]]: 워크플로우 템플릿의 정의 및 활용법.
+- [[Custom Nodes]]: 커스텀 노드 개발 및 확장 방법.
+- [[API Reference]]: 서버 엔드포인트 및 데이터 구조 확인을 위한 참조.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/workflow_templates 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/Comfyui/위키 Working with torch.Tensor - ComfyUI 2026-05-20.md

@@ -0,0 +1,90 @@
+---
+id: working-with-torchtensor---comfyui
+title: "Working with torch.Tensor - ComfyUI"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-20
+updated_at: 2026-05-20
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://docs.comfy.org/custom-nodes/backend/tensors"]
+applied_in: []
+github_commit: ""
+---
+
+# [[Working with torch.Tensor - ComfyUI]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+ComfyUI의 핵심 연산은 [[pytorch]]를 기반으로 하며, 이미지, Latent, Mask 데이터는 모두 [[torch.Tensor]] 형태로 내부적으로 처리됩니다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   **[[torch.Tensor]]의 정의**: 벡터나 행렬을 임의의 차원으로 일반화한 수학적 구조체로, Rank(차원 수)와 Shape(크기)를 가집니다.
+*   **텐서 조작(Tensor Manipulation)**: 차원을 축소하는 [[squeeze]], 차원을 확장하는 [[unsqueeze]], 그리고 데이터 구조를 재구성하는 [[reshape]] 기법이 포함됩니다.
+*   **Elementwise Operations**: 텐서 간의 연산(+, -, *, /, ==)은 각 요소별로 독립적으로 적용됩니다.
+*   **Tensor Truthiness**: 다중 요소를 가진 텐서는 Python 리스트와 달리 직접적인 Boolean 평가가 불가능하며, [[all()]] 또는 [[any()]] 메서드를 사용해야 합니다.
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **차원 관리 전략**: 1의 크기를 가진 차원을 제거하거나(Squeezing) 삽입하는(Unsqueezing) 패턴을 통해 데이터 구조를 제어합니다.
+*   **슬라이싱 관례**: `None`을 사용한 차원 삽입, `:`를 사용한 전체 범위 유지, `...`(Ellipsis)를 사용한 미지정 차원 처리 등의 표준화된 표기법을 따릅니다 Pol.
+*   **연산 제약 조건**: 이항 연산 시 피연산자들은 동일한 Shape을 갖거나, 하나는 스칼라(Scalar)여야 한다는 규칙이 존재합니다.
+
+## 📖 세부 내용 (Details)
+
+### 1. Tensor의 구조와 ComfyUI에서의 활용
+*   **기본 정의**: [[torch.Tensor]]는 벡터나 행렬을 임의의 차원으로 일반화한 것입니다.
+    *   **Rank**: 텐서가 가진 차원의 수 (예: 벡터는 Rank 1, 행렬은 Rank 2).
+    *   **Shape**: 각 차원의 크기를 나타냅니다.
+*   **ComfyUI 이미지 데이터 구조**:
+    *   RGB 이미지는 기본적으로 `[H, W, 3]` 형태를 가질 수 있으나, ComfyUI에서는 배치(Batch) 차원을 포함합니다.
+    *   최종 형태: `[B, H, W, C]` (B: Batch, H: Height, W: Width, C: Channels).
+
+### 2. 차원 조작 및 변형
+*   **Squeezing**: 크기가 1인 차원(collapsed dimension)을 제거하는 작업입니다.
+*   **Unsqueezing**: 새로운 차원을 삽입하는 작업입니다.
+*   **Reshaping**: 데이터 구조를 유지하며 다른 형태로 재표현하는 것으로, 하부 데이터 구조에 대한 주의가 필요합니다.
+
+### 3. 주요 표기법 (Important Notation)
+*   **`.shape` 속성**: `torch.Size`를 반환하며, 이는 튜플(tuple)의 서브클래스입니다.
+*   **슬라이싱 도구**:
+    *   `None`: 슬라이스 내에서 크기가 1인 차원을 삽입할 때 사용합니다.
+    *   `:`: 해당 차원의 전체 범위를 유지합니다.
+    *   `...` (Ellipsis): 지정되지 않은 나머지 모든 차원을 나타냅니다.
+*   **`-1` 파라미터**: Shape을 전달받는 메서드에서, 전체 데이터 크기를 기반으로 해당 차원의 크기를 자동 계산하도록 지정할 때 사용합니다.
+
+### 4. 연산 및 논리값 (Operations & Truthiness)
+*   **Elementwise Operations**: `+`, `-`, `*`, `/`, `==` 등의 연산은 요소별로 독립적으로 수행됩니다. 단, 피연산자의 Shape이 동일하거나 하나가 스칼라여야 합니다.
+*   **Truthiness (논리값 판단)**:
+    *   다중 요소를 가진 텐서는 Python의 기본 Boolean 평가 시 `RuntimeError`를 발생시킵니다(Ambiguous 오류).
+    *   따라서 요소 전체의 논리값을 확인하려면 `.all()` 또는 `.any()`를 명시적으로 사용해야 합니다.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+*   **주의사항**: 일부 커스텀 노드 작성자가 차원이 축소된(squeezed) 텐서를 반환하는 경우가 있으며, 이는 버그의 주요 원인이 될 수 있습니다.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **이미지 처리**: `[B, H, W, 3]` 형태의 텐서 구조를 사용하여 배치 단위로 이미지를 처리합니다.
+*   **코드 예시**:
+    *   `a = torch.Tensor((1,2))` $\rightarrow$ `a.shape` 결과: `torch.Size([2])` (본문 내 예시 기준)
+    *   `a[:, None].shape` $\rightarrow$ 차원 확장 사례.
+    *   `a.reshape((1, -1))` $\rightarrow$ 자동 크기 계산 활용 사례.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[pytorch]]: ComfyUI의 핵심 수치 연산을 담당하는 라이브러리입니다.
+*   [[torch.Tensor]]: 이미지, Latent, Mask를 표현하는 기본 데이터 구조입니다.
+*   [[squeeze]], [[unsqueeze]], [[reshape]]: 텐서의 차원을 제어하는 주요 기법들입니다.
+*   [[all()]] / [[any()]]: 텐서의 논리적 참/거짓을 판별하기 위해 필요한 메서드입니다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-20: Astra /wikify 로 https://docs.comfy.org/custom-nodes/backend/tensors 본문에서 초안 생성.

10_Wiki/Topics/Topic_Graphic/From_Other/Lighting & Composition.md

@@ -0,0 +1,145 @@
+---
+id: wiki-2026-0508-lighting-composition
+title: "Lighting & Composition"
+category: 10_Wiki/Topics
+status: verified
+canonical_id: self
+aliases: [Cinematography, Visual Composition, Lighting Design]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.9
+verification_status: applied
+tags: [photography, cinematography, generative-AI, prompt-engineering]
+raw_sources: []
+last_reinforced: 2026-05-10
+github_commit: pending
+tech_stack:
+  language: prompt
+  framework: FLUX-Sora-Veo
+---
+
+# Lighting & Composition
+
+## 매 한 줄
+> **"매 image / video 의 emotional weight 의 90%는 lighting + composition"**. 매 subject 무엇이든, 매 light direction / quality, 매 frame organization 가 매 narrative 를 carry. 매 2026 의 generative AI (FLUX 1.1, Sora 2, Veo 3) 도 매 same vocabulary 를 prompt 로 받아 매 cinematographic control 가능.
+
+## 매 핵심
+
+### 매 lighting 의 axes
+- **Direction**: front / side / back / top / bottom (각 emotional valence 다름).
+- **Quality**: hard (sharp shadows) vs soft (diffused).
+- **Color temperature**: warm (3000K) vs cool (6500K).
+- **Ratio**: key:fill ratio (1:1 flat, 4:1 dramatic).
+
+### 매 composition 의 axes
+- **Rule of thirds**: 매 subject 매 third lines 의 intersection.
+- **Leading lines**: 매 viewer's eye 의 directing.
+- **Negative space**: 매 emptiness 가 carry meaning.
+- **Depth layers**: foreground / mid / background.
+- **Aspect ratio**: 16:9 (cinematic), 9:16 (mobile), 1:1 (square), 2.39:1 (anamorphic).
+
+### 매 응용
+1. **Photography**: portrait / product / landscape lighting setups.
+2. **Cinematography**: 매 scene mood 의 establishing.
+3. **Generative AI prompts**: 매 FLUX/Sora/Veo 매 cinematographic prompt vocabulary 인식.
+4. **UI design**: 매 hero image direction selection.
+
+## 💻 패턴
+
+### Three-point lighting prompt
+```
+A portrait of a software engineer, three-point lighting: 
+key light from camera-left at 45 degrees (soft, 5500K), 
+fill light from camera-right at 1:2 ratio, 
+backlight rim from upper-right (warm 3200K), 
+shallow depth of field, 85mm lens equivalent, 
+shot on Arri Alexa 35.
+```
+
+### Rembrandt lighting (FLUX 1.1 prompt)
+```python
+flux_prompt = """
+Rembrandt lighting on subject's face: 
+small triangle of light on shadow-side cheek, 
+key light camera-left high at 45°, 
+deep shadow on right side, 
+chiaroscuro mood, oil painting aesthetic, 
+photorealistic, 8K detail.
+"""
+```
+
+### Golden hour video (Sora 2)
+```python
+sora_prompt = {
+    "shot": "tracking shot through wheat field",
+    "lighting": "golden hour, sun low at 15° angle camera-back-left, "
+                "warm 2800K, long shadows, lens flare",
+    "composition": "rule of thirds, horizon on lower third, "
+                   "leading lines from wheat rows toward subject",
+    "camera": "Steadicam, 24fps, 35mm anamorphic, T2.0",
+    "duration_s": 8,
+}
+```
+
+### Composition checker (CV-based QA)
+```python
+import cv2
+import numpy as np
+
+def rule_of_thirds_score(img: np.ndarray) -> float:
+    """매 saliency map peak 매 third-line proximity."""
+    h, w = img.shape[:2]
+    saliency = cv2.saliency.StaticSaliencyFineGrained_create()
+    _, sal = saliency.computeSaliency(img)
+    peak_y, peak_x = np.unravel_index(sal.argmax(), sal.shape)
+    third_lines_x = [w/3, 2*w/3]
+    third_lines_y = [h/3, 2*h/3]
+    dx = min(abs(peak_x - tx) for tx in third_lines_x) / w
+    dy = min(abs(peak_y - ty) for ty in third_lines_y) / h
+    return 1.0 - min(dx, dy) * 2  # higher = better composition
+```
+
+### Color temp grading (Veo 3 prompt augmentation)
+```python
+def grade_prompt(base: str, mood: str) -> str:
+    grades = {
+        "warm_nostalgic": "teal-orange grade, warm midtones (3200K), cool shadows",
+        "cold_clinical": "desaturated blues, 6500K key, high-key flat lighting",
+        "noir": "high-contrast B&W, low-key, single hard source, 4:1 ratio",
+    }
+    return f"{base} | grade: {grades[mood]}"
+```
+
+## 매 결정 기준
+| Mood | Lighting | Composition |
+|---|---|---|
+| Heroic | Backlight rim + low-key fill | Low angle, centered |
+| Intimate | Soft key, high ratio | Close-up, off-center |
+| Tense | Hard side light, deep shadow | Dutch tilt, asymmetric |
+| Whimsical | Bright fill, warm tones | Wide, symmetrical |
+| Documentary | Available light | Eye-level, rule of thirds |
+
+**기본값**: 매 three-point + rule of thirds — 매 safe baseline.
+
+## 🔗 Graph
+- 부모: [[Cinematography]]
+
+## 🤖 LLM 활용
+**언제**: 매 image/video prompt engineering — 매 cinematographic vocabulary 매 quality lift 큼.
+**언제 X**: 매 abstract / non-representational generation — vocabulary 의 X.
+
+## ❌ 안티패턴
+- **Flat front lighting**: 매 amateur look — depth loss.
+- **Centered everything**: 매 visual boring.
+- **Mixed color temps unintentional**: 매 amateur giveaway.
+- **Over-prompting**: 매 50+ tokens 의 lighting → 매 model confusion.
+
+## 🧪 검증 / 중복
+- Verified (Brown *Cinematography*; Block *Visual Story*; FLUX 1.1 prompt guide; Sora 2 system card 2025).
+- 신뢰도 A.
+
+## 🕓 Changelog
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | Manual cleanup — lighting/composition vocabulary + 2026 generative AI prompts |

10_Wiki/Topics/Topic_Graphic/From_Other/스테이블 디퓨전 아티팩트 디버깅(Artifact Debugging).md

@@ -0,0 +1,33 @@
+---
+id: wiki-2026-0508-스테이블-디퓨전-아티팩트-디버깅-artifact-debug
+title: 스테이블 디퓨전 아티팩트 디버깅(Artifact Debugging)
+category: 10_Wiki/Topics
+status: duplicate
+canonical_id: stable-diffusion-artifact-debugging
+duplicate_of: "[[Stable Diffusion Artifact Debugging]]"
+aliases: []
+source_trust_level: A
+confidence_score: 0.9
+verification_status: redirected
+tags: [duplicate, stable-diffusion, image-gen, debugging]
+last_reinforced: 2026-05-10
+github_commit: pending
+---
+
+# 스테이블 디퓨전 아티팩트 디버깅(Artifact Debugging)
+
+> **이 문서는 [[Stable Diffusion Artifact Debugging]] 의 중복본입니다.** Canonical 문서로 redirect.
+
+## 핵심 요약 (Korean specialization)
+- 일반 artifact 유형: 손가락 변형, 얼굴 deformation, color bleeding, oversaturated, frequency artifacts.
+- 진단 워크플로우: seed 고정 → CFG 조정 → sampler 변경 → step 수 증가 → negative prompt 보강.
+- 2026 도구: SDXL Refiner, ControlNet 보정, Flux 의 ae.safetensors VAE 점검.
+
+## 🔗 Graph
+- 관련: [[Negative_Prompt]] · [[CFG_스케일_제어]]
+
+## 🕓 변경 이력
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | 중복 처리 — Stable Diffusion Artifact Debugging 로 redirect |

10_Wiki/Topics/Topic_Graphic/From_Thinking & Reasoning/위키 ComfyUI - 나무위키 2026-05-24.md

@@ -0,0 +1,72 @@
+---
+id: comfyui---나무위키
+title: "ComfyUI - 나무위키"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: []
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.8
+created_at: 2026-05-24
+updated_at: 2026-05-24
+review_reason: ""
+merge_history: []
+tags: ["web", "wikify"]
+raw_sources: ["https://namu.wiki/w/ComfyUI"]
+applied_in: []
+github_commit: ""
+---
+
+# [[ComfyUI - 나무위키]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+여러 확산 모델을 노드 방식으로 연결하여 유연하고 구체적인 결과물을 생성할 수 있는 오픈 소스 그래픽 사용자 인터페이스이다.
+
+## 🧠 핵심 개념 (Core concepts)
+*   [[ComfyUI]]
+*   확산 모델 (Diffusion Model)
+*   노드 방식 GUI (Node-based GUI)
+*   워크플로우 공유 (Workflow Sharing)
+
+## 🧩 추출된 패턴 (Extracted patterns)
+*   **기능적 우위:** 기존의 [[AUTOMATIC1111]]의 Web UI보다 속도가 빠르고 옵션 조합이 구체적이고 다양하다.
+*   **유연성:** 다양한 노드들을 조합하여 [[AUTOMATIC1111]]에서는 불가능한 유연한 작업이 가능하다.
+*   **워크플로우 공유:** 작업 흐름을 JSON 파일이나 이미지 파일로 세팅 수치값까지 그대로 공유할 수 있다.
+*   **확장성:** 기본 노드 외에 커스텀 노드를 다운로드하여 사용하거나 [[ComfyUI Manager]]를 통해 누락된 노드를 설치할 수 있다.
+
+## 📖 세부 내용 (Details)
+*   [[ComfyUI]]는 여러 가지 확산 모델을 통해 결과물을 생성하는 노드 방식의 오픈 소스 그래픽 사용자 인터페이스이다.
+*   **기존 UI와의 비교:** [[ComfyUI]]는 이전까지 가장 많이 사용되던 [[AUTOMATIC1111]]의 Web UI보다 속도가 빠르며, 훨씬 구체적이고 다양하게 옵션을 조합할 수 있다.
+*   **사용자층 증가 요인:** 다양한 노드들을 조합하여 Web UI에서는 불가능한 유연한 작업이 가능하기 때문에 출시 이후 빠르게 사용자층이 증가했다.
+*   **지원 모델:** [[Stable Diffusion]], [[FLUX]] 등 다양한 확산 모델을 지원한다.
+*   **학습 자료:** 한국어 강좌도 꽤 많은 편이다. (예: ComfyUI 사용법, ComfyUI 기초학개론)
+*   **워크플로우 관리:** 노드 기반 GUI이기 때문에 통합 메뉴 환경을 제공하는 기존 Web UI에 익숙한 사람들은 적응에 시간이 필요할 수 있다.
+*   **워크플로우 공유 방식:** 전체적인 작업 흐름을 커스텀하고 노드들을 연결하여 만든 워크플로는 JSON 파일이나 이미지 파일로 세팅 수치값까지 그대로 공유할 수 있다.
+*   **노드 확장:** 기본적으로 제공하는 노드 이외에도 커스텀 노드를 다운받아 사용할 수 있으며, 다른 사람의 워크플로우를 불러오면 설치되어 있지 않은 누락된 노드들을 [[ComfyUI Manager]]를 통해 받아서 사용할 수 있다.
+*   **하드웨어 지원:** [[NVIDIA CUDA]], [[AMD ROCm]], 그리고 CPU 실행을 공식적으로 지원한다. 인텔 Arc GPU도 깃허브에서 포터블 버전을 공식적으로 지원한다.
+*   **업계 동향:** 2025년 기준으로, Web UI에서 제공되는 확장 기능들은 거의 모두 [[ComfyUI]]로 이식되었다.
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+본문에서 확인되지 않음.
+
+## 🛠️ 적용 사례 (Applied in summary)
+*   **모델 지원:** [[Stable Diffusion]], [[FLUX]] 등 다양한 확산 모델을 활용하여 결과물을 생성한다.
+*   **하드웨어 포괄성:** [[NVIDIA CUDA]], [[AMD ROCm]], CPU는 물론 인텔 Arc GPU까지 공식적으로 지원한다.
+*   **커스터마이징:** 노드 기반 구조를 통해 사용자가 전체 작업 흐름을 커스텀하고, 이를 JSON 파일 등으로 공유하여 재현성을 확보한다.
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual
+- **출처 신뢰도:** B (Primary Source — 웹사이트 본문 직접 추출)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+*   [[Stable Diffusion]]: 확산 모델 중 ComfyUI가 지원하는 주요 모델이다.
+*   [[AUTOMATIC1111]]: [[ComfyUI]]와 비교되는 기존의 주요 Web UI이다.
+*   [[FLUX]]: [[ComfyUI]]가 지원하는 다른 확산 모델 중 하나이다.
+*   [[ComfyUI Manager]]: 누락된 노드를 관리하고 설치하는 데 사용되는 도구이다.
+
+## 📝 변경 이력 (Change history)
+- 2026-05-24: Astra /wikify 로 https://namu.wiki/w/ComfyUI 본문에서 초안 생성.