🤖 Interface Gradio + Google Gemini

Chatbot Cloud avec Outils ComfyUI MCP

🆓 API Gratuite ☁️ Cloud ⚡ Très Rapide 🎯 Débutant

ℹ️Qu'est-ce que cette méthode ?

Cette interface utilise Google Gemini (IA cloud de Google) avec support MCP natif pour contrôler votre serveur ComfyUI local. Gemini appelle automatiquement les outils MCP sans code complexe.

Avantages : API gratuite (1500 req/jour), multimodal, automatic function calling, très performant

Inconvénients : Nécessite connexion Internet, API key Google requise

📋 Prérequis

✅ Python 3.8+ installé
✅ Serveur MCP ComfyUI configuré
✅ Connexion Internet stable
✅ Compte Google (gratuit)

🔑 Obtenir une Clé API Google Gemini (GRATUIT)

Étape 1 : Créer une Clé API

Allez sur Google AI Studio
Connectez-vous avec votre compte Google
Cliquez sur "Get API Key" dans le menu de gauche
Cliquez sur "Create API Key"
Sélectionnez votre projet Google Cloud (ou créez-en un)
Copiez la clé générée (format : AIzaSy...)

🎉API Gratuite !

Le tier gratuit de Google Gemini offre :

✅ 1500 requêtes par jour
✅ 15 requêtes par minute
✅ Accès aux modèles Gemini 2.5 Flash et Pro
✅ Support multimodal (texte, images, audio)
✅ Function calling illimité

Étape 2 : Configurer la Clé API

Sur Linux / macOS

# Ajouter à ~/.bashrc ou ~/.zshrc
export GEMINI_API_KEY="AIzaSy...votre-clé"

# Recharger la configuration
source ~/.bashrc  # ou ~/.zshrc

Sur Windows (PowerShell)

# Temporaire (session actuelle uniquement)
$env:GEMINI_API_KEY="AIzaSy...votre-clé"

# Permanent (système)
[System.Environment]::SetEnvironmentVariable('GEMINI_API_KEY', 'AIzaSy...votre-clé', 'User')

Via fichier .env (Recommandé)

# Dans le dossier clients/gradio_google/
# Créer un fichier .env

GEMINI_API_KEY=AIzaSy...votre-clé

⚠️ Sécurité : Ne jamais commiter votre clé API dans Git !

# Ajouter dans .gitignore
.env
*.key

🚀 Installation

Étape 1 : Installer le Serveur MCP

# Cloner le projet
git clone https://github.com/orion4d/ComfyUI_mcp.git
cd ComfyUI_mcp

# Créer l'environnement virtuel
python -m venv venv

# Activer l'environnement
# Windows :
venv\Scripts\activate
# macOS/Linux :
source venv/bin/activate

# Installer les dépendances
pip install -r requirements.txt

# Générer les clés de sécurité
python generate_key.py

Étape 2 : Installer l'Interface Gradio Google

# Aller dans le dossier de l'interface
cd clients/gradio_google

# Installer les dépendances spécifiques
pip install -r requirements.txt

✅ Packages installés :

gradio
google-genai (SDK officiel Gemini)
fastmcp (client MCP)
python-dotenv (pour .env)

Étape 3 : Configurer la Clé API

# Créer le fichier .env dans clients/gradio_google/
GEMINI_API_KEY=votre-clé-ici

▶️ Démarrage

Étape 1 : Démarrer le Serveur MCP

# Dans un terminal (à la racine du projet)
cd ComfyUI_mcp
python server.py

# Vous devriez voir :
# INFO:     Uvicorn running on http://127.0.0.1:8000

Étape 2 : Lancer l'Interface Gradio Google

# Dans un autre terminal
cd ComfyUI_mcp/clients/gradio_google
python app.py

# L'interface démarre sur :
# Running on local URL:  http://127.0.0.1:7860

✅Interface Prête !

Ouvrez votre navigateur : http://127.0.0.1:7860

L'interface se connecte automatiquement à Gemini et à votre serveur MCP.

💬 Utilisation

Fonctionnalités Uniques de Gemini

🤖 Automatic Function Calling

Gemini décide automatiquement quand utiliser les outils MCP. Pas besoin de dire "utilise l'outil X".

Vous : "Montre-moi mes workflows"
Gemini : [Appelle automatiquement list_workflows] "Voici vos workflows..."

🧠 Thinking Mode

Gemini 2.5 "réfléchit" avant d'agir, améliorant la précision des appels d'outils.

🔄 Compositional Calling

Gemini peut enchaîner plusieurs outils automatiquement.

Vous : "Crée un node qui traite les images puis queue un prompt avec"
Gemini : 
  1. [Appelle create_custom_node_template]
  2. [Appelle write_custom_node]
  3. [Appelle queue_prompt]

Exemples de Questions

"Liste tous mes workflows ComfyUI"
"Analyse le code de mon custom node 'mon_node.py'"
"Crée-moi un nouveau workflow pour de l'upscaling"
"Quelle est la dernière génération dans l'historique ?"
"Compare deux workflows et dis-moi les différences"

Mode Multimodal

Gemini peut analyser des images ! (fonctionnalité à implémenter dans l'interface)

Vous : [Upload une image] "Crée un workflow ComfyUI pour reproduire ce style"
Gemini : [Analyse l'image] [Utilise les outils MCP] "J'ai créé le workflow..."

⚙️ Configuration Avancée

Changer de Modèle Gemini

# Dans app.py (ligne ~14)
GEMINI_MODEL = "gemini-2.5-flash"  # Défaut (rapide, gratuit)

# Alternatives :
GEMINI_MODEL = "gemini-2.5-pro"    # Plus puissant, moins rapide
GEMINI_MODEL = "gemini-2.0-flash"  # Ancienne version

Modèle	Vitesse	Qualité	Quota Gratuit
`gemini-2.5-flash`	⚡⚡⚡⚡⚡	⭐⭐⭐⭐	1500/jour (Recommandé)
`gemini-2.5-pro`	⚡⚡⚡	⭐⭐⭐⭐⭐	50/jour
`gemini-2.0-flash`	⚡⚡⚡⚡	⭐⭐⭐	1500/jour

Contrôler l'Utilisation des Outils

# Dans app.py, ajouter dans la config :
config = types.GenerateContentConfig(
    temperature=0.7,
    tools=[mcp_client.session],
    tool_config=types.ToolConfig(
        function_calling_config=types.FunctionCallingConfig(
            mode="AUTO"  # "AUTO", "ANY", ou "NONE"
        )
    )
)

AUTO : Gemini décide (défaut, recommandé)
ANY : Force l'utilisation d'un outil
NONE : Désactive temporairement les outils

Limiter les Outils Disponibles

# Autoriser uniquement certains outils
tool_config=types.ToolConfig(
    function_calling_config=types.FunctionCallingConfig(
        mode="AUTO",
        allowed_function_names=[
            "list_workflows",
            "queue_prompt",
            "get_history"
        ]
    )
)

❓ Dépannage

❌ Erreur : "Invalid API Key"

Problème : Clé API incorrecte ou non configurée

Solutions :

Vérifier que la clé dans .env est correcte (format : AIzaSy...)

Tester la clé manuellement :

curl "https://generativelanguage.googleapis.com/v1beta/models?key=VOTRE_CLE"

Régénérer une nouvelle clé sur AI Studio

❌ Erreur : "Quota exceeded"

Problème : Limite de 1500 requêtes/jour atteinte

Solutions :

Attendre 24h pour reset
Utiliser une autre clé API (compte Google différent)
Passer à l'offre payante (très peu cher)

❌ Les outils MCP ne sont pas détectés

Problème : Serveur MCP non accessible

Solutions :

Vérifier que le serveur MCP tourne : python server.py
Tester l'endpoint : curl http://127.0.0.1:8000/debug/health
Vérifier l'URL dans app.py (ligne 15)

❌ Erreur : "Connection timeout"

Problème : Connexion Internet instable

Solutions :

Vérifier votre connexion Internet
Essayer un autre réseau
Augmenter le timeout dans le code

💰 Tarification Google Gemini

Tier Gratuit (données indicatives susceptibles de changements)

Limite	Gemini 2.5 Flash	Gemini 2.5 Pro
Requêtes par jour	1500	50
Requêtes par minute	15	2
Tokens par minute	1 million	32 000

Tier Payant (données indicatives susceptibles de changements)

Si vous dépassez les quotas gratuits :

Gemini 2.5 Flash : $0.075 / million de tokens input, $0.30 / million output
Gemini 2.5 Pro : $1.25 / million tokens input, $5.00 / million output

💡 En pratique : ~0.01€ pour 100 conversations avec outils MCP

🆚 Gemini vs Ollama

Critère	Gemini (Google)	Ollama (Local)
Coût	🟢 Gratuit (1500/jour)	🟢 100% Gratuit
Vitesse	🟢 Très rapide (cloud)	🟡 Dépend du GPU/CPU
Qualité	🟢 Excellente	🟡 Bonne (varie selon modèle)
Function Calling	🟢 Automatique et précis	🟡 Nécessite bon modèle
Confidentialité	🔴 Données envoyées à Google	🟢 100% privé
Internet	🔴 Requis	🟢 Fonctionne hors ligne
Multimodal	🟢 Images, audio, vidéo	🟡 Selon modèle (llama3.2-vision)