ComfyUI con Docker y Conda: Crea entornos aislados y limpios

Si has pasado más de una semana instalando nodos personalizados en ComfyUI, es probable que te hayas encontrado con el temido “Dependency Hell”: un nodo requiere torch 2.1 y otro torch 2.4, y de repente, nada funciona. Instalar ComfyUI de forma “nativa” en tu sistema operativo es la forma más rápida de empezar, pero la más difícil de mantener.

En esta guía aprenderás a profesionalizar tu setup usando Docker y Conda, las dos herramientas estándar de la industria para crear entornos aislados y limpios. Si aún no tienes claro cómo funciona la base, echa un vistazo a nuestra guía de instalación en Windows.

⚡ ¿Por qué el aislamiento es vital en la IA?

Python es el lenguaje del caos por excelencia. Cada pack de nodos de ComfyUI (como Impact Pack o ControlNet Union) tiene sus propios requisitos de librerías. Al instalarlos todos en un solo entorno:

1. Conflictos de versiones: numpy, torch o xformers pueden entrar en conflicto.
2. Corrupción del sistema: Un pip install mal ejecutado puede romper librerías globales de tu Linux o Windows.
3. Dificultad de portabilidad: Si cambias de PC o quieres usar un servidor en la nube, replicar tu entorno actual es una pesadilla de horas.

⚡ Opción A: Aislamiento con Conda (Miniconda)

Conda es un gestor de entornos que permite crear “burbujas” de Python independientes. Es la opción recomendada para la mayoría de usuarios que quieren algo rápido y potente en local.

⚡ 1. Instalación de Miniconda

Descarga e instala Miniconda desde la web oficial. Es la versión ligera de Anaconda. Una vez instalado, abre tu terminal y verifica:

conda --version

⚡ 2. Creación del entorno para ComfyUI

Crea un entorno específico llamado comfy-env con la versión de Python recomendada:

conda create -n comfy-env python=3.11 -y
conda activate comfy-env

⚡ 3. Instalación optimizada

Con el entorno activado, instala PyTorch con soporte CUDA (vital para GPUs NVIDIA):

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

Ahora puedes clonar ComfyUI e instalar sus dependencias sabiendo que nada de esto afectará a tu sistema principal. Si algo se rompe, simplemente borras el entorno y empiezas de nuevo en segundos: conda env remove -n comfy-env.

⚡ Opción B: Aislamiento total con Docker

Docker va un paso más allá. No solo aisla Python, sino todo el sistema operativo, las variables de entorno y los drivers de CUDA. Es la forma en que los profesionales desplegamos ComfyUI en servidores.

⚡ 1. Requisito crítico: Nvidia Container Toolkit

Para que Docker pueda “ver” tu GPU, necesitas instalar el kit de herramientas de NVIDIA en tu host (Linux o WSL2):

# Ejemplo en Ubuntu
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
# ... (sigue las instrucciones oficiales de NVIDIA)

⚡ 2. El Dockerfile de ComfyLab

Aquí tienes una receta de Docker optimizada para ComfyUI:

FROM nvidia/cuda:12.1.1-runtime-ubuntu22.04

WORKDIR /app

RUN apt-get update && apt-get install -y python3 python3-pip git
RUN git clone https://github.com/comfyanonymous/ComfyUI.git .
RUN pip install --no-cache-dir torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
RUN pip install -r requirements.txt

EXPOSE 8188
CMD ["python3", "main.py", "--listen", "0.0.0.0"]

⚡ 3. Orquestación con Docker Compose

La forma más limpia de gestionar volúmenes (para que tus modelos no se borren al cerrar el contenedor) es con docker-compose.yml:

services:
  comfylabs-ui:
    build: .
    container_name: comfylabs_container
    ports:
      - "8188:8188"
    volumes:
      - ./models:/app/models
      - ./output:/app/output
      - ./input:/app/input
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

Ejecuta docker-compose up -d y tendrás un servidor de ComfyUI profesional corriendo en segundo plano.

⚡ Comparativa: ¿Cuál elegir?

Para entender mejor cómo interactúan estos entornos con los nodos que vas a instalar, te recomendamos leer nuestra guía sobre nodos esenciales de ComfyUI.

⚡ Conclusión y Próximos Pasos

Dominar el entorno es tan importante como dominar los prompts. Un sistema limpio te permite probar modelos como Wan 2.1 o Flux.1 sin miedo a romper tu instalación base.

Si quieres llevar tu automatización al siguiente nivel una vez tengas tu entorno limpio, descubre cómo Claude Code puede orquestar tus Workflows.