SEC.01

Le playbook

Le run démarre en lecture seule : les sondes de reconnaissance décident de la suite. Les étapes qui suivent sont adaptées à la distribution et à l'état trouvés — une vraie machine est rarement propre.

1. 01recondistro, version et gestionnaire de paquets (apt ou dnf)
2. 02reconGPU NVIDIA présent avec pilote fonctionnel (nom, VRAM, version pilote) ? sinon : GPU sans pilote, ou aucun GPU (mode CPU)
3. 03reconPython ≥ 3.10 (3.12/3.13 conseillés) et git disponibles ?
4. 04reconComfyUI déjà installé (dossier, service ou conteneur) ? sain → vérifier et sauter ; ne jamais effacer les modèles
5. 05reconport 8188 libre ?
6. 06reconRAM ≥ 8 Go (16 Go conseillés), disque ≥ 20 Go (PyTorch + modèles de 2 à 7 Go chacun)
7. 07agirInstaller git, Python et venvvérif
8. 08agirCréer l’utilisateur dédié comfyuivérif
9. 09agirCloner ComfyUIvérif
10. 10agirCréer le venv et installer PyTorch (CUDA si GPU, sinon CPU)vérif
11. 11agirInstaller les dépendances ComfyUIvérif
12. 12agirService systemd comfyui (127.0.0.1:8188)vérif
13. 13agirRépond en HTTPvérif

SEC.02

Ce qu'elle vérifie

Chaque étape embarque sa propre vérification. Le run ne continue que si elle passe, donc ce que la recette annonce comme fait est ce qui est réellement sur le serveur.

1. 01vérifInstaller git, Python et venvVérifié parpython3 -m venv --help >/dev/null && git --versionattendu : git version …
2. 02vérifCréer l’utilisateur dédié comfyuiVérifié parstat -c '%U' /opt/comfyuiattendu : comfyui
3. 03vérifCloner ComfyUIVérifié partest -f /opt/comfyui/app/main.py && echo okattendu : ok
4. 04vérifCréer le venv et installer PyTorch (CUDA si GPU, sinon CPU)Vérifié par/opt/comfyui/venv/bin/python -c "import torch; print(torch.__version__, torch.cuda.is_available())"attendu : <version> True avec GPU, <version>+cpu False sans GPU
5. 05vérifInstaller les dépendances ComfyUIVérifié par/opt/comfyui/venv/bin/pip checkattendu : No broken requirements found.
6. 06vérifService systemd comfyui (127.0.0.1:8188)Vérifié parsystemctl is-active comfyuiattendu : active
7. 07vérifRépond en HTTPVérifié partimeout 180 bash -c 'until curl -sf -o /dev/null http://127.0.0.1:8188/; do sleep 5; done'; curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:8188/attendu : 200

SEC.03

Les garde-fous

Les consignes non négociables que le run doit respecter, quoi qu'il trouve sur le serveur.

SEC.04

Comment une recette s'exécute dans Servor

Servor est zero-knowledge : la plateforme ne peut rien exécuter seule. Quand vous lancez cette recette, un run lit la reconnaissance, planifie les étapes et demande votre validation. Chaque commande approuvée est signée par votre navigateur — avec une clé que le serveur ne voit jamais — puis relayée telle quelle à l'agent, qui vérifie la signature localement avant d'exécuter.

SEC.05

Bouton Deploy on Servor

Vous maintenez ComfyUI (Stable Diffusion) ou un projet qui en dépend ? Ajoutez ce bouton à votre README ou à votre site : en un clic, vos utilisateurs l'installent sur leur propre serveur.

SEC.06

D'autres recettes ia / ml

1. 01OllamaOllama pour faire tourner des LLM locaux (GPU NVIDIA si présent, sinon CPU), API sur 127.0.0.1, pull d’un modèle optionnel.
2. 02JupyterLabJupyterLab via Docker, sur 127.0.0.1 avec un token d’accès généré (accès par tunnel SSH).
3. 03Open WebUIInterface web pour LLM (Ollama) Open WebUI via Docker, sur 127.0.0.1, branchée sur l’Ollama local.
4. 04Pilotes NVIDIA + CUDAPilote NVIDIA, toolkit CUDA et Container Toolkit Docker depuis les dépôts officiels. Destructif : modules noyau, redémarrage probable.
5. 05Serveur d’inférence vLLMvLLM pour servir un LLM en API OpenAI-compatible sur 127.0.0.1, protégée par une clé générée. GPU NVIDIA requis.