はじめに：ロードマップの確認
本記事は、筆者が取り組んでいる「画像生成AI開発ロードマップ」の 第1段階（Phase 1） にあたる実践編である。
全体の構想や技術選定の背景については、前回のロードマップ記事を参照してほしい。
背景：現場の「あるある」と課題への共感
最新の画像生成AIを自宅で動かそうとすると、まず 「ハードウェアの壁」 に突き当たる。
- RTX 4090クラスのGPU搭載PCは、30万円を超える投資が必要
- 騒音や電気代も無視できない
この高すぎるハードルを前に、月額わずか8ドルの定額制で強力なGPUを使える Paperspace Gradient のようなクラウドサービスは、まさに救世主と言える。
しかし、いざクラウドを使い始めると次に直面するのが 「Webエディタの使いにくさ」 である。
- ブラウザ上のエディタは反応が鈍い
- 使い慣れたショートカットや拡張機能が使えない
- Paperspace Gradient環境では標準的なSSH接続が制限され、一般的なリモート開発がそのまま通用しない
結局、不便なWebエディタを我慢して使うか、中身のよく分からない先駆者達の成果（コンテナイメージ）をデプロイして、後からの拡張性に苦しむ……。
本記事では、そんな妥協を排し、使い慣れたローカルエディタからリモートGPUを自在に操るための、スクラッチ構築手順を提示する。
今回の目標：ローカル操作とリモート計算のハイブリッド環境
今回の目標は、メーカー公式の土台から自分自身で環境を組み立て、
- 操作：手元のローカルエディタ（VS Code / Cursor）
- 計算：クラウドGPU
という切り分けを Remote Kernel 経由で実現するスクラッチ構築である。
本構築の最終目標（DoD）
- SSHが使えない制約下でも、ローカルのVS Code / Cursorからリモート環境を完全に制御できること
- 仮想環境（venv）により、システム側と分離された将来的に「壊れにくい」独立環境を維持すること
- 高い再現性を確保し、将来の独自ノード追加にも耐えうる拡張性の土台を築くこと
完成すると、手元のエディタで快適に操作しつつ、発行されたPublic URLを経由して外出先からスマホでもComfyUIによる画像生成が可能な、理想的な開発拠点が誕生する。
なぜ「先駆者達の成果」ではなく「スクラッチ構築」なのか
環境構築のアプローチについて、以下の3手法を比較検証した事実を示す。
| アプローチ | 構築速度 | 拡張性（独自ノードの追加） | 生成速度・効率 | データの保存性 |
|---|---|---|---|---|
| 標準テンプレート（旧式） | 最速 | 低（エラーで止まりやすい） | 劣悪（最新技術に未対応） | 良 |
| 先駆者達の成果 | 早い | 致命的（ビルドツール不足） | 設定者に依存 | 悪（保存先が競合する） |
| スクラッチ構築（本手法） | 短時間 | 最高（開発ツールを全内包） | 最高（最新の推論エンジン） | 完全互換 |
標準テンプレートの限界
構築は一瞬だが、中身が古いため 最新モデル（Flux.1等）が動かない、あるいは動いても 生成速度が極端に遅い という欠点がある。
先駆者達の成果の落とし穴
- Paperspace特有の保存領域（
/notebooks）と設定がぶつかり、データが消えるリスクがある - 軽量化のために開発ツールが削られていることが多く、後から高度な拡張（Insightface等）を入れる際にビルドエラーで詰むケースが多い
構築ステップ：最小構成セットアップスクリプト
Notebook作成時の設定
PaperspaceのNotebook作成時、以下を設定してマシンを起動する。
- Runtime：Start from Scratch
-
Container：
pytorch/pytorch:2.6.0-cuda12.4-cudnn9-devel
選定理由と注意点は以下の通り。
- ホストOS側のドライバ（v12040）に適合する CUDA 12.4 環境を正確に選択する
- CUDA 13などのより新しいバージョンを指定しても、ハードウェアドライバとの不一致により動作不可となるため注意
- 拡張機能のビルドに必要なコンパイラ群を内包した
devel版を必ず使用する
起動後：Jupyterセルに貼り付けて実行
ここで Pythonの仮想環境（venv）を挟むのは、クラウド側のシステム環境とComfyUIの依存関係を混ぜないことで、将来的なアップデートによる競合エラーを未然に防ぐためである。
# 1. ワークスペースの準備
%cd /notebooks
!git clone https://github.com/comfyanonymous/ComfyUI.git
%cd ComfyUI
# 2. 仮想環境（venv）の作成
# システム全体を汚さず、プロジェクト専用の依存関係を維持する
!python3 -m venv venv
# 3. 最新の推論エンジンを導入（A4000に最適化）
!./venv/bin/pip install --upgrade pip
!./venv/bin/pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
!./venv/bin/pip install -r requirements.txt
# 4. 管理機能（Manager）の導入
%cd custom_nodes
!git clone https://github.com/ltdrdata/ComfyUI-Manager.git
%cd ..
# 5. 起動とPublic URLの発行
import os
fqdn = os.environ.get("PAPERSPACE_FQDN", "localhost")
print(f"\nComfyUI Public URL: https://tensorboard-{fqdn}\n")
!./venv/bin/python main.py --listen 0.0.0.0 --port 6006
運用時の工夫と対策
理論通りに進めても、クラウド環境特有の挙動には対策が必要だ。
対策1：プラットフォーム制限（SSH非対応）への対応
- 課題：Paperspace Gradient環境では標準的なSSH接続が制限され、一般的なリモート開発手法が選択できない
- 対応：代替策として VS Codeの「Remote Kernel」 機能を活用する。Jupyterプロトコルを経由することで、手元のPCからクラウドの計算資源を叩く「分離運用」を実現する
対策2：外部アクセス経路の確保
- 課題：そのままでは外部のブラウザ（スマホ等）からコンテナ内にアクセスできない
- 対応：上記スクリプトの通り ポート6006 で起動する。システム側が標準で公開している通信経路（TensorBoard用プロキシ）を借りることで、特別なツールなしに外出先からのアクセスを実現する
まとめと次回のアクション
今回の記事で達成できたこと
- 開発拠点の明確化: Paperspace Gradient上に、ComfyUI専用の仮想環境（venv）付きスクラッチ環境を構築する具体的な手順を確立した
- 最新スタックへの対応: ホストドライバに整合するCUDA 12.4環境と、最新のTorch/cu124版を組み合わせることで、Flux系を含む最新モデル群を実用速度で動かせる土台を用意した
- 運用パターンの定義: SSH制限下でも、Remote KernelとTensorBoard経由のPublic URLを使って「ローカル編集 × リモート実行 × 外出先アクセス」ができる運用パターンを整理した
- ComfyUIトレーニング基盤の確立: 以上により、Phase 2 以降でGUIベースのComfyUIトレーニングを行うための「安定して再現可能な練習用拠点」が整った
次回までに実施するアクション（Phase 2 への橋渡し）
次回のPhase 2「GUI習得とAPI自動化」では、ComfyUIのノード操作やワークフローを使った 実践的なトレーニング に入る。そのために、読者が今回の記事を読み終えた段階で、少なくとも次の状態まで到達していることを目標とする。
- 記事内のスクリプトを自身のPaperspace環境で実行し、ComfyUIが安定して起動する状態にしておく
- 出力された「Public URL」をクリックし、スマホやPCのブラウザからComfyUIにアクセスできることを確認しておく
- 軽量モデル（SD v1.5等）でテスト生成を行い、「プロンプトを変えれば意図に応じて画像が変わる」ことを一度体験しておく
ここまで完了していれば、次回はGUI上でのノード接続・ワークフロー保存・API Format JSONの書き出しといった ComfyUI GUIトレーニング本編 に、迷いなく入っていける。