Este servidor permite que los asistentes de IA compatibles (como Cursor o Claude Desktop) interactúen con archivos Jupyter Notebook (.ipynb) en su máquina local.
📋 Requisitos previos
Antes de comenzar, asegúrese de tener instalado lo siguiente:
- Python: versión 3.10 o superior.
uv
: El rápido instalador de paquetes de Python y administrador de entornos virtuales de Astral. Si no lo tiene, instálelo:- CLI
fastmcp
(opcional, parafastmcp install
de Claude Desktop): si planea utilizar el métodofastmcp install
para Claude Desktop, necesita tener el comandofastmcp
disponible.
🔧 Configuración
- Clonar el repositorio:
- Elija el método de configuración:
- Opción A: Configuración automatizada (recomendada) Ejecute el script apropiado para su sistema operativo desde el directorio raíz del proyecto (donde acaba de ingresar
cd
-ed).- macOS / Linux:
- Ventanas (PowerShell):GXP5 Estos scripts crearán el
.venv
, instalarán dependencias y generarán las rutas exactas necesarias para la configuración de su cliente MCP.
- macOS / Linux:
- Opción B: Configuración manual Siga estos pasos si prefiere el control manual o tiene problemas con los scripts.
- Crear y activar entorno virtual:(Debería ver
(.venv)
o algo similar al comienzo del indicador de shell) - Dependencias de instalación:
- Crear y activar entorno virtual:
- Opción A: Configuración automatizada (recomendada) Ejecute el script apropiado para su sistema operativo desde el directorio raíz del proyecto (donde acaba de ingresar
▶️ Ejecución del servidor
Asegúrese de que su entorno virtual ( .venv
) esté activado si utilizó la configuración manual.
Método 1: Ejecución directa (recomendado para cursores de uso general)
Este método utiliza uv run
para ejecutar el script del servidor directamente utilizando su entorno Python actual (que ahora debería tener las dependencias instaladas).
- Ejecutar el servidor:El servidor se iniciará e imprimirá mensajes de estado, incluido el directorio del espacio de trabajo (no inicializado).
- Configuración del cliente (
mcp.json
): Configure su cliente MCP (p. ej., Cursor) para conectarse. Cree o edite el archivo de configuración MCP del cliente (p. ej.,.cursor/mcp.json
en su espacio de trabajo).Plantilla (recomendada):¿Por qué la ruta completa a Python? Es posible que las aplicaciones GUI como Cursor no hereden el mismo entorno
PATH
que tu terminal. Especificar la ruta exacta al intérprete de Python dentro de tu.venv
garantiza que el servidor se ejecute con el entorno y las dependencias correctas. ⚠️ IMPORTANTE: Reemplaza las rutas de marcador de posición con las rutas absolutas reales de tu sistema.
Método 2: Integración de escritorio de Claude ( fastmcp install
)
Este método utiliza la herramienta fastmcp
para crear un entorno aislado y dedicado para el servidor y registrarlo en Claude Desktop. Generalmente, no es necesario activar manualmente el .venv
, ya que fastmcp install
gestiona la creación del entorno.
- Instalar el servidor para Claude:
fastmcp install
utilizauv
detrás de escena para crear el entorno e instalar dependencias desderequirements.txt
.- El servidor aparecerá ahora en la configuración de desarrollador de Claude Desktop y podrá habilitarse desde allí. Generalmente, no es necesario editar manualmente
claude_desktop_config.json
al usarfastmcp install
.
📘 Uso
Concepto clave: Inicialización del espacio de trabajo
Independientemente de cómo ejecute el servidor, la primera acción que debe realizar su asistente de IA es inicializar el espacio de trabajo. Esto le indica al servidor dónde se encuentran los archivos de su proyecto y los cuadernos.
⚠️ Debe proporcionar la ruta absoluta completa al directorio que contiene sus notebooks. No se aceptan rutas relativas ni rutas como
.
El servidor confirmará la ruta y listará los notebooks que encuentre.
Operaciones principales
Una vez inicializado el espacio de trabajo, puedes utilizar las herramientas disponibles:
🛠️ Herramientas disponibles
Herramienta | Descripción |
---|---|
initialize_workspace | PRIMER PASO OBLIGATORIO. Establece la ruta absoluta del espacio de trabajo. |
list_notebooks | Enumera todos los archivos .ipynb encontrados dentro del directorio del espacio de trabajo. |
create_notebook | Crea un cuaderno Jupyter nuevo y vacío si no existe. |
read_notebook | Lee toda la estructura y el contenido de un cuaderno. |
read_cell | Lee el contenido y los metadatos de una celda específica por índice. |
edit_cell | Modifica el contenido de origen de una celda existente por índice. |
add_cell | Agrega un nuevo código o celda de rebajas en un índice específico o al final. |
read_notebook_outputs | Lee todas las salidas de todas las celdas de código en un cuaderno. |
read_cell_output | Lee las salidas de una celda de código específica por índice. |
🧪 Desarrollo y depuración
Si necesita depurar el servidor en sí:
- Ejecutar directamente: use
uv run python server.py
y observe la salida del terminal en busca de errores o declaraciones de impresión. - Modo de desarrollo FastMCP: para pruebas interactivas con el inspector MCP:
📄 Licencia
Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.
This server cannot be installed
local-only server
The server can only run on the client's local machine because it depends on local resources.
Cuaderno de Python mcp
Related MCP Servers
- -securityFlicense-qualityThis is an MCP server that facilitates building tools for interacting with various APIs and workflows, supporting Python-based development with potential for customizable prompts and user configurations.Last updated -Python
- -securityFlicense-qualityA Python MCP server for invoice and receipt processing that uses OCR technology to extract data from PDFs and images, offering AI assistants the ability to process, extract text from, and merge invoice documents.Last updated -Python
- -security-license-qualityAlchemy MCP ServerLast updated -14TypeScriptMIT License
- PythonApache 2.0