jupyter-mcp
Jupyter AI MCP für Codex
Reproduzierbares Projekt zum Ausführen von JupyterLab und zum Bereitstellen seiner Werkzeuge für Codex über MCP. Die Python-Abhängigkeiten werden ausschließlich von uv verwaltet.
Anforderungen
uvPython 3.10 oder höher (
uvkann es installieren)Codex Desktop, CLI oder Erweiterung für VS Code
Docker Desktop, nur wenn Sie die Ausführung im Container wählen
Related MCP server: jupyter-interactive-mcp
Empfohlene Ausführung unter WSL2
Ein Ordner, der sich beispielsweise unter D:\Projetos\jupyter-ai-mcp-codex befindet, erscheint in WSL2 als /mnt/d/Projetos/jupyter-ai-mcp-codex.
Nachdem Sie dieses Projekt auf das Laufwerk D: kopiert haben, öffnen Sie WSL2 und führen Sie Folgendes aus:
cd /mnt/d/Projetos/jupyter-ai-mcp-codex
bash scripts/start-local.shDas Skript verwendet ausschließlich relative Pfade zum Projekt selbst, führt uv sync --frozen auf Grundlage der uv.lock aus und erstellt ein neues lokales .venv. Kein Pfad von OneDrive oder vom ursprünglichen Benutzer wird in die Umgebung eingebettet.
Falls uv in der WSL2-Distribution noch nicht installiert ist, folgen Sie der offiziellen Installation von uv und führen Sie das Skript anschließend erneut aus.
Für eine bessere Leistung bei vielen kleinen Dateien ist das native Dateisystem von WSL2 in der Regel schneller als
/mnt/d. Die Nutzung aufD:bleibt gültig und ist geeignet, wenn die Priorität darin besteht, die Dateien für Windows sichtbar zu halten.
Lokale Ausführung unter Windows
Führen Sie in PowerShell innerhalb dieses Ordners Folgendes aus:
.\scripts\start-local.ps1Das Skript führt uv sync --frozen aus und startet:
JupyterLab:
http://127.0.0.1:8888MCP:
http://127.0.0.1:3001/mcp
Lassen Sie das Terminal geöffnet. Die URL von JupyterLab mit dem Zugriffstoken wird im Log angezeigt.
Ausführung mit Docker
.\scripts\start-docker.ps1Oder direkt:
docker compose up --buildDie Ports werden nur im Loopback der Maschine veröffentlicht. Die Notebooks werden persistent in notebooks/ innerhalb des Projektordners selbst gespeichert.
Zum Beenden:
docker compose downVerbindung mit Codex
Dieses Projekt enthält .codex/config.toml mit dem Server:
[mcp_servers.jupyter-mcp]
url = "http://127.0.0.1:3001/mcp"Öffnen Sie die auf dem Laufwerk D: befindliche Kopie als vertrauenswürdiges Projekt in Codex und starten Sie Codex neu, nachdem Sie JupyterLab gestartet haben. Die Konfiguration gilt nur für das Projekt; sie ändert nicht die globale Konfiguration unter ~/.codex/config.toml.
Wenn Codex unter Windows und Jupyter unter WSL2 läuft, testen Sie zuerst http://127.0.0.1:3001/mcp. Das WSL2-Skript lässt den MCP-Server innerhalb der Distribution auf 0.0.0.0 lauschen, und die localhost-Weiterleitung von WSL2 macht den Port normalerweise unter Windows erreichbar. Die mitgelieferte Konfiguration verwendet diese Adresse bereits. Veröffentlichen Sie Port 3001 nicht im Router und öffnen Sie keine weitgefasste Regel in der Windows-Firewall.
Überprüfung
Prüfen Sie, ob der MCP-Server lauscht:
Test-NetConnection 127.0.0.1 -Port 3001Das erwartete Ergebnis ist TcpTestSucceeded : True. Bitten Sie dann in Codex darum, notebooks/verificacao.ipynb mithilfe der Werkzeuge des Jupyter MCP zu lesen oder auszuführen.
Unter WSL2 lautet die entsprechende Überprüfung:
curl --silent --output /dev/null --write-out '%{http_code}\n' \
http://127.0.0.1:3001/mcpDer MCP-Endpunkt kann antworten, dass eine gültige MCP-Anfrage erforderlich ist; das bestätigt dennoch, dass der HTTP-Server erreichbar ist. Die Jupyter-Logs sollten MCP server started on port 3001 anzeigen.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Related MCP Connectors
Enable secure connectivity between Sentry issues and debugging data, and LLM clients, using a Model Context Protocol (MCP) server.
Connect ChatGPT and Claude to your Mac, Windows or Linux with secure MCP remote access.
Connect AI clients to your Dactic work context through a hosted MCP service.
Use a person's computer after they approve it there: files, Terminal, browser, local MCP.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceConnects Codex to the FoggyKitchen MCP endpoint, enabling use of FoggyKitchen tools within Codex.MIT
- AlicenseNot gradedqualityDmaintenanceAn MCP server that gives any MCP-compatible LLM client full control over a live JupyterLab instance.MIT
- AlicenseNot gradedqualityCmaintenanceEnables ChatGPT and Claude to securely connect to existing Codex sessions across local and remote development hosts via a self-hosted MCP gateway.Apache 2.0
- FlicenseNot gradedqualityCmaintenanceEnables Claude Code to use remote MCP servers already authenticated in Codex by reusing Codex OAuth tokens and forwarding JSON-RPC messages without requiring a second OAuth flow.-