🪐🔧 Jupyter MCP Server

AIがJupyterノートブックに接続し、リアルタイムで管理するためのMCPサーバー

開発元: Datalayer

📖 目次

• 主な機能

• MCPの概要

• はじめに

• ベストプラクティス

• 貢献

• リソース

Related MCP server: Code Summarizer MCP

🚀 主な機能

• ⚡ リアルタイム制御: ノートブックの変更を発生した瞬間に確認できます。

• 🔁 スマート実行: セル出力のフィードバックにより、セル実行失敗時に自動的に調整します。

• 🧠 コンテキスト認識: ノートブック全体のコンテキストを理解し、より関連性の高い対話を実現します。

• 📊 マルチモーダルサポート: 画像、プロット、テキストなど、さまざまな出力タイプをサポートします。

• 📚 マルチノートブックサポート: 複数のノートブックをシームレスに切り替えられます。

• 🎨 JupyterLab統合: ノートブックの自動オープンなど、UI統合が強化されています。

• 🤝 MCP互換: Claude Desktop、Cursor、Windsurfなど、あらゆるMCPクライアントで動作します。

• 🔍 可観測性: OpenTelemetry統合を備えた組み込みフックシステムにより、ツール呼び出しやカーネル実行のトレースが可能です。

あらゆるJupyterデプロイメント（ローカル、JupyterHubなど）およびDatalayerホスト型ノートブックと互換性があります。

🔧 MCPの概要

🔧 ツールの概要

サーバーは、Jupyterノートブックと対話するための豊富なツールセットを提供しており、以下のように分類されています。 各ツールの詳細、パラメータ、戻り値については、公式ツールドキュメントを参照してください。

サーバー管理ツール

マルチノートブック管理ツール

セル操作および実行ツール

JupyterLab統合

JupyterLabモードが有効な場合のみ利用可能です。デフォルトで有効になっています。

JupyterLabモードで実行する場合、Jupyter MCP Serverはjupyter-mcp-toolsと統合され、追加のJupyterLabコマンドをMCPツールとして公開します。デフォルトでは、以下のツールが有効になっています。

allowed_jupyter_mcp_tools設定パラメータを使用して、jupyter-mcp-toolsからどのツールを利用可能にするかをカスタマイズできるようになりました。これにより、追加のノートブック操作、コンソールコマンド、ファイル管理ツールなどを有効にできます。

# Example: Enable additional tools via command-line
jupyter lab --port 4040 --IdentityProvider.token MY_TOKEN --JupyterMCPServerExtensionApp.allowed_jupyter_mcp_tools="notebook_run-all-cells,notebook_get-selected-cell,notebook_append-execute,console_create"

利用可能なツールの完全なリストと詳細な設定手順については、追加ツールドキュメントを参照してください。

📝 プロンプトの概要

サーバーはMCPのプロンプト機能もサポートしており、ユーザーがJupyterノートブックと簡単にやり取りできるようにしています。

各プロンプトの詳細、入力パラメータ、戻り値の内容については、公式プロンプトドキュメントを参照してください。

🏁 はじめに

Streamable HTTPトランスポート、Jupyterサーバー拡張機能としての実行、高度な設定を含む包括的なセットアップ手順については、当社のドキュメントをご覧ください。または、JupyterLabとSTDIOトランスポートを使用して、以下からすぐに開始できます。

1. 環境のセットアップ

pip install jupyterlab==4.4.1 jupyter-collaboration==4.0.2 jupyter-mcp-tools>=0.1.4 ipykernel
pip uninstall -y pycrdt datalayer_pycrdt
pip install datalayer_pycrdt==0.12.17

2. JupyterLabの起動

# Start JupyterLab on port 8888, allowing access from any IP and setting a token
jupyter lab --port 8888 --IdentityProvider.token MY_TOKEN --ip 0.0.0.0

3. 推奨されるMCPクライアントの設定

次に、サーバーに接続するようにMCPクライアントを設定します。主に2つの方法を提供しています。ニーズに最も適したものを選んでください:

• 📦 uvxを使用（クイックスタートに推奨）: uvを使用した軽量で高速な方法。ローカル開発や初めてのユーザーに最適です。

• 🐳 Dockerを使用（本番環境に推奨）: 一貫した分離された環境を保証するコンテナ化されたアプローチで、本番環境や複雑なセットアップに最適です。

まず、uvをインストールします:

pip install uv
uv --version
# should be 0.6.14 or higher

uvのインストールの詳細を参照してください。

次に、クライアントを設定します:

{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": ["jupyter-mcp-server@latest"],
      "env": {
        "JUPYTER_URL": "http://localhost:8888",
        "JUPYTER_TOKEN": "MY_TOKEN",
        "ALLOW_IMG_OUTPUT": "true"
      }
    }
  }
}

macOSおよびWindowsの場合:

{
  "mcpServers": {
    "jupyter": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "JUPYTER_URL",
        "-e", "JUPYTER_TOKEN",
        "-e", "ALLOW_IMG_OUTPUT",
        "datalayer/jupyter-mcp-server:latest"
      ],
      "env": {
        "JUPYTER_URL": "http://host.docker.internal:8888",
        "JUPYTER_TOKEN": "MY_TOKEN",
        "ALLOW_IMG_OUTPUT": "true"
      }
    }
  }
}

Linuxの場合:

{
  "mcpServers": {
    "jupyter": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "JUPYTER_URL",
        "-e", "JUPYTER_TOKEN",
        "-e", "ALLOW_IMG_OUTPUT",
        "--network=host",
        "datalayer/jupyter-mcp-server:latest"
      ],
      "env": {
        "JUPYTER_URL": "http://localhost:8888",
        "JUPYTER_TOKEN": "MY_TOKEN",
        "ALLOW_IMG_OUTPUT": "true"
      }
    }
  }
}

Claude Desktop、VS Code、Cursor、Cline、Windsurfなど、さまざまなMCPクライアントの設定に関する詳細な手順については、クライアントドキュメントを参照してください。

✅ ベストプラクティス

• 高度なマルチモーダル理解機能を最大限に活用するために、マルチモーダル入力（Gemini 2.5 Proなど）をサポートするLLMと対話してください。

• 画像データの返却をサポートし、それを解析できるMCPクライアント（Cursor、Gemini CLIなど）を使用してください。一部のクライアントはこの機能をサポートしていない場合があります。

• 複雑なタスク（データサイエンスのワークフロー全体など）を複数のサブタスク（データクリーニング、特徴量エンジニアリング、モデルトレーニング、モデル評価など）に分解し、ステップバイステップで実行してください。

• 明確に構造化されたプロンプトとルールを提供してください（👉 プロンプトテンプレートにアクセスして開始してください）

• 可能な限り多くのコンテキスト（インストール済みのパッケージ、既存データセットのフィールド説明、現在の作業ディレクトリ、詳細なタスク要件など）を提供してください。

🤝 貢献

あらゆる種類の貢献を歓迎します！以下はその例です:

• 🐛 バグ修正

• 📝 既存機能の改善

• 🔧 新機能の開発

• 📚 ドキュメントの改善とプロンプトテンプレート

開発を開始し、貢献を提出する方法の詳細な手順については、貢献ガイドを参照してください。

コントリビューター

📚 リソース

Jupyter MCP Serverに関するブログ記事、動画、その他の資料をお探しですか？

👉 ドキュメントのリソースセクションにアクセスして詳細をご覧ください！