JupyterMCP MCPサーバー統合

「JupyterMCP」MCPサーバーは何をしますか？

JupyterMCPは、Jupyter Notebook（バージョン6.xのみ）とClaude AIなどのAIアシスタントを橋渡しするために設計されたModel Context Protocol（MCP）サーバーです。WebSocketベースのサーバーを通じて、JupyterMCPはAIモデルがJupyter Notebookと直接対話・制御できるようにします。これにより、AI支援によるコード実行、データ分析、ノートブックセルの管理、出力の取得が可能となります。Jupyter Notebookの主要機能をMCPツールやリソースとして公開することで、開発者はワークフローの自動化やノートブック内容の操作、データサイエンスタスクの効率化をAIアシスタントやMCP対応クライアントから実現できます。JupyterMCPは、Jupyter Notebookの柔軟性とLLMの知能を組み合わせ、よりインタラクティブで生産的な開発環境を求める方に最適です。

プロンプト一覧

リポジトリのドキュメントやコードにプロンプトテンプレートの記載はありません。

リソース一覧

ドキュメントやコードに明示的なMCPリソースの記載はありません。

ツール一覧

READMEで説明されており、サーバーで利用できるツールは以下の通りです：

• セル操作: ノートブックのセルの挿入・実行・管理が可能です。
• ノートブック管理: ノートブックの保存や情報取得ができます。
• セル実行: 特定セルまたはノートブック全体のセルを実行できます。
• 出力取得: 実行したセルの出力を、テキスト制限付きで取得できます。

このMCPサーバーのユースケース

• AI支援によるコード実行: 開発者はAIアシスタントにコードセルやノートブック全体の実行を依頼でき、反復や手作業を効率化できます。
• ノートブック管理: AIエージェントに自然言語で保存・リネーム・メタデータ取得などを依頼できます。
• セル操作・分析: 新規セルの挿入、既存セルの修正、コード/データセルの整理などもLLMによって自動化できます。
• 自動データ分析・可視化: AIが分析や可視化セルを実行し、出力を取得したり、ユーザープロンプトに応じて新たな分析コードを挿入したりできます。
• 教育・オンボーディングワークフロー: 講師や学習者が会話インターフェースを通じてノートブックとやり取りし、AIに概念実演やコードスニペットの実行を依頼できます。

セットアップ方法

Windsurf

Windsurfのセットアップ手順は提供されていません。

Claude

1. 前提条件: Python 3.12+、uvパッケージマネージャー、Claude AIデスクトップアプリをインストールします。
2. リポジトリをクローン:

   git clone https://github.com/jjsantos01/jupyter-notebook-mcp.git
   

3. Jupyterカーネルをインストール:

   uv run python -m ipykernel install --name jupyter-mcp
   

4. Claudeの設定を編集: Claude > Settings > Developer > Edit Config > claude_desktop_config.json へ進み、以下を追加します:

   {
     "mcpServers": {
       "jupyter": {
         "command": "uv",
         "args": [
           "--directory",
           "/ABSOLUTE/PATH/TO/PARENT/REPO/FOLDER/src",
           "run",
           "jupyter_mcp_server.py"
         ]
       }
     }
   }
   

   （/ABSOLUTE/PATH/TO/はご自身のローカルパスに置き換えてください。）
5. Claudeを再起動: Claudeデスクトップアプリを一度終了し、再度開きMCPサーバーを有効化します。
6. （任意）追加のPythonパッケージをインストールしてください。

APIキーのセキュリティ

APIキーは不要、またはセットアップで言及されていません。

Cursor

Cursorのセットアップ手順は提供されていません。

Cline

Clineのセットアップ手順は提供されていません。

Flow内でこのMCPを使う方法

FlowHuntでのMCP利用方法

FlowHuntワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開きます。システムのMCP設定セクションで、下記JSON形式でMCPサーバー情報を入力してください。

{
  "MCP-name": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定が完了すると、AIエージェントはこのMCPの全機能をツールとして利用できます。“MCP-name"はご自身のMCPサーバー名（例：“github-mcp”、“weather-api"など）に、URLも自身のMCPサーバーURLに置き換えてください。

オーバービュー

私たちの見解

JupyterMCPは、MCPを通じてJupyter Notebookを制御するための特化型統合であり、Claude向けのドキュメントは充実していますが、他のプラットフォーム向け手順やリソース／プロンプト標準化は不足しています。ノートブック自動化のための実用的なツールセットですが、明示的なリソース・プロンプト対応や他クライアントへの汎用性がない点が全体的な実用性を制限しています。表を元に、機能性とドキュメント面での評価は5/10と考えます。

MCPスコア