JupyterMCP MCP 서버 통합

“JupyterMCP” MCP 서버는 무엇을 하나요?

JupyterMCP는 Jupyter Notebook(6.x 버전만 지원)과 Claude AI 등 AI 어시스턴트를 연결하는 Model Context Protocol(MCP) 서버입니다. WebSocket 기반 서버를 통해 AI 모델이 Jupyter Notebook에 직접 접속해 제어할 수 있도록 하며, 이를 통해 AI 기반 코드 실행, 데이터 분석, 노트북 셀 관리, 출력값 조회 등이 가능합니다. Jupyter Notebook의 핵심 기능을 MCP 도구와 리소스로 노출하여 개발자가 워크플로우 자동화, 노트북 내용 조작, 데이터 사이언스 작업을 AI 어시스턴트나 MCP 호환 클라이언트에서 효율적으로 처리할 수 있도록 지원합니다. Jupyter Notebook의 유연성과 LLM의 지능을 결합해, 더욱 상호작용적이고 생산적인 개발 환경을 원하는 모든 이에게 적합합니다.

프롬프트 목록

저장소 문서나 코드에 프롬프트 템플릿이 언급되어 있지 않습니다.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

리소스 목록

문서나 코드에 명시적인 MCP 리소스가 설명되어 있지 않습니다.

도구 목록

README와 서버 코드에 다음과 같은 도구가 설명되어 있습니다:

• 셀 조작: 노트북 셀 삽입, 실행, 관리 등이 가능합니다.
• 노트북 관리: 노트북 저장, 노트북 정보 조회 기능을 제공합니다.
• 셀 실행: 특정 셀 또는 전체 셀을 실행할 수 있습니다.
• 출력값 조회: 실행된 셀의 출력값을 텍스트 제한 옵션과 함께 가져올 수 있습니다.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

이 MCP 서버의 주요 활용 사례

• AI 기반 코드 실행: 개발자는 AI 어시스턴트에게 코드 셀 또는 전체 Jupyter Notebook 실행을 요청할 수 있어 반복 작업이 빨라지고 수작업이 줄어듭니다.
• 노트북 관리: AI 에이전트에 자연어로 명령하여 노트북 저장, 이름 변경, 메타데이터 확인 등이 가능합니다.
• 셀 조작 및 분석: 새로운 셀 삽입, 기존 셀 수정, 코드/데이터 셀 정리 등 실험을 위한 셀 관리가 LLM에 의해 자동화됩니다.
• 데이터 분석 및 시각화 자동화: AI가 분석 또는 시각화 셀을 실행하고, 출력값을 조회하며, 사용자의 요청에 따라 새로운 분석 코드를 삽입할 수 있습니다.
• 교육 및 온보딩 워크플로우: 강사나 학습자가 AI와 대화하여 노트북을 조작하거나, 개념 시연, 코드 실행을 요청할 수 있습니다.

설치 방법

Windsurf

Windsurf 관련 설치 안내가 제공되지 않습니다.

Claude

1. 사전 준비: Python 3.12+, uv 패키지 매니저, Claude AI 데스크톱 앱을 설치합니다.
2. 저장소 클론:

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

3. Jupyter 커널 설치:

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

4. Claude 설정 파일 편집: Claude > Settings > Developer > Edit Config > claude_desktop_config.json으로 이동하여 아래 내용을 추가합니다:

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

   (/ABSOLUTE/PATH/TO/는 본인 환경에 맞는 경로로 바꿔주세요.)
5. Claude 재시작: Claude 데스크톱 앱을 종료 후 다시 열어 MCP 서버를 활성화합니다.
6. (선택) 추가 Python 패키지 설치: 필요한 경우 별도의 Python 패키지를 설치합니다.

API 키 보안

API 키가 필요하지 않으며, 별도 설정 안내가 없습니다.

Cursor

Cursor 관련 설치 안내가 제공되지 않습니다.

Cline

Cline 관련 설치 안내가 제공되지 않습니다.

이 MCP를 플로우에 적용하는 방법

FlowHunt 내 MCP 사용법

MCP 서버를 FlowHunt 워크플로우에 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정 부분에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력합니다:

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

설정을 마치면 AI 에이전트가 이 MCP의 모든 기능을 도구로 사용할 수 있습니다. “MCP-name"은 실제 MCP 서버 이름(예: “github-mcp”, “weather-api” 등)으로, URL은 자신의 MCP 서버 주소로 변경해 주세요.

요약

종합 의견

JupyterMCP는 Jupyter Notebook을 MCP로 제어할 수 있도록 특화된 통합을 제공하며, Claude에 대한 문서가 비교적 잘 정리되어 있습니다. 다만, 다양한 플랫폼 지원이나 리소스/프롬프트 표준화가 부족해 활용성이 다소 제한됩니다. 노트북 자동화에 실용적인 도구를 제공하지만, 명시적 리소스/프롬프트 지원과 타 클라이언트 일반화가 부족한 점은 아쉽습니다. 표를 종합하면 본 MCP의 기능성과 문서화 점수는 5/10입니다.

MCP 점수