Wat doet de “JupyterMCP” MCP Server?

JupyterMCP is een Model Context Protocol (MCP) server die is ontworpen om Jupyter Notebook (alleen versie 6.x) te verbinden met AI-assistenten zoals Claude AI. Via een WebSocket-server kunnen AI-modellen direct interageren met en controle krijgen over Jupyter Notebooks. Dit maakt AI-ondersteunde code-uitvoering, data-analyse, celbeheer in notebooks en output-ophaling mogelijk. Door de kernfuncties van Jupyter Notebook als MCP-tools en -resources aan te bieden, stelt de server ontwikkelaars in staat workflows te automatiseren, notebookinhoud te manipuleren en data science-taken te stroomlijnen – allemaal vanuit hun AI-assistent of MCP-compatibele client. JupyterMCP is ideaal voor iedereen die de flexibiliteit van Jupyter Notebooks wil combineren met de intelligentie van LLM’s, wat zorgt voor een meer interactieve en productieve ontwikkelomgeving.

Lijst van Prompts

Er worden geen prompt-templates genoemd in de repository-documentatie of code.

Lijst van Resources

Er worden geen expliciete MCP-resources beschreven in de documentatie of code.

Lijst van Tools

De volgende tools worden beschreven in de README en zijn aanwezig op de server:

• Celmanipulatie: Mogelijkheid om cellen in te voegen, uit te voeren en te beheren in notebooks.
• Notebookbeheer: Notebooks opslaan en notebookinformatie ophalen.
• Celuitvoering: Specifieke cellen uitvoeren of alle cellen in een notebook uitvoeren.
• Output-ophaling: Output uit uitgevoerde cellen ophalen met opties voor tekstlimiet.

Gebruikssituaties van deze MCP Server

• AI-ondersteunde code-uitvoering: Ontwikkelaars kunnen hun AI-assistent vragen code-cellen of hele Jupyter Notebooks direct uit te voeren, waardoor iteraties worden versneld en handmatig werk verminderd.
• Notebookbeheer: Sla eenvoudig notebooks op, hernoem ze of haal metadata van notebooks op via natuurlijke taalopdrachten aan een AI-agent.
• Celmanipulatie en analyse: Voeg nieuwe cellen toe, wijzig bestaande of organiseer code-/datacellen voor experimenten, allemaal aangestuurd door de LLM.
• Geautomatiseerde data-analyse en visualisatie: De AI kan analyse- of visualisatiecellen uitvoeren, outputs ophalen en zelfs nieuwe analysecodes toevoegen op basis van gebruikersprompts.
• Educatieve en onboarding-workflows: Docenten of leerlingen kunnen via conversatie notebooks bedienen, AI vragen om concepten te demonstreren of codefragmenten uit te voeren.

Hoe stel je het in

Windsurf

Er zijn geen installatie-instructies voor Windsurf beschikbaar.

Claude

1. Vereisten: Installeer Python 3.12+, uv package manager en de Claude AI desktop-app.
2. Clone repository:

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

3. Installeer Jupyter kernel:

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

4. Bewerk Claude-configuratie: Ga naar Claude > Settings > Developer > Edit Config > claude_desktop_config.json en voeg toe:

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

   (Vervang /ABSOLUTE/PATH/TO/ door je lokale pad.)
5. Herstart Claude: Sluit en open de Claude desktop-app opnieuw om de MCP-server te activeren.
6. (Optioneel) Installeer extra Python-pakketten indien nodig.

Beveiligen van API-sleutels

Er zijn geen API-sleutels vereist of genoemd bij de installatie.

Cursor

Er zijn geen installatie-instructies voor Cursor beschikbaar.

Cline

Er zijn geen installatie-instructies voor Cline beschikbaar.

Hoe gebruik je deze MCP binnen flows

MCP gebruiken in FlowHunt

Om MCP-servers in je FlowHunt-workflow te integreren, voeg je het MCP-component toe aan je flow en verbind je het met je AI-agent:

Klik op het MCP-component om het configuratievenster te openen. Voeg in het systeem-MCP-configuratiegedeelte je MCP-serverdetails toe in het volgende JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP nu als tool gebruiken met toegang tot alle functies en mogelijkheden. Vergeet niet “MCP-naam” te vervangen door de daadwerkelijke naam van je MCP-server (bijv. “github-mcp”, “weather-api”, enz.) en de URL door je eigen MCP-server URL.

Overzicht

Onze mening

JupyterMCP biedt een gerichte integratie voor het aansturen van Jupyter Notebook via MCP, met goede documentatie voor Claude, maar mist bredere platforminstructies en standaardisatie van resources/prompts. De toolset is praktisch voor notebookautomatisering, maar het ontbreken van expliciete resource-/promptondersteuning en generalisatie naar andere clients beperkt het algemene nut. Op basis van de tabellen geven we deze MCP een 5/10 voor functionaliteit en documentatie.

MCP Score