Integrácia JupyterMCP MCP Servera

Čo robí MCP Server „JupyterMCP“?

JupyterMCP je server Model Context Protocol (MCP) navrhnutý na prepojenie Jupyter Notebooku (iba verzia 6.x) s AI asistentmi, ako je Claude AI. Prostredníctvom servera založeného na WebSocket umožňuje JupyterMCP AI modelom priamo interagovať a ovládať Jupyter Notebooky. Toto umožňuje AI-asistované spúšťanie kódu, analýzu dát, správu buniek notebooku a získavanie výstupov. Exponovaním základných funkcií Jupyter Notebooku ako MCP nástrojov a zdrojov server poskytuje vývojárom možnosť automatizovať workflowy, manipulovať s obsahom notebooku a zjednodušiť úlohy dátovej vedy – všetko priamo z AI asistenta alebo MCP-kompatibilného klienta. JupyterMCP je ideálny pre každého, kto chce skombinovať flexibilitu Jupyter Notebookov s inteligenciou LLM, čím podporuje interaktívnejšie a produktívnejšie vývojové prostredie.

Zoznam promptov

V repozitári ani v dokumentácii nie sú uvedené žiadne šablóny promptov.

Zoznam zdrojov

V dokumentácii ani v kóde nie sú explicitne popísané MCP zdroje.

Zoznam nástrojov

V README a na serveri sú popísané nasledujúce nástroje:

• Manipulácia s bunkami: Umožňuje vkladanie, spúšťanie a správu buniek v notebooku.
• Správa notebooku: Ukladanie notebookov a získavanie informácií o notebooku.
• Spúšťanie buniek: Spúšťanie konkrétnych buniek alebo všetkých buniek v notebooku.
• Získavanie výstupov: Získanie obsahu výstupu zo spustených buniek s možnosťou obmedziť dĺžku textu.

Prípady použitia tohto MCP servera

• AI-asistované spúšťanie kódu: Vývojári môžu požiadať AI asistenta o spustenie buniek alebo celých Jupyter Notebookov priamo, čím zrýchlia iterácie a znížia manuálnu prácu.
• Správa notebooku: Jednoduché ukladanie, premenovanie alebo získanie metadát notebooku pomocou príkazov v prirodzenom jazyku zadaných AI agentovi.
• Manipulácia a analýza buniek: Vkladanie nových buniek, úprava existujúcich či organizácia kódu/dátových buniek podľa potreby experimentov, všetko orchestruje LLM.
• Automatizovaná analýza dát a vizualizácia: AI môže spúšťať analytické alebo vizualizačné bunky, získavať výstupy a dokonca vkladať nový analytický kód podľa požiadaviek používateľa.
• Vzdelávacie a onboarding workflowy: Inštruktori alebo študenti môžu interagovať s notebookmi prostredníctvom konverzačných rozhraní, žiadať AI o demonštráciu konceptov alebo spustenie úryvkov kódu.

Ako to nastaviť

Windsurf

Nie sú k dispozícii žiadne inštrukcie na nastavenie pre Windsurf.

Claude

1. Predpoklady: Nainštalujte Python 3.12+, správcu balíčkov uv a desktopovú aplikáciu Claude AI.
2. Naklonujte repozitár:

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

3. Nainštalujte Jupyter kernel:

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

4. Upravte konfiguráciu Claude: Prejdite do Claude > Settings > Developer > Edit Config > claude_desktop_config.json a pridajte:

   {
     "mcpServers": {
       "jupyter": {
         "command": "uv",
         "args": [
           "--directory",
           "/ABSOLÚTNA/CESTA/K/HLAVNÉMU/PRIEČINKU/REPO/src",
           "run",
           "jupyter_mcp_server.py"
         ]
       }
     }
   }
   

   (Nahraďte /ABSOLÚTNA/CESTA/K/ vašou lokálnou cestou.)
5. Reštartujte Claude: Ukončite a znova otvorte desktopovú aplikáciu Claude, aby sa MCP server aktivoval.
6. (Voliteľné) Nainštalujte ďalšie Python balíčky podľa potreby.

Zabezpečenie API kľúčov

Nie sú potrebné ani spomínané žiadne API kľúče.

Cursor

Nie sú k dispozícii žiadne inštrukcie na nastavenie pre Cursor.

Cline

Nie sú k dispozícii žiadne inštrukcie na nastavenie pre Cline.

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Pre integráciu MCP serverov do vášho FlowHunt workflow začnite pridaním MCP komponentu do vášho flowu a pripojením k vášmu AI agentovi:

Kliknite na MCP komponent a otvorte panel konfigurácie. V sekcii konfigurácie systémového MCP vložte detaily MCP servera v tomto JSON formáte:

{
  "MCP-nazov": {
    "transport": "streamable_http",
    "url": "https://vasmcpserver.example/cestakmcp/url"
  }
}

Po nakonfigurovaní môže AI agent používať tento MCP ako nástroj s prístupom ku všetkým jeho funkciám a možnostiam. Nezabudnite zmeniť “MCP-nazov” na skutočný názov vášho MCP servera (napr. “github-mcp”, “weather-api” a pod.) a URL nahraďte vlastnou adresou MCP servera.

Prehľad

Náš názor

JupyterMCP poskytuje zameranú integráciu na ovládanie Jupyter Notebooku cez MCP s kvalitnou dokumentáciou pre Claude, no chýbajú širšie inštrukcie pre iné platformy a štandardizácia zdrojov/promptov. Sada nástrojov je praktická na automatizáciu notebookov, avšak absencia explicitnej podpory zdrojov/promptov a zovšeobecnenia na iných klientov limituje jeho celkovú využiteľnosť. Na základe tejto tabuľky by sme tomuto MCP dali hodnotenie 5/10 za funkcionalitu a dokumentáciu.

MCP hodnotenie