JupyterMCP MCP Sunucu Entegrasyonu

“JupyterMCP” MCP Sunucusu ne yapar?

JupyterMCP, Jupyter Notebook’u (sadece 6.x sürümü) Claude AI gibi yapay zeka asistanlarıyla birleştirmek için tasarlanmış bir Model Context Protocol (MCP) sunucusudur. WebSocket tabanlı bu sunucu sayesinde AI modelleri, Jupyter Notebook’larla doğrudan etkileşime geçip kontrol edebilir. Böylece AI destekli kod yürütme, veri analizi, notebook hücre yönetimi ve çıktı alma mümkün olur. Jupyter Notebook’un temel fonksiyonlarını MCP aracı ve kaynağı olarak sunan sunucu, geliştiricilerin iş akışlarını otomatikleştirmesine, notebook içeriğini yönetmesine ve veri bilimi görevlerini kolaylaştırmasına olanak tanır. JupyterMCP, Jupyter Notebook’un esnekliğini LLM’lerin zekasıyla birleştirmek isteyen ve daha etkileşimli, üretken bir geliştirme ortamı arayan herkes için idealdir.

Komut Listesi

Depoda veya belgede herhangi bir komut şablonuna yer verilmemiştir.

İşinizi büyütmeye hazır mısınız?

Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.

Demo talep et Giriş yap

Kaynak Listesi

Belgede veya kodda açık bir MCP kaynağı tarif edilmemiştir.

Araç Listesi

README’de açıklanan ve sunucuda bulunan araçlar şunlardır:

• Hücre yönetimi: Notebook hücrelerinin eklenmesi, yürütülmesi ve yönetilmesini sağlar.
• Notebook yönetimi: Notebookları kaydedin ve notebook bilgilerini alın.
• Hücre yürütme: Belirli hücreleri veya tüm notebook hücrelerini çalıştırın.
• Çıktı alma: Yürütülen hücrelerden çıktı içeriğini alın, metin uzunluğu sınırı uygulanabilir.

Bültenimize katılın

En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.

E-posta adresi

Abone ol

Bu MCP Sunucusunun Kullanım Senaryoları

• AI destekli kod yürütme: Geliştiriciler, AI asistanlarından kod hücrelerini veya tüm Jupyter Notebook’u doğrudan çalıştırmasını isteyebilir, bu da yinelemeyi hızlandırır ve manuel çabayı azaltır.
• Notebook yönetimi: Bir AI ajanına doğal dilde komut vererek kolayca notebook’u kaydedin, yeniden adlandırın veya metadata alın.
• Hücre yönetimi ve analiz: Yeni hücreler ekleyin, mevcutları değiştirin ya da deneyler için kod/veri hücrelerini düzenleyin; tümü LLM tarafından koordine edilir.
• Otomatik veri analizi ve görselleştirme: AI, analiz veya görselleştirme hücrelerini çalıştırabilir, çıktıları alabilir ve kullanıcı komutuna göre yeni analiz kodları ekleyebilir.
• Eğitim ve onboarding iş akışları: Eğitmenler veya öğrenciler, AI ile sohbet ederek notebook’larla etkileşime geçebilir, kavramları AI’nın göstermesini veya kod örneklerini çalıştırmasını isteyebilir.

Nasıl kurulur

Windsurf

Windsurf için kurulum talimatı verilmemiştir.

Claude

1. Ön koşullar: Python 3.12+, uv paket yöneticisi ve Claude AI masaüstü uygulamasını yükleyin.
2. Depoyu klonlayın:

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

3. Jupyter kernel’i kurun:

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

4. Claude ayarlarını düzenleyin: Claude > Ayarlar > Geliştirici > Ayarları Düzenle > claude_desktop_config.json dosyasına gidin ve şunu ekleyin:

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

   (/ABSOLUTE/PATH/TO/ kısmını kendi yerel yolunuzla değiştirin.)
5. Claude’u yeniden başlatın: Claude masaüstü uygulamasını kapatıp tekrar açarak MCP sunucusunu etkinleştirin.
6. (Opsiyonel) İhtiyacınız olan ek Python paketlerini yükleyin.

API Anahtarlarını Güvenceye Alma

Kurulumda API anahtarı gereksinimi veya kullanımı yoktur.

Cursor

Cursor için kurulum talimatı verilmemiştir.

Cline

Cline için kurulum talimatı verilmemiştir.

Bu MCP’yi akışlarınızda nasıl kullanırsınız

FlowHunt’ta MCP kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucunuzun detaylarını şu JSON formatında girin:

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

Yapılandırma tamamlandığında, AI ajanı artık bu MCP’yi bir araç olarak tüm işlevlerine erişerek kullanabilir. “MCP-name” kısmını kendi MCP sunucunuzun adıyla (ör. “github-mcp”, “weather-api”, vb.) ve URL’yi kendi sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Bizim görüşümüz

JupyterMCP, Jupyter Notebook’u MCP ile kontrol etmek için odaklı bir entegrasyon sunmakta ve Claude için sağlam bir dokümantasyon sağlamaktadır; fakat daha geniş platform talimatları ve kaynak/komut standartlaşması eksiktir. Araç seti, notebook otomasyonu için pratik olsa da, açık kaynak/komut desteği ve diğer istemcilere genelleme eksikliği genel faydasını sınırlandırıyor. Tabloya göre bu MCP’ye işlev ve dokümantasyon açısından 5/10 puan veriyoruz.

MCP Puanı