Tích hợp Máy chủ JupyterMCP MCP

Máy chủ “JupyterMCP” MCP dùng để làm gì?

JupyterMCP là một máy chủ Model Context Protocol (MCP) được thiết kế để kết nối Jupyter Notebook (chỉ phiên bản 6.x) với các trợ lý AI như Claude AI. Thông qua máy chủ dựa trên WebSocket, JupyterMCP cho phép các mô hình AI tương tác trực tiếp và kiểm soát Jupyter Notebooks. Điều này giúp thực thi mã với sự trợ giúp của AI, phân tích dữ liệu, quản lý cell của notebook và lấy kết quả đầu ra. Bằng cách cung cấp các chức năng cốt lõi của Jupyter Notebook dưới dạng công cụ và tài nguyên MCP, máy chủ này giúp nhà phát triển tự động hóa quy trình làm việc, thao tác nội dung notebook và tối ưu hóa các tác vụ khoa học dữ liệu, tất cả ngay trong trợ lý AI hoặc client tương thích MCP. JupyterMCP lý tưởng cho những ai muốn kết hợp sự linh hoạt của Jupyter Notebooks với trí thông minh của LLM, tạo môi trường phát triển tương tác và năng suất hơn.

Danh sách Prompt

Không có mẫu prompt nào được đề cập trong tài liệu hoặc mã nguồn của repository.

Danh sách Tài nguyên

Không có tài nguyên MCP cụ thể nào được mô tả trong tài liệu hoặc mã nguồn.

Danh sách Công cụ

Các công cụ sau được mô tả trong README và có trên máy chủ:

• Thao tác cell: Cho phép chèn, thực thi và quản lý các cell của notebook.
• Quản lý notebook: Lưu notebook và lấy thông tin notebook.
• Thực thi cell: Chạy các cell cụ thể hoặc thực thi tất cả cell trong notebook.
• Lấy kết quả đầu ra: Lấy nội dung đầu ra từ các cell đã thực thi với tùy chọn giới hạn văn bản.

Trường hợp sử dụng Máy chủ MCP này

• Thực thi mã với hỗ trợ AI: Lập trình viên có thể yêu cầu trợ lý AI chạy các cell mã hoặc toàn bộ Jupyter Notebooks trực tiếp, giúp tăng tốc quá trình thử nghiệm và giảm thao tác thủ công.
• Quản lý notebook: Dễ dàng lưu, đổi tên hoặc lấy metadata của notebook bằng lệnh tự nhiên gửi cho AI agent.
• Thao tác và phân tích cell: Chèn cell mới, sửa cell hiện có hoặc sắp xếp các cell mã/dữ liệu cho thử nghiệm, tất cả do LLM điều phối.
• Phân tích và trực quan hóa dữ liệu tự động: AI có thể thực thi các cell phân tích/trực quan hóa, lấy kết quả đầu ra, thậm chí chèn mã phân tích mới dựa trên prompt người dùng.
• Quy trình đào tạo và giới thiệu: Giảng viên hoặc học viên có thể tương tác với notebook qua giao diện hội thoại, yêu cầu AI minh họa khái niệm hoặc chạy đoạn mã.

Cách thiết lập

Windsurf

Không có hướng dẫn cài đặt cho Windsurf.

Claude

1. Yêu cầu: Cài đặt Python 3.12+, trình quản lý gói uv và ứng dụng Claude AI desktop.
2. Tải repository:

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

3. Cài đặt kernel Jupyter:

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

4. Chỉnh sửa cấu hình Claude: Vào Claude > Settings > Developer > Edit Config > claude_desktop_config.json và thêm:

   {
     "mcpServers": {
       "jupyter": {
         "command": "uv",
         "args": [
           "--directory",
           "/ĐƯỜNG/DẪN/TUYỆT/ĐỐI/ĐẾN/THƯ_MỤC_REPO_PARENT/src",
           "run",
           "jupyter_mcp_server.py"
         ]
       }
     }
   }
   

   (Thay /ĐƯỜNG/DẪN/TUYỆT/ĐỐI/ bằng đường dẫn trên máy của bạn.)
5. Khởi động lại Claude: Thoát và mở lại ứng dụng Claude desktop để kích hoạt máy chủ MCP.
6. (Tuỳ chọn) Cài đặt thêm các gói Python nếu cần.

Bảo mật API Key

Không cần hoặc không đề cập đến API key trong quá trình cài đặt.

Cursor

Không có hướng dẫn cài đặt cho Cursor.

Cline

Không có hướng dẫn cài đặt cho Cline.

Cách sử dụng MCP này trong các flow

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào quy trình FlowHunt, bắt đầu bằng cách thêm thành phần MCP vào flow của bạn và kết nối nó với AI agent:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, nhập thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, AI agent có thể sử dụng MCP này như một công cụ với toàn bộ chức năng và khả năng của nó. Hãy nhớ thay “MCP-name” bằng tên thực tế của máy chủ MCP của bạn (ví dụ: “github-mcp”, “weather-api”, v.v.) và thay đường dẫn URL thành URL máy chủ MCP của bạn.

Tổng quan

Đánh giá của chúng tôi

JupyterMCP mang đến tích hợp tập trung cho việc kiểm soát Jupyter Notebook qua MCP, có tài liệu tốt cho Claude nhưng thiếu hướng dẫn cho các nền tảng khác và chưa chuẩn hóa tài nguyên/prompt. Bộ công cụ hữu ích cho tự động hóa notebook, tuy nhiên việc thiếu hỗ trợ tài nguyên/prompt rõ ràng và chưa tổng quát hóa cho các client khác làm giảm tính ứng dụng tổng thể. Theo bảng đánh giá, chúng tôi chấm MCP này 5/10 về chức năng và tài liệu.

Điểm MCP