JupyterMCP MCP 服务器集成

“JupyterMCP” MCP 服务器的作用是什么？

JupyterMCP 是一款模型上下文协议（MCP）服务器，专为连接 Jupyter Notebook（仅限 6.x 版本）与诸如 Claude AI 等 AI 助手而设计。通过基于 WebSocket 的服务器，JupyterMCP 让 AI 模型能够直接交互和控制 Jupyter Notebook，实现 AI 辅助的代码执行、数据分析、notebook 单元格管理和输出获取。通过将 Jupyter Notebook 的核心功能暴露为 MCP 工具和资源，该服务器赋能开发者自动化工作流、操控 notebook 内容，并简化数据科学任务，一切皆可于 AI 助手或兼容 MCP 的客户端内完成。JupyterMCP 非常适合希望将 Jupyter Notebook 的灵活性与 LLM 智能结合的用户，打造更具交互性和生产力的开发环境。

提示词列表

仓库文档或代码中未提及任何提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

文档或代码中未明确描述 MCP 资源。

工具列表

以下工具在 README 有描述，且在服务器中实现：

• 单元格操作：支持插入、执行和管理 notebook 单元格。
• notebook 管理：保存 notebook 并获取 notebook 信息。
• 单元格执行：可执行指定单元格或 notebook 所有单元格。
• 输出获取：从已执行单元格获取输出内容，支持文本长度限制。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

本 MCP 服务器的应用场景

• AI 辅助代码执行：开发者可通过 AI 助手直接运行代码单元格或整个 Jupyter Notebook，加快迭代、减少手动操作。
• notebook 管理：通过自然语言命令让 AI 代理轻松保存、重命名 notebook 或获取元数据。
• 单元格操作与分析：插入新单元格、修改现有单元格或根据实验需要组织代码/数据单元格，全部由 LLM 协调。
• 自动化数据分析与可视化：AI 可执行分析或可视化单元格，获取输出，并根据用户提示插入新的分析代码。
• 教学与入门流程：讲师或学习者可通过对话界面与 notebook 交互，让 AI 演示概念或执行代码片段。

如何配置

Windsurf

未提供 Windsurf 的安装说明。

Claude

1. 前置条件：安装 Python 3.12+、uv 包管理器和 Claude AI 桌面应用。
2. 克隆仓库：

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

3. 安装 Jupyter 内核：

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

4. 编辑 Claude 配置：前往 Claude > Settings > Developer > Edit Config > claude_desktop_config.json，添加如下内容：

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

   （将 /ABSOLUTE/PATH/TO/ 替换为你的本地路径。）
5. 重启 Claude：退出并重新打开 Claude 桌面应用以激活 MCP 服务器。
6. （可选）根据需要安装额外 Python 包。

API 密钥安全

安装过程中无需或未提及 API 密钥。

Cursor

未提供 Cursor 的安装说明。

Cline

未提供 Cline 的安装说明。

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进 FlowHunt 工作流，先在流程中添加 MCP 组件，并将其与 AI 代理连接：

点击 MCP 组件进入配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写你的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具访问该 MCP 的所有功能。请将 “MCP-name” 替换为实际 MCP 服务器名称（如 “github-mcp”、“weather-api” 等），并将 URL 替换为你的 MCP 服务器地址。

概览

我们的看法

JupyterMCP 为通过 MCP 控制 Jupyter Notebook 提供了专注的集成体验，并为 Claude 提供了详细文档，但缺乏更广泛平台的说明及资源/提示词标准化。工具集对于 notebook 自动化极其实用，但缺乏显式资源/提示词支持及对其他客户端的通用性，限制了其整体实用性。综合表格内容，我们对该 MCP 的功能与文档评分为 5/10。

MCP 评分