datalayer/jupyter-mcp-server

🪐🔧 Jupyter MCP Server

何であるか – Model Context Protocol (MCP) を実装したオープンソースサーバーで、AIエージェント（Claude、Cursor、VS Code拡張機能など）がリアルタイムで実行中のJupyter環境と通信できるようにします。このサーバーは、Jupyterノートブック（またはJupyterHub、Datalayerホストノートブック、Kaggle、Colabなど）と、任意のMCP互換クライアントの間に位置し、ノートブックファイル、セル、カーネル実行をLLMが呼び出せる構造化ツールとして公開します。

なぜ重要か – 現代のAIアシスタントは、コード、データ、可視化出力へのライブアクセスが必要です。安定したプロトコルを通じてノートブックを公開することで、エージェントは以下のことが可能になります：

ノートブックの変更を即座に監視可能
セルをプログラム的に実行または編集可能
マルチモーダル出力（プロット、画像、テーブル）を取得可能
ユーザーが切断しても、GPUバックエンドのクラウドなどのリモートサンドボックス上で作業を継続可能

主な機能

リアルタイムコラボレーション – サンドボックスに接続されたエージェントは、ノートブックの変更を即座に反映。
スマート実行 – 前回の実行が失敗した場合、出力フィードバックを使ってセルを自動的に再実行。
コンテキスト対応ツール – サーバーは、開いているノートブック、カーネル一覧、セル実行など、すべての操作についてリアルタイムの説明を生成し、MCPクライアントが自動的に発見可能。
マルチモーダル対応 – テキスト、画像、プロットを構造化データとして返却。
複数のサンドボックスバックエンド – ローカルJupyterサーバーまたはDatalayer、Kaggle、Google Colab、Modal、E2B、CoreWeave、Cloudflareなど、クラウドサンドボックスでコードを実行可能。
OAuth 2.1認証 – エージェントはブラウザログインにリダイレクトされ、ユーザーのパスワードを一切見ることなく、スコープ付きトークン（例：notebooks:read, code:execute）を取得。
観測性 – OpenTelemetryフックにより、ツール呼び出しやカーネル実行のトレースが可能。
JupyterLab統合 – JupyterLabモードを有効にすると、ネイティブなLabコマンドがMCPツールとして利用可能。

一般的なワークフロー

Jupyterを起動（ローカル、JupyterHub、またはホストされたDatalayerノートブック）。
Jupyter MCP Serverを実行（uvx、Docker、またはJupyter Server拡張として）。
MCPクライアントを設定 – 例：Claude Desktop、VS Code拡張、またはcline CLI – サーバーのエンドポイントと認証変数を指定。
クライアントはサーバーのツールリストを発見し、LLMがnotebook_open、cell_insert、execute_cellなどのコマンドを発行して、結果を即座に受け取る。

すぐに始める（クイック）

# サーバーとJupyterLabスタックをインストール
pip install jupyterlab jupyter-collaboration jupyter-mcp-tools ipykernel

# JupyterLabを起動（MY_TOKENを秘密の値に置き換える）
jupyter lab --port 8888 --IdentityProvider.token MY_TOKEN --ip 0.0.0.0

# uvxでサーバーを実行（Docker不要）
uvx jupyter-mcp-server@latest \
  --env JUPYTER_URL=http://localhost:8888 \
  --env JUPYTER_TOKEN=MY_TOKEN \
  --env ALLOW_IMG_OUTPUT=true

その後、任意のMCP互換クライアントをhttp://localhost:8888（またはホストエンドポイントhttps://mcp.datalayer.run/mcp）に接続し、ブラウザベースのOAuthフローに従ってください。

インストールオプション

Pythonパッケージ – pip install jupyter-mcp-server（PyPIの最新版）。
Dockerイメージ – docker pull datalayer/jupyter-mcp-server（公式イメージ、自動取得）。
ホストサービス – Datalayerは、ローカルプロセス不要のマネージドエンドポイント（https://mcp.datalayer.run/mcp）を提供。

サポートされるサンドボックスバリアント（SANDBOX_VARIANTで選択、オプションの追加が必要な場合あり）：

バリアント	インストール追加	キー環境変数
`jupyter-server`（デフォルト）	–	`JUPYTER_URL`, `JUPYTER_TOKEN`
`datalayer`	`jupyter-mcp-server[datalayer]`	`CODE_SANDBOX_URL`, `CODE_SANDBOX_TOKEN`, `SANDBOX_ENVIRONMENT`
`kaggle`	`jupyter-mcp-server[kaggle]`	Kaggle資格情報
`google-colab`	–	`CODE_SANDBOX_URL`, `CODE_SANDBOX_ID`, `CODE_SANDBOX_PROXY_TOKEN`
`modal`	`jupyter-mcp-server[modal]`	Modal APIキー
…（e2b、coreweave、cloudflare、daytona、montyなど）	対応する追加	各自のAPIキー

ライセンス – BSD 3‑Clause（許容性高く、商用利用に適しています）。

誰が使うか

AIアシスタント開発者：ノートブックの読み書き、コード実行、プロット取得が必要なエージェントを開発する人。
データサイエンティスト：LLMがノートブックを自動編集しながら、完全な監査トレースを維持したい人。
プラットフォームプロバイダー（Datalayer、Kaggleなど）：サードパーティAIツールがホストノートブックとやり取りする標準的な方法を提供したい人。
研究者：コード、データ、可視化出力を組み合わせたマルチモーダルLLMワークフローを探索する人。

さらに学ぶには

全文ドキュメント：https://jupyter-mcp-server.datalayer.tech
APIリファレンス（自動生成ツールリスト）：https://jupyter-mcp-server.datalayer.tech/mcp
コミュニティDiscord：https://discord.gg/YQFwvmSSuR
ソースコード＆リリース：https://github.com/datalayer/jupyter-mcp-server

datalayer/jupyter-mcp-server

🪐🔧 Jupyter MCP Server

関連

🪐🔧 Jupyter MCP Server