datalayer/jupyter-mcp-server

🪐🔧 Jupyter MCP Server

是什么 – 一个实现 Model Context Protocol (MCP) 的开源服务器，使 AI 代理（Claude、Cursor、VS Code 扩展等）能够实时与运行中的 Jupyter 环境通信。它位于 Jupyter 笔记本（或 JupyterHub、Datalayer 托管笔记本、Kaggle、Colab 等）与任何 MCP 兼容客户端之间，将笔记本文件、单元格和内核执行暴露为 LLM 可调用的结构化工具。

为何重要 – 现代 AI 助手需要对代码、数据和可视化输出拥有实时访问权限。通过稳定协议暴露笔记本，该服务器使代理能够：

• 即时监控笔记本的变更，
• 程序化地运行或编辑单元格，
• 检索多模态输出（图表、图像、表格），以及
• 即使用户断开连接，也能在远程沙箱（GPU 支持的云）上继续运行工作。

核心功能

• 实时协作 – 笔记本中的变更会立即反映给连接的代理。
• 智能执行 – 当前一次运行失败时，会自动重新运行单元格，并利用输出反馈进行优化。
• 上下文感知工具 – 服务器会为每个操作（打开笔记本、列出内核、运行单元格等）生成实时描述，MCP 客户端可自动发现这些工具。
• 多模态支持 – 文本、图像和图表以结构化数据形式返回。
• 多种沙箱后端 – 可在本地 Jupyter 服务器上运行代码，也可在 Datalayer、Kaggle、Google Colab、Modal、E2B、CoreWeave、Cloudflare 等云沙箱上运行。
• OAuth 2.1 认证 – 代理被重定向到浏览器登录，接收作用域令牌（如 notebooks:read、code:execute），而无需看到用户的密码。
• 可观测性 – OpenTelemetry 钩子允许您追踪工具调用和内核执行。
• JupyterLab 集成 – 启用 JupyterLab 模式后，原生 Lab 命令将变为 MCP 工具。

典型工作流程

1. 启动 Jupyter（本地、JupyterHub 或托管的 Datalayer 笔记本）。
2. 运行 Jupyter MCP Server（通过 uvx、Docker 或作为 Jupyter Server 扩展）。
3. 配置 MCP 客户端 – 例如 Claude Desktop、VS Code 扩展或 cline CLI，使用服务器的端点和认证变量。
4. 客户端发现服务器的工具列表后，LLM 可发出 notebook_open、cell_insert 或 execute_cell 等命令，并立即收到结果。

快速入门

# 安装服务器和 JupyterLab 堆栈
pip install jupyterlab jupyter-collaboration jupyter-mcp-tools ipykernel

# 启动 JupyterLab（将 MY_TOKEN 替换为你的密钥）
jupyter lab --port 8888 --IdentityProvider.token MY_TOKEN --ip 0.0.0.0

# 使用 uvx 运行服务器（无需 Docker）
uvx jupyter-mcp-server@latest \
  --env JUPYTER_URL=http://localhost:8888 \
  --env JUPYTER_TOKEN=MY_TOKEN \
  --env ALLOW_IMG_OUTPUT=true

之后，将任何 MCP 兼容客户端指向 http://localhost:8888（或托管端点 https://mcp.datalayer.run/mcp），并按照浏览器中的 OAuth 流程操作即可。

安装选项

• Python 包 – pip install jupyter-mcp-server（PyPI 上最新版本）。
• Docker 镜像 – docker pull datalayer/jupyter-mcp-server（官方镜像，自动拉取）。
• 托管服务 – Datalayer 提供无需本地进程的托管端点（https://mcp.datalayer.run/mcp）。

支持的沙箱变体（通过 SANDBOX_VARIANT 选择，部分需额外安装）：

变体	安装额外依赖	关键环境变量
jupyter-server（默认）	–	JUPYTER_URL, JUPYTER_TOKEN
datalayer	jupyter-mcp-server[datalayer]	CODE_SANDBOX_URL, CODE_SANDBOX_TOKEN, SANDBOX_ENVIRONMENT
kaggle	jupyter-mcp-server[kaggle]	Kaggle 凭据
google-colab	–	CODE_SANDBOX_URL, CODE_SANDBOX_ID, CODE_SANDBOX_PROXY_TOKEN
modal	jupyter-mcp-server[modal]	Modal API 密钥
…（e2b、coreweave、cloudflare、daytona、monty 等）	对应的额外依赖	各自的 API 密钥

许可证 – BSD 3‑Clause（宽松，适合商业使用）。

谁会使用它

• AI 助手开发者：需要读写笔记本、运行代码、获取图表的代理开发者。
• 数据科学家：希望其 LLM 能自动编辑笔记本，同时保留完整审计日志的人。
• 平台提供商（Datalayer、Kaggle 等）：希望为第三方 AI 工具提供与托管笔记本交互的标准方式的人。
• 研究人员：探索结合代码、数据和可视化输出的多模态 LLM 工作流的人。

了解更多

• 完整文档：https://jupyter-mcp-server.datalayer.tech
• API 参考（自动生成工具列表）：https://jupyter-mcp-server.datalayer.tech/mcp
• 社区 Discord：https://discord.gg/YQFwvmSSuR
• 源码与发布：https://github.com/datalayer/jupyter-mcp-server