LearnHouse
Build, edit and run courses, learning paths and communities in your LearnHouse academy.
Local-first data science and machine learning MCP server
Originaltext des Herstellers
Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert
| Beliebtheit | 4/80 | GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20 |
|---|---|---|
| Aktualität | 12/12 | Volle Punkte für Release oder Codeänderung in 30 Tagen |
| Antwortet noch | 0/8 | Der Cloud-Endpoint antwortete bei der letzten Prüfung |
| Nutzungswert | 16/100 |
Qualität: 3/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Mit einem Satz von deiner KI installieren lassen
Installiere bitte DevRay DataLab MCP. Folge https://mcp.popnx.com/i/rayklanderman-devray-datalab-mcp.md, zeig mir die Befehle und warte auf mein OK, bevor du sie ausführst.Füge ihn in eine KI ein, die auf deinem Rechner arbeitet (z. B. Claude Code oder Cursor). Sie liest unsere Schritte, zeigt dir die Befehle und wartet auf dein OK. Kein Schlüssel, keine Anmeldung. · Vollständigen Text ansehen
3/3 Prüfungen bestanden · Läuft auf deinem Computer · ✓ Befehle geprüft am 19. Nov. 2026
Zuerst: Welche KI nutzt du?
Wähle deine App, dann erscheinen die Schritte unten.
Klappt mit Claude, aber erst etwas vorbereiten
Installiere zuerst Python (uv) auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy
Kopiere diese Nachricht in einen Claude-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server DevRay DataLab MCP für Claude auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von DevRay DataLab MCP wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst
Download-Seite von uv öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version
Einmal installieren, gilt für alles, was uv braucht
SettingsDeveloperEdit Config
{
"mcpServers": {
"devray-datalab": {
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}Nutze DevRay DataLab MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude sagt, dass es DevRay DataLab MCP nutzt, oder ein Werkzeug von DevRay DataLab MCP in der Antwort zeigt, bist du verbunden
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
ChatGPT kann DevRay DataLab MCP noch nicht verbinden
DevRay DataLab MCP läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen
A · Eine App nutzen, die DevRay DataLab MCP verbinden kann
B · Andere in Spiele, Sport, Essen & Lernen, die mit ChatGPT funktionieren
Aus den meistgenutzten derselben Kategorie, nur solche, die per Adresse ohne Schlüssel verbinden
Klappt mit Claude Code, aber erst etwas vorbereiten
Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Claude Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server DevRay DataLab MCP für Claude Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcp 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von DevRay DataLab MCP wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst
Download-Seite von uv öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version
Einmal installieren, gilt für alles, was uv braucht
Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen
claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcpDevRay DataLab MCP sollte in der Liste als verbunden erscheinen
Nutze DevRay DataLab MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude Code sagt, dass es DevRay DataLab MCP nutzt, oder ein Werkzeug von DevRay DataLab MCP in der Antwort zeigt, bist du verbunden
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit Cursor, aber erst etwas vorbereiten
Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Cursor-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server DevRay DataLab MCP für Cursor auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von DevRay DataLab MCP wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst
Download-Seite von uv öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version
Einmal installieren, gilt für alles, was uv braucht
Nutze DevRay DataLab MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Cursor sagt, dass es DevRay DataLab MCP nutzt, oder ein Werkzeug von DevRay DataLab MCP in der Antwort zeigt, bist du verbunden
Menünamen am 11. Nov. 2026 mit der Hilfe von Cursor abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit VS Code, aber erst etwas vorbereiten
Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen VS Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server DevRay DataLab MCP für VS Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "servers": { "devray-datalab": { "type": "stdio", "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von DevRay DataLab MCP wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
uv --versionMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst
Download-Seite von uv öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version
Einmal installieren, gilt für alles, was uv braucht
VS Code fragt nach einer Bestätigung; klicke Install
Nutze DevRay DataLab MCP und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn VS Code sagt, dass es DevRay DataLab MCP nutzt, oder ein Werkzeug von DevRay DataLab MCP in der Antwort zeigt, bist du verbunden
Menünamen am 11. Nov. 2026 mit der Hilfe von VS Code abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Andere Apps mit MCP, etwa Windsurf, Zed oder Gemini CLI, fügen Server unterschiedlich hinzu. Sieh in der App-Liste nach
JSON-Einstellungen stehen unten unter „Für Entwickler“
Claude Code
claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"devray-datalab": {
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"devray-datalab": {
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"devray-datalab": {
"type": "stdio",
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.
Laufen auf deinem Computer in
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 20. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto rayklanderman bestätigt, dem das Repo gehört
Code zuletzt geändert: gestern
Nutzt MIT
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Noch nicht geprüft
Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.
[](https://mcp.popnx.com/en/servers/rayklanderman-devray-datalab-mcp)Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.
Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.
Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.
Noch keine Bewertungen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 3 von 3 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt gestern geändert, und die neueste Version (0.3.4) kam gestern in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.
In derselben Kategorie: LearnHouse, Anime Garden, WilmAI, Lumify Sports Intelligence, Savecraft
Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.
So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Build, edit and run courses, learning paths and communities in your LearnHouse academy.
Finland's Wilma school system for parents and students: schedule, homework, exams and messages.
Schedules, scores, odds, splits & explainable AI bet confidence — 8+ sports, free instant key.
Savecraft serves real save game data and expert game knowledge to AI assistants.
| Dieser DevRay DataLab MCP | LearnHouse | Anime Garden | WilmAI | Lumify Sports Intelligence | Savecraft | |
|---|---|---|---|---|---|---|
| Läuft wo | Wird auf deinem Rechner installiert | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Wird auf deinem Rechner installiert | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation |
| Braucht Schlüssel | Nein | Nein | Nein | Nein | Ja | Nein |
| Mit + in Claude hinzufügen | Nein | Nein | Nein | Nein | Nein | Nein |
| Basisprüfungen | 3/3 | 5/5 | 4/4 | 3/3 | 4/4 | 3/4 |
| Lizenz | MIT | AGPL-3.0 | AGPL-3.0 | MIT | MIT | Apache-2.0 |
| Preis | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register |
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
Local-first Data Science & Machine Learning for AI Assistants
DevRay DataLab MCP is a local-first Model Context Protocol (MCP) server that lets AI assistants such as Claude, Cursor, Cline, Kilo Code, and OpenAI Codex perform real data science and machine learning on your own computer — no cloud services, no API keys, no paid subscriptions.
Everything runs locally via stdio: dataset loading, exploratory data analysis, preprocessing, classification/regression training, model comparison, export, and prediction. Your datasets never leave your machine.
uvx (simplest, no virtualenv)uvx devray-datalab-mcp
Requires uv. Install uv if needed:
# Windows PowerShell
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
pip in a virtual environmentpython -m venv .venv
.\.venv\Scripts\Activate.ps1 python -m pip install devray-datalab-mcp devray-datalab-mcp
Linux / macOS:
python3 -m venv .venv
source .venv/bin/activate pip install devray-datalab-mcp devray-datalab-mcp
pip install git+https://github.com/rayklanderman/devray-datalab-mcp.git
devray-datalab-mcp
A stdio MCP server waits for input from an MCP client. Launching
devray-datalab-mcpdirectly
without a connected client will appear to do nothing — this is expected. Connect it through an
MCP-compatible client (see client configuration below).
Configure where datasets and model artifacts live with environment variables:
| Variable | Default | Meaning |
|---|---|---|
DEVRAY_WORKSPACE_DIR | datasets | Directory containing CSV datasets |
DEVRAY_ARTIFACTS_DIR | artifacts | Directory for saved model artifacts |
Add the server to your MCP-compatible client. Replace C:\MLData with your own paths.
{
"mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "--from", "devray-datalab-mcp", "devray-datalab-mcp" ], "env": { "DEVRAY_WORKSPACE_DIR": "C:\\MLData\\datasets", "DEVRAY_ARTIFACTS_DIR": "C:\\MLData\\artifacts" } } } }
These clients use the same mcpServers JSON structure:
{
"mcpServers": { "devray-datalab": { "command": "devray-datalab-mcp", "args": [], "env": { "DEVRAY_WORKSPACE_DIR": "C:\\MLData\\datasets", "DEVRAY_ARTIFACTS_DIR": "C:\\MLData\\artifacts" } } } }
Add to your VS Code MCP settings (settings.json):
{
"mcp.servers": { "devray-datalab": { "command": "devray-datalab-mcp", "args": [], "env": { "DEVRAY_WORKSPACE_DIR": "${workspaceFolder}/datasets", "DEVRAY_ARTIFACTS_DIR": "${workspaceFolder}/artifacts" } } } }
DevRay DataLab MCP can be connected to the OpenAI Codex CLI (and its VS Code extension) through local stdio execution. Codex and its VS Code extension share configuration, so registering the server once makes it available in both.
codex on PATH).uvx).New-Item -ItemType Directory -Force "C:\MLData\datasets","C:\MLData\artifacts"
Copy-Item "examples\sample_classification.csv" "C:\MLData\datasets\"
codex mcp add devray-datalab `
--env DEVRAY_WORKSPACE_DIR=C:\MLData\datasets --env DEVRAY_ARTIFACTS_DIR=C:\MLData\artifacts -- uvx --from devray-datalab-mcp devray-datalab-mcp
DEVRAY_WORKSPACE_DIR — directory containing your CSV datasets.DEVRAY_ARTIFACTS_DIR — directory where trained model artifacts are saved.C:\MLData with your own paths.codex mcp list
codex mcp get devray-datalab
Expected output shows enabled: true, transport: stdio, command: uvx, and the devray-datalab-mcp args.
config.toml configurationCodex also reads ~/.codex/config.toml (Windows: %USERPROFILE%\.codex\config.toml):
[mcp_servers.devray-datalab]
command = "uvx" args = ["--from", "devray-datalab-mcp", "devray-datalab-mcp"]
[mcp_servers.devray-datalab.env] DEVRAY_WORKSPACE_DIR = "C:/MLData/datasets" DEVRAY_ARTIFACTS_DIR = "C:/MLData/artifacts"
Codex CLI and its VS Code extension share this configuration. Register once, use everywhere.
A dedicated guide is available in docs/codex-integration.md.
| Tool | What it does |
|---|---|
list_datasets | List CSV datasets in the workspace |
inspect_dataset | Load a CSV; report types, missing values, stats, preview |
analyze_correlations | Pearson/Spearman correlations, strongest pairs |
analyze_data_quality | Missing values, duplicates, constants, outliers, recommendations |
prepare_dataset | Define target + task type; fit preprocessing on train data only |
train_baseline | Train a classification or regression model |
compare_models | Compare multiple algorithms; select best by metric |
export_model | Save model with pipeline, metadata, and schema |
predict | Generate predictions from a saved local model |
system_info | CPU, RAM, storage, GPU detection |
Using the included sample_classification.csv (target purchased):
inspect_dataset with {"name": "sample_classification.csv"}analyze_data_quality with {"name": "sample_classification.csv"}analyze_correlations with {"name": "sample_classification.csv", "method": "pearson"}compare_models with {"name": "sample_classification.csv", "target_column": "purchased", "task_type": "classification", "metric": "f1"}export_model with {"artifact_name": "churn_model", "name": "sample_classification.csv", "target_column": "purchased", "task_type": "classification", "model_name": "random_forest"}predict with {"artifact_name": "churn_model", "features": {"age": 40, "income": 80000, "credit_score": 720, "category": "electronics", "region": "east"}}A full step-by-step tutorial with copy-ready prompts is available in docs/quickstart.md.
All processing is local; no data leaves your machine. File access is confined to the configured workspace/artifacts directories. Path traversal is blocked, file sizes and extensions are validated, and only artifacts created by this application are loaded for prediction. No cloud hosting, no paid AI APIs, no external downloads.
MIT License. See LICENSE.