LearnHouse
Build, edit and run courses, learning paths and communities in your LearnHouse academy.
Local-first data science and machine learning MCP server
Texto original del autor
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 4/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 12/12 | Puntuación completa con una versión o cambio de código en 30 días |
| Sigue respondiendo | 0/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 16/100 |
Calidad: Pasó 3/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)
Elige la app de IA que usas y copia la configuración.
Que tu IA lo instale con una frase
Instala DevRay DataLab MCP. Sigue https://mcp.popnx.com/i/rayklanderman-devray-datalab-mcp.md, enséñame los comandos y espera mi OK antes de ejecutarlos.Pégala en una IA que trabaje en tu equipo (como Claude Code o Cursor). Lee nuestros pasos, te muestra los comandos y espera tu OK. Sin clave ni registro. · Ver el texto completo que lee tu IA
Pasó 3/3 revisiones · Funciona en tu computadora · ✓ Comandos revisados el 19 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez) · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil
Copia este mensaje en un chat de Claude. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DevRay DataLab MCP para Claude en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DevRay DataLab MCP aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
SettingsDeveloperEdit Config
{
"mcpServers": {
"devray-datalab": {
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}Usa DevRay DataLab MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando DevRay DataLab MCP o muestra una herramienta de DevRay DataLab MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
ChatGPT todavía no puede conectar DevRay DataLab MCP
DevRay DataLab MCP se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar DevRay DataLab MCP
B · Otros en Juegos, deportes, comida y aprendizaje que funcionan con ChatGPT
Elegidos entre los más usados de la misma categoría, solo los que se conectan con una dirección y sin clave
Funciona con Claude Code, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Claude Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DevRay DataLab MCP para Claude Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcp 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DevRay DataLab MCP aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcpDeberías ver DevRay DataLab MCP en la lista como conectado
Usa DevRay DataLab MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando DevRay DataLab MCP o muestra una herramienta de DevRay DataLab MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con Cursor, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Cursor. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DevRay DataLab MCP para Cursor en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DevRay DataLab MCP aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Usa DevRay DataLab MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando DevRay DataLab MCP o muestra una herramienta de DevRay DataLab MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Cursor el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con VS Code, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de VS Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DevRay DataLab MCP para VS Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "servers": { "devray-datalab": { "type": "stdio", "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DevRay DataLab MCP aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Usa DevRay DataLab MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando DevRay DataLab MCP o muestra una herramienta de DevRay DataLab MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de VS Code el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps
Ver todas las apps que usan MCP →
La configuración JSON está en “Para desarrolladores”, abajo
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"
]
}
}
}Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se ejecutan en tu computadora en
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 20 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub rayklanderman, dueña del repo
Último cambio de código: ayer
Usa MIT
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Aún no revisado
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/rayklanderman-devray-datalab-mcp)Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.
Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.
Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.
Aún no hay reseñas
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 3 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez ayer, y la última versión (0.3.4) llegó al registro ayer.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.
En la misma categoría: LearnHouse, Anime Garden, WilmAI, Lumify Sports Intelligence, Savecraft
Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.
Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
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.
| Este DevRay DataLab MCP | LearnHouse | Anime Garden | WilmAI | Lumify Sports Intelligence | Savecraft | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Se instala en tu equipo | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Se instala en tu equipo | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada |
| Necesita clave | No | No | No | No | Sí | No |
| Se añade con + en Claude | No | No | No | No | No | No |
| Revisiones básicas | 3/3 | 5/5 | 4/4 | 3/3 | 4/4 | 3/4 |
| Licencia | MIT | AGPL-3.0 | AGPL-3.0 | MIT | MIT | Apache-2.0 |
| Precio | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro |
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
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.