LearnHouse
Build, edit and run courses, learning paths and communities in your LearnHouse academy.
Local-first data science and machine learning MCP server
作者による原文
一覧は利用スコア(100 点満点)で並びます。内訳は次のとおり
| 人気 | 4/80 | GitHub スターか週間ダウンロード数。大きい方を 60、小さい方を 20 で数えます |
|---|---|---|
| 新しさ | 12/12 | 30 日以内のリリースかコード更新で満点 |
| 応答中 | 0/8 | 前回の確認でクラウドのエンドポイントが応答 |
| 利用スコア | 16/100 |
品質: 基本チェック 3/3 項目に合格(表示のみ、並び順には不使用) · 勢い: データなし (「急上昇」タブでのみ使用)
使っているAIアプリを選んで、設定をコピーしてください。
ひとことで AI にインストールしてもらう
DevRay DataLab MCP をインストールして。https://mcp.popnx.com/i/rayklanderman-devray-datalab-mcp.md に従い、コマンドを見せて、私が OK するまで実行しないで。パソコンで作業できる AI(Claude Code や Cursor など)に貼り付けます。手順を読み、コマンドを見せて、あなたの OK を待ちます。キー不要・登録不要。 · AI が読む全文を見る
チェック 3/3 合格 · あなたのパソコンで動きます · ✓ コマンド確認済み 2026年11月19日
まず:どの AI を使っていますか?
使っているアプリを選ぶと、下に手順が表示されます。
Claude につなげますが、先に準備が必要です
先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません
このメッセージを Claude のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Claude に MCP server DevRay DataLab MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、DevRay DataLab MCP のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
SettingsDeveloperEdit Config
{
"mcpServers": {
"devray-datalab": {
"command": "uvx",
"args": [
"devray-datalab-mcp"
]
}
}
}DevRay DataLab MCP を使って、私に何ができるか教えて、1 つやってみせて✓ Claude が DevRay DataLab MCP を使っていると言うか、回答に DevRay DataLab MCP のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
ChatGPT はまだ DevRay DataLab MCP につなげません
DevRay DataLab MCP はパソコンに入れて使うものですが、ChatGPT は Web 上で動くサーバーにしかつなげません
A · DevRay DataLab MCP につなげるアプリを使う
B · ゲーム・スポーツ・料理・学習 の中で ChatGPT につなげる別のサーバー
同じカテゴリでよく使われているものから、キーなしでアドレスだけでつなげるものを選びました
Claude Code につなげますが、先に準備が必要です
先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを Claude Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Claude Code に MCP server DevRay DataLab MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcp 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、DevRay DataLab MCP のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く
claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcpDevRay DataLab MCP が一覧にあり、接続済みと表示されれば OK です
DevRay DataLab MCP を使って、私に何ができるか教えて、1 つやってみせて✓ Claude Code が DevRay DataLab MCP を使っていると言うか、回答に DevRay DataLab MCP のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
Cursor につなげますが、先に準備が必要です
先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを Cursor のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Cursor に MCP server DevRay DataLab MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "devray-datalab": { "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、DevRay DataLab MCP のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
DevRay DataLab MCP を使って、私に何ができるか教えて、1 つやってみせて✓ Cursor が DevRay DataLab MCP を使っていると言うか、回答に DevRay DataLab MCP のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Cursor のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
VS Code につなげますが、先に準備が必要です
先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを VS Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの VS Code に MCP server DevRay DataLab MCP を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "servers": { "devray-datalab": { "type": "stdio", "command": "uvx", "args": [ "devray-datalab-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、DevRay DataLab MCP のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
DevRay DataLab MCP を使って、私に何ができるか教えて、1 つやってみせて✓ VS Code が DevRay DataLab MCP を使っていると言うか、回答に DevRay DataLab MCP のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に VS Code のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
Windsurf、Zed、Gemini CLI など MCP を使える他のアプリは追加方法がそれぞれ違います。アプリ一覧で確認してください
JSON 設定は下の「開発者向け」にあります
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"
]
}
}
}この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。
このサーバーのつなぎ方と、各アプリの公式ドキュメントに基づきます。2026年11月10日に確認。
パソコン上で動かせるアプリ
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。
誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月20日にチェック
レジストリ名は、リポジトリを所有するGitHubアカウント rayklanderman で確認済みです
コードの最終更新:昨日
MITを使用
これはパソコンで動くため、インターネット上のエンドポイントはありません
パソコンで動き、代わりにローカルの設定を使います
パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです
まだ確認していません
作者の方は、このコードを README に貼れます。バッジはこのページにリンクします。
[](https://mcp.popnx.com/en/servers/rayklanderman-devray-datalab-mcp)質問、コツの共有、使えないことの報告ができます。「役に立った」の多い順です。
まだレビューはありません
レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。
当てはまる基本チェック3項目のうち3項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。
レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。
あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません(サーバー自体がオンラインサービスを呼び出す場合を除きます)。
GitHubリポジトリの最終更新は昨日、最新バージョン(0.3.4)がレジストリに届いたのは昨日です。
Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。
同じカテゴリには:LearnHouse, Anime Garden, WilmAI, Lumify Sports Intelligence, Savecraft
同じカテゴリでほかの作者のもの。コマンドは確認済み。公式を先に、次にスター順。
カードの見方:↓ 週あたりのダウンロードi★ GitHubスターi3つの柱:レビュー · チェック · 利用状況i更新=最新バージョンをレジストリに公開した日i
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.
| これ DevRay DataLab MCP | LearnHouse | Anime Garden | WilmAI | Lumify Sports Intelligence | Savecraft | |
|---|---|---|---|---|---|---|
| 動く場所 | パソコンにインストールが必要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 | パソコンにインストールが必要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 |
| キーが必要 | いいえ | いいえ | いいえ | いいえ | はい | いいえ |
| Claude で + から追加 | いいえ | いいえ | いいえ | いいえ | いいえ | いいえ |
| 基本チェック | 3/3 | 5/5 | 4/4 | 3/3 | 4/4 | 3/4 |
| ライセンス | MIT | AGPL-3.0 | AGPL-3.0 | MIT | MIT | Apache-2.0 |
| 料金 | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし |
作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。
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.