プロトタイプ · プレビュー版:公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。Google でログインするとレビューを書けます。プロトタイプ · 30分ごとに更新
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説 ログイン

DevRay DataLab MCP

作者:rayklandermanバージョン 0.3.4i★ 1iパソコンで動くリポジトリ ↗
レジストリ名io.github.rayklanderman/devray-datalab-mcp

インストール方法

できること

Local-first data science and machine learning MCP server

作者による原文

  • 接続方法 パソコンで動く
  • アカウントまたはキー キー不要
  • カテゴリ ゲーム・スポーツ・料理・学習

この順位の理由

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4/80GitHub 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12/1230 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)

インストール

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

AI にインストールしてもらう

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。

  1. uv を入れる(まだなければ)

    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 --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + 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

    uv のダウンロードページを開く ↗

    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

  2. パソコン版 Claude アプリの設定ファイルを開く

    SettingsDeveloperEdit Config

  3. この設定を貼り付けて保存

    {
      "mcpServers": {
        "devray-datalab": {
          "command": "uvx",
          "args": [
            "devray-datalab-mcp"
          ]
        }
      }
    }
  4. Claude を終了してもう一度開く

  5. 試してみる

    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

代わりにできること

A · DevRay DataLab MCP につなげるアプリを使う

  • 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
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)

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)

AI にインストールしてもらう

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。

  1. uv を入れる(まだなければ)

    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 --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + 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

    uv のダウンロードページを開く ↗

    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

  2. ターミナルを開く

    Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く

  3. このコマンドを貼り付けて Enter

    claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcp
  4. Claude Code で /mcp と入力

    DevRay DataLab MCP が一覧にあり、接続済みと表示されれば OK です

  5. 試してみる

    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)

AI にインストールしてもらう

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。

  1. uv を入れる(まだなければ)

    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 --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + 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

    uv のダウンロードページを開く ↗

    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

  2. このボタンで Cursor を開く

    Cursor で開く

    Cursor がインストールの確認をするので Install を押します

  3. Cursor の AI チャットを Agent モードで開く

  4. 試してみる

    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)

AI にインストールしてもらう

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。

  1. uv を入れる(まだなければ)

    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 --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + 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

    uv のダウンロードページを開く ↗

    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

  2. このボタンで VS Code を開く

    VS Code で開く

    VS Code がインストールの確認をするので Install を押します

  3. VS Code の AI チャットを Agent モードで開く

  4. 試してみる

    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

MCP を使えるアプリをすべて見る →

JSON 設定は下の「開発者向け」にあります

つまずいたら?DevRay DataLab MCP を使っている人に聞いてみましょう💬 ディスカッション →
開発者向け:ターミナルのコマンドと JSON 設定

パソコンにインストール

Claude Code

claude mcp add --scope user devray-datalab -- uvx devray-datalab-mcp

Claude 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。

ひと目でわかる

週あたりのダウンロードi
npm/PyPIにない
接続方法
パソコンで動く
最新バージョンi
0.3.4
レジストリ公開日i
2026年11月19日
コードの最終更新i
2026年11月19日
作者
rayklanderman
パッケージ
pypi: devray-datalab-mcp
レジストリでの状態
有効

使えるアプリ

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

すべてのアプリと長所・短所 →

できること

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。

基本チェックi

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

  • ✓ 合格

    作者とリポジトリが一致

    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

  • ✓ 合格

    今もメンテナンスされている

    コードの最終更新:昨日

  • ✓ 合格

    ライセンスがある

    MITを使用

  • – 対象外

    エンドポイントが応答する

    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

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    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

公開済みの脆弱性(OSV.dev)

まだ確認していません

確認していること → · JSON

作者の方へ:再確認の依頼・情報の誤りの報告
作者向け:README にバッジを付ける

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。

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/rayklanderman-devray-datalab-mcp.svg)](https://mcp.popnx.com/en/servers/rayklanderman-devray-datalab-mcp)

話し合い

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。

まだ投稿はありません。最初の質問や共有をどうぞ。

ここの投稿は利用者によるもので、PopNx チームのものではありません。

ログインして投稿

ユーザーレビュー

まだレビューはありません

ログインしてレビューを書く

ゲーム・スポーツ・料理・学習のほかのサーバーとの比較i

  • このカテゴリのほかの1676件のうち86%よりスターが多い
  • このカテゴリのほかの1676件のうち94%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの1676件のうち99%と同じかそれ以上

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。

よくある質問

DevRay DataLab MCPは安全ですか?

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。

どんなキーやコードが必要ですか?

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。

パソコンで動きますか、それともクラウドですか?

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)。

今もメンテナンスされていますか?

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。

どのアプリで使えますか?

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。

代わりに使えるものは?

同じカテゴリには:LearnHouse, Anime Garden, WilmAI, Lumify Sports Intelligence, Savecraft

似た働きのほかの候補

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

LearnHouse

Build, edit and run courses, learning paths and communities in your LearnHouse academy.

作者:learnhouse広く使われている★ 2482昨日更新

クラウドで動く✓ 提供元 · learnhouse.app

WilmAI

Finland's Wilma school system for parents and students: schedule, homework, exams and messages.

作者:aikarjal成長中↓ 1399/週★ 89 リポジトリ全体のスター11 日前更新

パソコンで動く✓ 提供元 · wilm.ai

Savecraft

Savecraft serves real save game data and expert game knowledge to AI assistants.

作者:joshsymonds初期★ 137 か月前更新

クラウドで動くリポジトリはアーカイブ済み✓ 提供元 · savecraft.gg
似たものと比べる
これ
DevRay DataLab MCP
LearnHouseAnime GardenWilmAILumify Sports IntelligenceSavecraft
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3/35/54/43/34/43/4
ライセンスMITAGPL-3.0AGPL-3.0MITMITApache-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README

READMEを開く

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。

DevRay DataLab MCP

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.

Installation

Method A — 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"

Method B — pip in a virtual environment
python -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

Method C — from GitHub source
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-mcp directly

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:

VariableDefaultMeaning
DEVRAY_WORKSPACE_DIRdatasetsDirectory containing CSV datasets
DEVRAY_ARTIFACTS_DIRartifactsDirectory for saved model artifacts

MCP client configuration

Add the server to your MCP-compatible client. Replace C:\MLData with your own paths.

Kilo Code
{

"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" } } } }

Cline / Cursor / Claude Desktop

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" } } } }

VS Code / GitHub Copilot MCP

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" } } } }

Install in OpenAI Codex (CLI & VS Code)

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.

Prerequisites
  • Install the Codex CLI (codex on PATH).
  • Install uv (provides uvx).
  • Create the dataset and artifact directories before registering:
New-Item -ItemType Directory -Force "C:\MLData\datasets","C:\MLData\artifacts"

Copy-Item "examples\sample_classification.csv" "C:\MLData\datasets\"

Register the server
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.
  • Replace C:\MLData with your own paths.
Verify registration
codex mcp list

codex mcp get devray-datalab

Expected output shows enabled: true, transport: stdio, command: uvx, and the devray-datalab-mcp args.

Manual config.toml configuration

Codex 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.

Example prompts for Codex
  • Dataset exploration: "Use DevRay DataLab MCP to inspect sample_classification.csv, summarize its structure, identify missing values, and report potential data-quality issues."
  • Machine learning: "Use DevRay DataLab MCP to train and evaluate classification models for predicting purchased. Compare appropriate metrics and recommend the best model based on validation performance."
  • Prediction: "Use DevRay DataLab MCP to load my exported churn_model and generate predictions for new records."

A dedicated guide is available in docs/codex-integration.md.

Available tools

ToolWhat it does
list_datasetsList CSV datasets in the workspace
inspect_datasetLoad a CSV; report types, missing values, stats, preview
analyze_correlationsPearson/Spearman correlations, strongest pairs
analyze_data_qualityMissing values, duplicates, constants, outliers, recommendations
prepare_datasetDefine target + task type; fit preprocessing on train data only
train_baselineTrain a classification or regression model
compare_modelsCompare multiple algorithms; select best by metric
export_modelSave model with pipeline, metadata, and schema
predictGenerate predictions from a saved local model
system_infoCPU, RAM, storage, GPU detection

Quickstart workflow

Using the included sample_classification.csv (target purchased):

  1. Inspect: inspect_dataset with {"name": "sample_classification.csv"}
  2. Data quality: analyze_data_quality with {"name": "sample_classification.csv"}
  3. Correlations: analyze_correlations with {"name": "sample_classification.csv", "method": "pearson"}
  4. Train & compare: compare_models with {"name": "sample_classification.csv", "target_column": "purchased", "task_type": "classification", "metric": "f1"}
  5. Export: export_model with {"artifact_name": "churn_model", "name": "sample_classification.csv", "target_column": "purchased", "task_type": "classification", "model_name": "random_forest"}
  6. Predict: 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.

Links

Security and privacy

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.

License

MIT License. See LICENSE.