ต้นแบบ · รุ่นทดลอง: มีทุก server ในทะเบียนทางการ อัปเดตทุก 30 นาที รีวิวและบัญชีผู้ใช้จะมาในขั้นถัดไป
PopNx MCPที่รวม MCP สำหรับคนใช้ AI · อธิบายเป็นภาษาคน

Jupyter MCP Server

โดย ChengJiale150รุ่น 1.1.0i★ –iรันบนเครื่อง
ชื่อใน registryio.github.ChengJiale150/jupyter-mcp-server

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

A powerful MCP server for AI-driven Jupyter Notebook management and execution

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

  • การเชื่อมต่อ: รันบนเครื่อง
  • ช่องทาง (transport): stdio
  • หมวด: อื่น ๆ

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ต้องเตรียมก่อน

  • PyPIติดตั้ง uv ของ Python (มีคำสั่ง uvx) ในเครื่อง

คุณใช้แอปไหน

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "better-jupyter-mcp-server"
      ]
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add jupyter -- uvx better-jupyter-mcp-server

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "better-jupyter-mcp-server"
      ]
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "jupyter": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "better-jupyter-mcp-server"
      ]
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 9 พ.ย. 2569

  • ✓ ผ่าน

    ตัวตนผู้ทำตรงกับ repo

    ชื่อใน registry ยืนยันด้วยบัญชี GitHub ChengJiale150 ซึ่งเป็นเจ้าของ repo

  • … ยังไม่ตรวจ

    ยังมีคนดูแล

    ยังไม่ได้อ่านข้อมูล repo จาก GitHub

  • … ยังไม่ตรวจ

    มีสัญญาอนุญาต (license)

    ยังไม่ได้อ่านข้อมูล repo จาก GitHub

  • – ไม่เกี่ยว

    endpoint ตอบ

    ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต

  • – ไม่เกี่ยว

    ล็อกอินแบบ OAuth

    ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน

  • … ยังไม่ตรวจ

    คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

    รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด อื่น ๆi

  • ดาวมากกว่า 0% ของอีก 18696 ตัวในหมวดนี้
  • ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 0% ของอีก 18696 ตัวในหมวดนี้
  • ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 18696 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

Jupyter MCP Server ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (1.1.0) เข้า registry 14 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Spec Driven Development, Remote Desktop Commander, Tethered Trust

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:↓ ดาวน์โหลดต่อสัปดาห์i★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Spec Driven Development

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

โดย formulahendryเริ่มต้น↓ 66/สัปดาห์★ 440อัปเดต 14 เดือนที่ผ่านมา

รันบนเครื่อง

Remote Desktop Commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

โดย desktop-commanderกำลังโต★ 211อัปเดต 4 วันที่ผ่านมา

รันบนคลาวด์✓ desktopcommander.app

Tethered Trust

Fit, compatibility and recall checks for AI agents before they buy: verdicts, evidence, receipts.

โดย tetheredtrust.comเริ่มต้นอัปเดต วันนี้

รันบนคลาวด์✓ tetheredtrust.com

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

🪐 Jupyter MCP Server

专门为AI连接与管理Jupyter Notebook而开发的MCP服务

*由 ChengJiale150 开发*

English | 中文

📖 目录

  • 项目简介
  • 工具一览
  • 快速上手
  • 最佳实践
  • 贡献指南
  • 致谢

🎯 项目简介

Jupyter MCP Server 是一个基于 Model Context Protocol (MCP) 的服务,为目前最先进的的AI IDE(如 Cursor) 与CLI工具(如Gemini CLI)提供连接与管理Jupyter Notebook的能力。使得AI能够操作Notebook,进行数据分析、可视化、机器学习等任务。

🤔 为什么需要Jupyter MCP Server

Jupyter Notebook 是数据科学家最常用的工具之一,它提供了一个交互式的环境,使其可以方便地进行数据分析、可视化、机器学习等探索性任务。然而,由于Notebook自身的格式限制,使得其难以像纯文本文件(如Markdown、Python文件)一样被AI直接理解。

现有的提供操作Notebook的工具或MCP服务,要么仅能阅读与编辑Notebook,要么仅能操纵单个Notebook,难以满足同时操纵多个Notebook的复杂需求。此外,大多数工具也不支持多模态输出,无法充分利用目前最先进的多模态大模型(如Gemini 2.5)的强大图文理解能力。

Jupyter MCP Server 就是为了解决这个问题而开发的。它通过MCP协议,向AI提供了管理Jupyter Kernel与Notebook的工具,使其能够操纵多个Notebook进行交互式的任务执行,并输出多模态结果,助力数据科学家提高分析效率。

✨ 关键亮点
  • 🔌 MCP兼容: 能够在任何支持MCP协议的IDE或CLI工具中使用
  • 📚 多Notebook管理: 支持同时管理多个Notebook
  • 🔁 交互式执行: 能够根据Cell的输出自动调整执行策略
  • 📊 多模态输出: 支持输出多模态结果,如文本、图片、表格等

🔧 工具一览

Notebook管理模块
名称描述说明
connect_notebook连接/创建指定路径的Notebook因为需要启动Kernel,工具执行时间较长(10s~30s)
list_notebook列出所有目前连接的Notebook用于查看目前已经连接的Notebook,方便多Notebook任务执行
restart_notebook重启指定名称的Notebook清除所有导入包与变量
read_notebook读取指定名称的Notebook的源内容(不包含输出)用于查看Notebook的源内容,仅在明确要求时才使用
Cell基本功能模块
名称描述说明
list_cell列出指定名称的Notebook的所有Cell的基本信息用于定位Cell的索引与作用
read_cell读取指定名称的Notebook指定索引的Cell内容支持图像、表格、文本等多种输出
delete_cell删除指定名称的Notebook指定索引的Cell
insert_cell在指定名称的Notebook指定索引处上方/下方插入Cell
execute_cell执行指定名称的Notebook指定索引的Cell返回Cell的输出结果
overwrite_cell覆盖指定名称的Notebook指定索引的Cell内容用于修改Cell内容
Cell高级集成功能模块
名称描述说明
append_execute_code_cell在Notebook末尾添加并执行Code Cellinsert+execute的组合为高频操作,将其组合减少工具的调用次数
execute_temporary_code执行临时代码块(不存储到Notebook中)用于进行魔法指令执行、代码片段调试、查看中间变量取值等临时操作

工具的具体内容详见工具文档

🛠️ 快速上手

环境准备
安装Jupyter MCP Server

uvx 快速安装(推荐)

在安装uv后,直接配置MCP的JSON格式即可,示例如下:

{

"mcpServers":{ "Jupyter-MCP-Server":{ "command": "uvx", "args": [ "better-jupyter-mcp-server" ], "env": { "ALLOW_IMG": "true" }, "transport": "stdio" } } }

具体客户端集成详见集成文档

源代码

  1. 克隆项目并安装依赖
git clone https://github.com/ChengJiale150/jupyter-mcp-server

cd jupyter-mcp-server uv sync

  1. (可选)配置config.toml

进入src/config.toml文件,根据需要配置参数(如是否允许返回图片数据)

  1. 启动Jupyter MCP Server
uv run fastmcp run src/main.py

如果成功启动,会输出类似如下信息代表启动成功:

[09/14/25 20:14:59] INFO     Starting MCP server 'Jupyter-MCP-Server' with transport 'stdio'  
  1. 配置标准JSON格式
{

"mcpServers":{ "Jupyter-MCP-Server":{ "command": "uv", "args": [ "run", "--directory", "your/path/to/jupyter-mcp-server", "src/main.py" ], "env": {}, "transport": "stdio" } } }

具体客户端集成详见集成文档

使用Jupyter MCP Server

本地手动启动Jupyter Server

在正式使用前,需要连接Jupyter Server,这里介绍如何在本地手动启动Jupyter Server:

  1. 打开终端并激活环境:

打开计算机终端命令行,并激活环境

对于使用conda(Anaconda)的用户,可以使用以下命令激活环境:

conda activate your_environment_name

这里为了方便起见,这里可以直接使用base环境(conda activate base)

然后切换到你当前的项目目录,方便后续的文件操作

cd your/path/to/your/project
  1. 安装必要依赖:
pip uninstall -y pycrdt datalayer_pycrdt

pip install jupyter nbformat datalayer_pycrdt jupyter-collaboration

  1. 启动Jupyter Server:

使用下述命令启动Jupyter Server

jupyter lab

成功启动后会弹出浏览器窗口,你可以在此查看根路径是否为工程目录

  1. 获取认证Token:

使用下述命令获取认证Token

jupyter server list

运行后会输出类似如下信息:

http://localhost:8888/?token=YOUR_TOKEN :: YOUR_PROJECT_PATH

其中YOUR_TOKEN为认证Token

  1. 添加提示词与规则

在正式使用前,你必须添加如下提示词于规则文件中以提供Jupyter MCP Server的必要连接信息:

以下是Jupyter服务器连接参数:

URL = http://localhost:8888 Token = YOUR_TOKEN

此外,推荐在提示词中添加关键Notebook路径信息,方便AI快速定位目标Notebook提高connect_notebook工具的执行效率,可以在Jupyter Lab网页中右键点击目标Notebook文件,选择Copy Path获取相对路径

在提供上述内容后,你就可以开始使用Jupyter MCP Server了!

使用LLM托管Jupyter Server

  1. 安装必要依赖:
pip uninstall -y pycrdt datalayer_pycrdt

pip install jupyter nbformat datalayer_pycrdt jupyter-collaboration

  1. 提供提示词与规则文档:
## Jupyter MCP Server 使用指南

在正式使用Jupyter MCP Server前,你必须完成如下步骤:

  1. 启动Jupyter Server:

在当前项目目录中以不阻塞当前终端的方式在命令行终端中输入启动Jupyter Server,例如:

  • Window: start jupyter lab
  • MacOS/Linux: nohup jupyter lab &
  1. 获取URL与认证Token:

使用jupyter server list获取URL与认证Token

仅当完成上述步骤后,你才可以使用Jupyter MCP Server

✅ 最佳实践

  • 使用支持多模态输入的大模型(如Gemini 2.5 Pro)进行交互,以充分利用最先进的多模态理解能力
  • 使用支持MCP协议返回图像数据并支持解析的客户端(如Cursor、Gemini CLI等),部分客户端可能不支持该功能
  • 将复杂任务(如数据科学建模)拆分为多个子任务(如数据清洗、特征工程、模型训练、模型评估等),并逐步执行
  • 给出结构清晰的提示词与规则,这里可以参考提示词与规则文档
  • 在提示词中融入专家经验与智慧(如数据清洗、特征工程的技巧),这是AI最缺乏的,也是最需要补充的
  • 尽可能提供丰富的上下文信息(如现有数据集的字段解释,文件路径,详细的任务要求等)
  • 提供Few Shot案例,提供Baseline或已有Workflow作为参考
示例

🤝 贡献指南

我们欢迎社区贡献!如果您想为Jupyter MCP Server项目做出贡献,请:

  1. Fork 本仓库
  2. 创建您的特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交您的更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 开启一个 Pull Request
贡献类型
  • 🐛 Bug修复
  • 📝 旧功能完善
  • ✨ 新功能开发
  • 📚 文档改进
  • 🌍 国际化支持
开发帮助文档

🤗 致谢

本项目受到以下项目的帮助,在此表示感谢:

此外,本项目还参考了以下已有Jupyter MCP服务的实现,在此也一并表示感谢:


如果这个项目对您有帮助,请给我们一个 ⭐️

Made with ❤️ by ChengJiale150

ถาม PopNx