🚀 Jupyter_MCP_Server
JupyterMCP 实现了 Jupyter Notebook 与 Claude AI 通过 Model Context Protocol (MCP) 的集成。借助该集成，Claude 能够与 Jupyter 笔记本直接交互并进行控制，实现 AI 辅助的代码执行、数据分析、可视化等功能。
🚀 快速开始
启动连接
- 启动你的 Jupyter Notebook（版本 6.x）服务器：
uv run jupyter notebook
- 打开浏览器访问 http://localhost:8888，然后导航到
jupyter_mcp_server.py笔记本。 - 在笔记本中执行以下代码以启动 MCP 服务器：
from jupyter_mcp_server import start_server
start_server()
✨ 主要特性
- 双向通信：通过基于 WebSocket 的服务器将 Claude AI 连接到 Jupyter Notebook。
- 单元格操作：可插入、执行和管理笔记本中的单元格。
- 笔记本管理：支持保存笔记本并获取笔记本信息。
- 单元格执行：能执行特定的单元格或运行整个笔记本的所有单元格。
- 输出获取：可获取已执行单元格的输出内容，且带有文本限制选项。
📦 安装指南
先决条件
- Python 3.12 或更高版本（可能与旧版本兼容，但未测试）
- [
uv包管理器](/README.md#安装 uv) - Claude AI 桌面应用程序
安装 uv
- Mac 系统：
brew install uv
- Windows (PowerShell) 系统：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
- 其他平台：请参阅 uv 安装指南。
设置
- 克隆或下载此仓库到你的电脑：
git clone https://github.com/jjsantos01/jupyter-notebook-mcp.git
- 创建虚拟环境并安装所需的 packages，并安装
jupyter-mcp内核，以便 Jupyter 安装程序识别：
uv run python -m ipykernel install --name jupyter-mcp
- （可选）安装数据分析的额外 Python 包：
uv pip install seaborn
- 配置 Claude 桌面集成：
转到
Claude>设置>开发者>编辑配置>claude_desktop_config.json以包含以下内容：
{
"mcpServers": {
"jupyter": {
"command": "uv",
"args": [
"--directory",
"/ABSOLUTE/PATH/TO/PARENT/REPO/FOLDER/src",
"run",
"jupyter_mcp_server.py"
]
}
}
}
用实际的路径替换 /ABSOLUTE/PATH/TO/，例如：
- Windows：
"C:\\Users\\MyUser\\GitHub\\jupyter-notebook-mcp\\src\\" - Mac：
/Users/MyUser/GitHub/jupyter-notebook-mcp/src/
如果你之前已经打开了 Claude，请关闭并重新打开。
💻 使用示例
基础用法
在连接后，Claude 将具有访问以下工具的能力：
# 检查服务器连通性
ping
# 在指定位置插入单元格并执行它
insert_and_execute_cell
# 保存当前 Jupyter 笔记本
save_notebook
# 获取所有单元格的信息
get_cells_info
# 获取当前笔记本的信息
get_notebook_info
# 按照索引运行特定的单元格
run_cell
# 运行笔记本中的所有单元格
run_all_cells
# 获取特定单元格的输出内容
get_cell_text_output
# 获取特定单元格的图像输出
get_image_output
# 编辑现有单元格的内容
edit_cell_content
# 设置单元格的幻灯片类型
set_slideshow_type
🔧 技术细节
系统由三个主要组件组成：
- WebSocket 服务器 (
jupyter_ws_server.py)：在 Jupyter 中设置一个 WebSocket 服务器，实现笔记本与外部客户端之间的桥梁通信。 - 客户 JavaScript (
client.js)：运行在笔记本中以处理操作（插入单元格、执行代码等）。 - MCP 服务器 (
jupyter_mcp_server.py)：实现 Model Context Protocol 并连接到 WebSocket 服务器。