AI导哈

Jupyter MCP工具

MCPStack Jupyter工具是一个轻量级包装器，用于通过MCPStack操作Jupyter Notebook，允许LLM在对话中使用Jupyter功能。

  • by MCP-Pipeline
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 mcp-pipeline/mcpstack-jupyter

使用说明



MCPStack Jupyter MCP

Operate Jupyter Notebooks from your favourite LLM

[！重要] 如果您还没有访问MCPStack主编排器存储库，请开始 在那里： MCP堆栈

💡 关于MCPStack Jupyter工具

此存储库提供 封装官方Python Jupyter MCP服务器的MCPStack工具 --确实如此 不 一种新颖的MCP。

  • 上游项目： 数据层/jupyter mcp服务器
  • 我们 重用他们的MCP操作 并使它们浮出水面 MCP堆栈.
  • 随着上游的演变， 某些操作/端点可能会被弃用。我们的包装器有意轻量级，因此更新到新的上游版本应该很简单。 如果你遇到不兼容， 请打开一个问题 我们将跟踪更新以与Jupyter MCP服务器保持一致。

用外行的话来说，什么是MCPStack？

这 模型上下文协议（MCP） 标准化工具与LLM的通信方式。 MCPStack 让你 将多个MCP工具堆叠在一起 并将它们暴露给LLM主机（例如Claude Desktop）。

思考 scikit学习管道，但用于LLM工具:

  • 在scikit学习：你链 preprocessors → transformers → estimators.
  • 在MCPStack中：您可以链接多个MCP工具（Jupyter、MIMIC等），LLM可以在对话中使用所有这些工具。

安装

该工具作为标准Python包分发。由于有入口点，MCPStack将自动发现它。

经由 uv （推荐）

uv add mcpstack-jupyter

经由 pip

pip install mcpstack-jupyter

（Dev）预提交挂钩

uv run pre-commit install
# or: pre-commit install

🔌 使用MCPStack

此工具声明了入口点，以便MCPStack可以自动看到它：

[project.entry-points."mcpstack.tools"]
jupyter = "mcpstack_jupyter.tools.jupyter.jupyter:Jupyter"

[project.entry-points."mcpstack.tool_clis"]
jupyter = "mcpstack_jupyter.tools.jupyter.cli:JupyterCLI.get_app"

1） 使用令牌运行Jupyter

你 必须 运行Jupyter服务器/实验室 带有令牌 （文档和运行时API将使用相同的令牌）。

uv run jupyter lab \
  --port 8888 \
  --IdentityProvider.token MY_TOKEN \
  --ip 0.0.0.0

# MY_TOKEN can for instance be: 1117bf468693444a5608e882ab3b55d511f354a175a0df02

[！注意] 文档参考：https://jupyter-mcp-server.datalayer.tech/jupyter/

确保在Jupyter实验室中打开一个笔记本，例如。， notebook.ipynb 或者您在配置中定义的任何内容。

2） 配置Jupyter工具（设置令牌）

使用该工具的CLI创建一个小型 MCPStack ToolConfig JSON。 最低通行证 --token:

uv run mcpstack tools jupyter configure \
  --token MY_TOKEN \
  --output jupyter_config.json

# MY_TOKEN can for instance be: 1117bf468693444a5608e882ab3b55d511f354a1750df02 (must match the Jupyter server token)

CLI有合理的默认值：

  • DOCUMENT_URL: http://127.0.0.1:8888
  • DOCUMENT_ID: notebook.ipynb <-请随意将此更改为您的任何笔记本。
  • RUNTIME_URL：默认为 DOCUMENT_URL

如果需要，您可以覆盖这些：

uv run mcpstack tools jupyter configure \
  --document-url http://127.0.0.1:8888 \
  --document-id Untitled.ipynb \
  --runtime-url  http://127.0.0.1:8888 \
  --token        1117bf468693444a5608e882ab3b55d511f354a1750df02 \
  --output       jupyter_config.json

3） 构建一个管道

创建一个新的管道（或附加到现有的管道）并包含Jupyter ToolConfig：

# New pipeline
uv run mcpstack pipeline jupyter --new-pipeline my_pipeline.json --tool-config jupyter_config.json

# Or append to an existing pipeline
uv run mcpstack pipeline jupyter --to-pipeline my_pipeline.json --tool-config jupyter_config.json

4） 在Claude Desktop（或您的主机）中运行它

uv run mcpstack build --pipeline my_pipeline.json --config-type claude

现在让法学硕士操作笔记本。快速烟雾测试：

“附加一个代码单元格，打印 Hello World.”

如果一切连接正确，您应该会看到新单元格出现并在Jupyter Lab中执行。

⚙️ 配置--YAML（开发人员）

此工具附带了YAML配置 src/mcpstack_jupyter/configuration/:

  • env_defaults.yaml --提供者/URL/IDs和a的默认值 require_tokens 标志（我们保留代币 必需的).
  • tools.yaml --我们默认公开的上游操作列表。随着上游的发展，在此进行调整。
  • cli_defaults.yaml --CLI的提示标签和默认输出文件名。

您可以调整这些YAML文件，在不接触代码的情况下全局更改默认值。 代币仍然存在 必需的 并且在构建工具时由MCPStack预先执行。

📖 程序化API

使用 Jupyter 工具类直接位于管道中。 令牌从环境（管道配置或进程环境）中获取：

import os
from mcpstack_jupyter.tools.jupyter.jupyter import Jupyter
from MCPStack.stack import MCPStackCore

# Provide tokens via environment (same token for both is fine)
# On the long term we could think passing a StackConfig to the Jupyter tool instance, with all the necessary env vars. Open An Issue.
os.environ["DOCUMENT_TOKEN"] = "1117bf468693444a5608e882ab3b55d511f354a175a0df02"
os.environ["RUNTIME_TOKEN"]  = "1117bf468693444a5608e882ab3b55d511f354a175a0df02"

pipeline = (
    MCPStackCore()
    .with_tool(Jupyter(include=None))  # or provide a subset of actions of interest.
    # Add more tools as needed, e.g., MIMIC, etc.
    # .with_tool(MIMIC(...))
    .build(type="fastmcp", save_path="my_jupyter_pipeline.json")
    .run()
)

[！注意] 您可以公开的常见上游操作（请参见 configuration/tools.yaml):

  • append_markdown_cell,
  • insert_markdown_cell,
  • overwrite_cell_source,
  • delete_cell
  • append_execute_code_cell,
  • insert_execute_code_cell
  • execute_cell_with_progress,
  • execute_cell_simple_timeout,
  • execute_cell_streaming
  • read_cell,
  • read_all_cells,
  • get_notebook_info

🧰 故障排除

  • 403禁止/ _xsrf 缺少/无法创建内核 确保您使用令牌运行Jupyter，并且您的 ToolConfig 提供 两者 DOCUMENT_TOKEN 和 RUNTIME_TOKEN. 在大多数设置中，这是相同的。

  • 404上 notebook.ipynb 更新 --document-id 相对于Jupyter工作目录的实际笔记本路径（例如。， Untitled.ipynb 或 notebooks/analysis.ipynb).

  • 实验室里什么也没发生 更喜欢 http://127.0.0.1:8888 超过 http://localhost:8888. 确认您的管道正在运行，并且该工具列在 mcpstack list-tools.

🤝 上游兼容性和支持

如前所述，这是 轻质包装材料 通过上游Jupyter MCP服务器 (github.com/datalayer/jupyter-mcp-server).如果上游API改变， 我们很乐意追踪它-- 请打开一个问题 包含版本和失败操作的详细信息。

查看更多 Jupyter MCP Server官方文档.

📽️ 视频演示

🔐 许可证

麻省理工学院——见 许可证.

相关 MCP