jupyter-mcp-server MCP — ユースケース, インストール & ライブデモ

なぜ使うのか

主な機能

実行中のJupyterカーネルをリアルタイムで制御
マルチモーダル出力 — matplotlibやplotlyの画像をClaudeに戻す
1つのセッション内での複数ノートブック切り替え
可観測性のためのOpenTelemetry組み込み

ライブデモ

実際の動作

jupyter.replay ▶ 準備完了

0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

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

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit

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

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json

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

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json

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

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json

{
  "context_servers": {
    "jupyter": {
      "command": {
        "path": "uvx",
        "args": [
          "jupyter-mcp-server"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

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

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方： jupyter-mcp-server

Claude + Jupyterでの探索的データ分析の実行方法

👤 データサイエンティスト、アナリスト ⏱ ~30 min intermediate

使うタイミング： 新しいデータセットがあり、ボイラープレートセルを自分で書かずに操作したいときに使用します。

前提条件

トークン認証でJupyterLabを実行 — jupyter lab --no-browser を実行して、URLからトークンをコピー
JUPYTER_URL + JUPYTER_TOKEN 環境変数 — ラボのURLとトークンに設定

フロー

ノートブックとデータを読み込む

use_notebook を使用して analysis.ipynb を開きます。./data/events.parquet を DataFrame df に読み込むセルを挿入してください。✓ コピーしました

→ セルが実行され、df.head() プレビューが返される
分析を反復

event_type の分布はどのような様子ですか？プロットして、画像を表示してください。✓ コピーしました

→ ヒストグラム画像がチャットに表示される
クリーンなノートブックを保存

ノートブックをクリーンアップしてください：エラーセルを削除し、マークダウンヘッダーを追加し、restart-run-all で上から下まで実行されることを確認してください。✓ コピーしました

→ 最初から最後まで再現できるノートブック

結果： ナラティブ、チャート、検証済みの再現性を備えた公開可能なノートブック。

注意点

カーネル状態がノートブックのセル順序からずれる — 編集後に notebook_run-all-cells を使用して、隠された状態のバグをキャッチする
データファイルがカーネルに見えない — カーネルのCWDはJupyterを開始した場所ではなく、ノートブックのディレクトリです。絶対パスを使用してください。

組み合わせ： filesystem

Claude と jupyter-mcp を使用した自己修復ノートブック

👤 パイプラインを反復中の研究者 ⏱ ~45 min advanced

使うタイミング： 長いノートブックが途中で失敗し、エージェントにセルを修正して再開してほしいときに使用します。

フロー

エラーキャッチを伴う実行

pipeline.ipynb のすべてのセルを実行します。セルがエラーになった場合、トレースバックを読み、コードを修正し、続行する前に再度実行してください。✓ コピーしました

→ 最初のエラーを越えてノートブックが継続し、修正が適用される
レビューのための修正をログ記録

実施したすべての修正を、変更されたコードの上のマークダウンセルとしてまとめてください。✓ コピーしました

→ エージェント編集の監査証跡

結果： パイプラインが可視的な修復履歴を伴って完了します。

自然言語のレッスンアウトラインから教育用ノートブックを生成

👤 教育者、テクニカルライター ⏱ ~30 min beginner

使うタイミング： 学生のためのワークド例ノートブックやブログ記事を作成したいときに使用します。

フロー

アウトライン→スキャフォルド

このレッスンアウトライン[貼り付け]から、lesson.ipynb をマークダウンセルとしてセクションを備え、コードセルをスキャフォルド化して作成してください。✓ コピーしました

→ 構造を備えたノートブック
コードセルを埋め、検証

各コードセルを実行可能な例で充実させます。上から下まで実行し、エラーがないことを確認してください。✓ コピーしました

→ 学生が実行できるクリーンなノートブック

結果： 数時間ではなく数分で作成された、教育の準備ができたノートブック。

組み合わせ

他のMCPと組み合わせて10倍の力を

jupyter + filesystem

ノートブックの作業ディレクトリへ/からアーティファクトを移動

ノートブックで保存されたプロットを、ファイルシステムMCP経由で./reports/<date>/にコピーしてください。✓ コピーしました

jupyter + postgres

ノートブック内からPostgresからデータを取得

新しいセルで、pandas.read_sql とDB接続を使用して、先月のイベントを読み込んでから、EDAを実行してください。✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
use_notebook	path: str	ノートブックを開く/アタッチ	0
list_notebooks		利用可能なノートブックを検索	0
execute_cell	notebook_id, cell_index	特定のセルを実行	カーネル時間
insert_execute_code_cell	notebook_id, code, position?	新しいコードを追加して実行	カーネル時間
read_cell	notebook_id, cell_index	既存のセルを検査	0
list_kernels		実行中のものを確認し、ゾンビカーネルを検出	0
restart_notebook	notebook_id	カーネル状態をクリーンにリセット	0

コストと制限

運用コスト

APIクォータ: MCPからなし；Jupyterはあなたのものです
呼び出しあたりのトークン: 出力は大きくなります — 特に画像やDataFrameのヘッド
金額: 無料（自己ホスト）
ヒント: df.head() と df.info() を使用し、print(df) は使用しないでください — 完全なDataFrameはトークン使用を肥大化させます

セキュリティ

権限、シークレット、影響範囲

認証情報の保管： 環境変数のJUPYTER_TOKEN — パスワードのように扱う；誰でもカーネルでコードを実行できます

データ送信先： MCPはあなたのJupyterサーバーURLにのみ通信します

トラブルシューティング

よくあるエラーと対処法

Jupyterに接続するときの401 Unauthorized

JUPYTER_TOKEN が古い — jupyter server list から新しくコピー

確認： curl -H 'Authorization: token <TOKEN>' $JUPYTER_URL/api

カーネルビジー/返されない

前のセルはまだ実行中です。restart_notebook を使用して復旧し、無限ループを監視してください

確認： list_kernels shows state=busy

プロットがClaudeに表示されない

%matplotlib inline が設定されていることを確認し、最後で plt.show() を呼び出すだけでなく、図を返していることを確認してください

代替案

jupyter-mcp-server 他との比較

代替案	代わりに使う場面	トレードオフ
nteract/papermill	インタラクティブチャットなしでスクリプト化/パラメータ化されたノートブック実行を必要とします	エージェントループなし；バッチスタイル
marimo	隠された状態が少ない反応性ノートブックを必要とします	完全に異なるツール；まだMCPはありません

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る