Jupyter MCP Server

Serveur MCP par Datalayer

Read, edit and execute cells in live Jupyter notebooks from your AI assistant.

S’exécute en local (Tourne sur votre machine : sa page donne la commande d’installation)S’exécute avec uvx

Installer Jupyter MCP Server

Tourne sur votre machine. Votre client le lance avec cette commande :

uvx jupyter-mcp-server@latest

Nécessite uv (Python) sur votre ordinateur. Les étapes ci-dessous montrent où placer la commande dans chaque client.

Partager ce serveur

Ouvre cette page, avec la commande d’installation et les étapes de configuration.

mcp.tc/i/jupyter

Présentation

Connects an AI assistant to Jupyter notebooks in real time. The assistant can work with notebook cells, edit and document them, and run code for data analysis and visualization. It can target a local JupyterLab or JupyterHub, or cloud code sandboxes.

It runs locally with uvx jupyter-mcp-server@latest, pointed at a running Jupyter server through JUPYTER_URL and JUPYTER_TOKEN. Datalayer also hosts an endpoint at https://mcp.datalayer.run/mcp that uses OAuth sign-in with scoped permissions. The project is BSD-3-Clause licensed.

Ce que vous pouvez faire

  • Read and edit cells in live Jupyter notebooks
  • Execute code cells and get the results
  • Document and analyze data inside notebooks
  • Connect to a local JupyterLab or JupyterHub
  • Use the hosted Datalayer endpoint with OAuth sign-in
  • Scale code sandboxes from local to cloud providers

Outils

Les serveurs locaux présentent leurs outils une fois lancés, et celui-ci ne publie pas sa liste à l’avance. Votre client les affiche après l’ajout.

Exemples de prompts

  • Open my analysis notebook and summarize what each cell does

  • Add a cell that plots monthly sales from the dataframe and run it

  • Fix the failing cell in my notebook and re-execute it

  • Write markdown documentation for the cells in this notebook

Configuration

Chaque client lance Jupyter MCP Server sur votre machine avec la même commande. Choisissez le vôtre ; la page retient votre choix.

Claude Code

  1. Lancez ceci dans un terminal, dans le dossier de votre projet :
claude mcp add --transport stdio jupyter -- uvx jupyter-mcp-server@latest
  1. Démarrez Claude Code et tapez /mcp. jupyter devrait apparaître comme connecté.

Ajoutez --scope user pour le rendre disponible dans tous vos projets.

Claude Desktop

  1. Ouvrez Settings → Developer → Edit Config. Cela ouvre claude_desktop_config.json. Ajoutez :
claude_desktop_config.json
{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}
  1. Enregistrez le fichier et redémarrez Claude Desktop.

Nécessite uv (Python) sur votre ordinateur. Le fichier se trouve dans ~/Library/Application Support/Claude/ sous macOS et dans %APPDATA%\Claude\ sous Windows.

Cursor

Ou ajoutez-le à la main dans ~/.cursor/mcp.json (tous les projets) ou .cursor/mcp.json (ce projet) :

mcp.json
{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}

Nécessite uv (Python) sur votre ordinateur.

VS Code

Ou depuis un terminal :

code --add-mcp '{"name":"jupyter","type":"stdio","command":"uvx","args":["jupyter-mcp-server@latest"]}'

Ou committez-le dans le dépôt, dans .vscode/mcp.json :

.vscode/mcp.json
{
  "servers": {
    "jupyter": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}

Nécessite uv (Python) sur votre ordinateur.

Devin Desktop

  1. Ajoutez-le à ~/.config/devin/mcp_config.json (macOS et Linux) ou %APPDATA%\devin\mcp_config.json (Windows) :
mcp_config.json
{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}
  1. Actualisez la liste des serveurs MCP dans Cascade.

Devin Desktop est le nouveau nom de Windsurf.

Codex

codex mcp add jupyter -- uvx jupyter-mcp-server@latest

Ou modifiez directement ~/.codex/config.toml :

config.toml
[mcp_servers.jupyter]
command = "uvx"
args = ["jupyter-mcp-server@latest"]

Nécessite uv (Python) sur votre ordinateur.

Gemini CLI

gemini mcp add jupyter uvx jupyter-mcp-server@latest

Cela l’ajoute au projet en cours. Ajoutez -s user pour l’utiliser partout.

Tout client

La plupart des clients qui lancent des serveurs locaux acceptent cette forme :

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

Zed place les serveurs sous context_servers dans ses réglages, avec les mêmes champs command, args et env.

Nécessite uv (Python) sur votre ordinateur.

FAQ

Puis-je coller mcp.tc/i/jupyter dans mon client MCP ?

Non. Jupyter MCP Server tourne sur votre propre ordinateur, lancé par votre client, il n’a donc pas d’adresse web à laquelle se connecter. Le lien rapide est la page à partager ; la commande d’installation est uvx jupyter-mcp-server@latest.

Jupyter MCP Server a-t-il besoin d’une clé API ?

Non. Il ne déclare ni clé ni variable d’environnement. Il s’exécute avec les droits de votre compte utilisateur, vérifiez donc ce que ses outils peuvent atteindre.

Jupyter MCP Server est-il un serveur distant ou local ?

Local. Votre client le lance comme un processus sur votre ordinateur avec uvx jupyter-mcp-server@latest, qui nécessite uv (Python).

Que peut faire Jupyter MCP Server ?

Vous pouvez read and edit cells in live Jupyter notebooks, execute code cells and get the results et document and analyze data inside notebooks.

Quels clients peuvent l’utiliser ?

Tout client qui lance des serveurs locaux : Claude Code, Claude Desktop, Cursor, VS Code, Devin Desktop, Codex, Gemini CLI, Zed et d’autres. claude.ai et ChatGPT ne se connectent qu’à des serveurs distants.

Qui a rédigé cette page ?

Le robot de mcp.tc a lu les métadonnées publiques de Jupyter MCP Server (ses pages de paquet et de dépôt), et un modèle d’IA en a tiré le texte. Une personne examine tout ce que les vérifications ne peuvent pas confirmer. Le texte peut encore contenir des erreurs : si vous en repérez une, utilisez Signaler cette fiche sur cette page.

Intégrer

Affichez Jupyter MCP Server dans un README ou sur votre site. Chaque intégration renvoie à cette page, utilise la commande d’installation du serveur et ne dépose aucun cookie. Comment fonctionnent les intégrations

Badge pour README

Aperçu du badge, clairAperçu du badge, sombre
Markdown
[![Jupyter MCP Server on mcp.tc](https://mcp.tc/i/jupyter/badge.svg)](https://mcp.tc/i/jupyter)
HTML
<a href="https://mcp.tc/i/jupyter"><img src="https://mcp.tc/i/jupyter/badge.svg" alt="Jupyter MCP Server on mcp.tc" height="20"></a>

Il suit le mode clair ou sombre du lecteur. Ajoutez ?theme=light ou ?theme=dark pour le fixer, ou ?style=compact pour afficher le symbole sans le nom.

Carte pour site web

HTML
<script src="https://mcp.tc/w/jupyter.js" async></script>

La carte apparaît à l’endroit de la balise. Ajoutez data-theme="dark" ou data-size="compact" à la balise pour la modifier. Le fichier contient tout ce qu’il lui faut : il ne fait aucune autre requête et ne dépose aucun cookie.

iframe

HTML
<iframe src="https://mcp.tc/embed/jupyter" title="Jupyter MCP Server on mcp.tc" width="420" height="200" loading="lazy" allow="clipboard-write" style="border:0;border-radius:8px;max-width:100%"></iframe>

Utilisez-la sur les pages qui n’autorisent pas les scripts. Ajoutez ?theme=light ou ?theme=dark à l’adresse pour fixer les couleurs.

JSON

La fiche sous forme de données pour vos pages et vos outils : nom, accroche, commande d’installation, outils et liens « Add to ». N’importe quel site peut la lire (CORS ouvert).

https://mcp.tc/i/jupyter.json

Ce que signifie chaque champ

mcp.tc n’est pas affilié à Datalayer. Cette page a été construite à partir des métadonnées publiques de Jupyter MCP Server, vérifiées pour la dernière fois le 3 oct. 2026, et un modèle d’IA a rédigé la description : elle peut contenir des erreurs. Les noms et marques appartiennent à leurs propriétaires. Quelque chose cloche ? Signaler cette fiche.