Jupyter MCP Server

Server MCP di Datalayer

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

Gira in locale (Gira sul tuo computer: la sua pagina riporta il comando di installazione)Gira con uvx

Installa Jupyter MCP Server

Gira sul tuo computer. Il tuo client lo avvia con questo comando:

uvx jupyter-mcp-server@latest

Richiede uv (Python) sul tuo computer. I passaggi qui sotto mostrano dove va il comando in ogni client.

Condividi questo server

Apre questa pagina, con il comando di installazione e i passaggi di configurazione.

mcp.tc/i/jupyter

Descrizione

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.

Cosa puoi fare

  • 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

Tool

I server locali mostrano i loro tool solo quando sono in esecuzione, e questo non pubblica l’elenco in anticipo. Il tuo client li mostra dopo averlo aggiunto.

Prompt di esempio

  • 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

Configurazione

Ogni client avvia Jupyter MCP Server sul tuo computer con lo stesso comando. Scegli il tuo; la pagina ricorda la tua scelta.

Claude Code

  1. Eseguilo in un terminale, nella cartella del tuo progetto:
claude mcp add --transport stdio jupyter -- uvx jupyter-mcp-server@latest
  1. Avvia Claude Code e digita /mcp. jupyter dovrebbe risultare collegato.

Aggiungi --scope user per renderlo disponibile in tutti i progetti.

Claude Desktop

  1. Apri Settings → Developer → Edit Config. Si apre claude_desktop_config.json. Aggiungi:
claude_desktop_config.json
{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}
  1. Salva il file e riavvia Claude Desktop.

Richiede uv (Python) sul tuo computer. Il file si trova in ~/Library/Application Support/Claude/ su macOS e in %APPDATA%\Claude\ su Windows.

Cursor

Oppure aggiungilo a mano in ~/.cursor/mcp.json (tutti i progetti) o in .cursor/mcp.json (questo progetto):

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

Richiede uv (Python) sul tuo computer.

VS Code

Oppure da un terminale:

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

Oppure fai commit nel repository in .vscode/mcp.json:

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

Richiede uv (Python) sul tuo computer.

Devin Desktop

  1. Aggiungilo a ~/.config/devin/mcp_config.json (macOS e Linux) o a %APPDATA%\devin\mcp_config.json (Windows):
mcp_config.json
{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": [
        "jupyter-mcp-server@latest"
      ]
    }
  }
}
  1. Aggiorna l’elenco dei server MCP in Cascade.

Devin Desktop è il nuovo nome di Windsurf.

Codex

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

Oppure modifica direttamente ~/.codex/config.toml:

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

Richiede uv (Python) sul tuo computer.

Gemini CLI

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

Così lo aggiungi al progetto corrente. Aggiungi -s user per usarlo ovunque.

Qualsiasi client

La maggior parte dei client che avviano server locali accetta questa forma:

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

Zed mette i server sotto context_servers nelle sue impostazioni, con gli stessi campi command, args ed env.

Richiede uv (Python) sul tuo computer.

Domande frequenti

Posso incollare mcp.tc/i/jupyter nel mio client MCP?

No. Jupyter MCP Server gira sul tuo computer, avviato dal tuo client, quindi non ha un indirizzo web a cui collegarsi. Il link rapido è la pagina da condividere; il comando di installazione è uvx jupyter-mcp-server@latest.

Jupyter MCP Server richiede una chiave API?

No. Non dichiara chiavi né variabili d’ambiente. Gira con i permessi del tuo account utente, quindi controlla cosa possono raggiungere i suoi tool.

Jupyter MCP Server è un server remoto o locale?

Locale. Il tuo client lo avvia come processo sul tuo computer con uvx jupyter-mcp-server@latest, che richiede uv (Python).

Cosa può fare Jupyter MCP Server?

Puoi read and edit cells in live Jupyter notebooks, execute code cells and get the results e document and analyze data inside notebooks.

Quali client possono usarlo?

Qualsiasi client che avvia server locali: Claude Code, Claude Desktop, Cursor, VS Code, Devin Desktop, Codex, Gemini CLI, Zed e altri. claude.ai e ChatGPT si collegano solo a server remoti.

Chi ha scritto questa pagina?

Il robot di mcp.tc ha letto i metadati pubblici di Jupyter MCP Server (le pagine del suo pacchetto e del repository), e un modello di AI ne ha ricavato il testo. Una persona esamina tutto ciò che i controlli non riescono a confermare. Il testo può comunque contenere errori, quindi se ne trovi uno usa Segnala questa scheda su questa pagina.

Embed

Mostra Jupyter MCP Server in un README o sul tuo sito. Ogni embed rimanda a questa pagina, usa il comando di installazione del server e non imposta cookie. Come funzionano gli embed

Badge per il README

Anteprima del badge, chiaroAnteprima del badge, scuro
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>

Segue la modalità chiara o scura di chi legge. Aggiungi ?theme=light o ?theme=dark per fissarla, oppure ?style=compact per mostrare il simbolo senza la scritta.

Scheda per il sito

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

La scheda compare dove si trova il tag. Aggiungi data-theme="dark" o data-size="compact" al tag per cambiarla. Il file contiene tutto ciò che serve, quindi non fa altre richieste e non imposta 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>

Usalo nelle pagine che non consentono script. Aggiungi ?theme=light o ?theme=dark all’indirizzo per fissare i colori.

JSON

La scheda come dati per le tue pagine e i tuoi strumenti: nome, descrizione breve, comando di installazione, tool e i link «Aggiungi a». Qualsiasi sito può leggerla (CORS aperto).

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

Cosa significa ogni campo

mcp.tc non è affiliato a Datalayer. Questa pagina è stata costruita dai metadati pubblici di Jupyter MCP Server (ultimo controllo: 3 ott 2026), e la descrizione l’ha scritta un modello di AI, quindi può contenere errori. Nomi e marchi appartengono ai rispettivi titolari. Qualcosa non va? Segnala questa scheda.