AIに「このデータを分析して」と頼んでも、Notebookのセル作成や実行は人間が手を動かす必要がありました。Jupyter MCP Serverは、その壁を取り除くオープンソースのMCPサーバーです。Claude DesktopやCursorから接続すれば、コードセルの作成・実行、Markdownセルの追加までAIが直接行えます。

この記事でわかること

  • Jupyter MCP Serverが解決する課題と仕組み
  • 主な機能と対応クライアント
  • ローカル環境での導入手順
  • 組み込みツールとの違い

https://github.com/datalayer/jupyter-mcp-server

Jupyter MCP Serverとは

Jupyter MCP Serverは、Datalayerが開発したオープンソースのMCP（Model Context Protocol）サーバーです。MCPはAnthropicが提唱したプロトコルで、AIクライアントと外部ツールを標準化された形式で接続します。Claude DesktopやCursor、VS Code、WindsurfなどのMCP対応クライアントから、実行中のJupyter Notebookにアクセスできます。

ライセンスはBSD 3-Clauseで、GitHub上のリポジトリは2026年6月時点で約1,200スターです。PyPIパッケージ名はjupyter-mcp-server、最新リリースはv1.0.2です。

なぜNotebook操作にMCPが必要か

Jupyter Notebookはデータ分析や機械学習の現場で広く使われています。一方、AIアシスタントに分析を任せる場合、Notebookのファイル編集だけでは不十分です。セルを実行してエラーを確認し、パッケージをインストールし、出力を読み取る一連の流れには、IPythonカーネルへの接続が欠かせません。

Claude CodeにはNotebookEditという組み込みツールがありますが、カーネルに接続しないためセル実行や出力の確認ができません。ReviewNBの検証でも、NotebookEditはgit diffが冗長になり、実行・デバッグのループには向かないと指摘されています（参考）。Jupyter MCP Serverはカーネルに直接アクセスするため、インポートエラーの修正やpip installの実行をAIが自律的に繰り返せます。

主な機能

公式ドキュメントとREADMEに記載されているツールは、大きく3つに分かれます。

サーバー管理では、Jupyterサーバー上のファイル一覧取得やカーネル一覧、動的なサーバー接続が可能です。

Notebook管理では、Notebookの作成・切り替え、カーネルの再起動、セル内容の読み取りを行います。複数のNotebookを同時に扱える点も特徴です。

セル操作と実行が実用性の中心です。insert_cellでコードセルやMarkdownセルを挿入し、execute_cellで実行します。insert_execute_code_cellは挿入と実行を一度に行い、execute_codeはマジックコマンドやシェルコマンドもカーネル上で直接実行します。セルの削除・移動、ソースコードの部分編集にも対応しています。

そのほか、グラフや画像を含むマルチモーダル出力の取得、JupyterLabとのUI連携、OpenTelemetryによる実行トレースにも対応しています。ローカルのJupyterLabだけでなく、JupyterHubやDatalayerのホスト型Notebookとも接続できます。

料金

Jupyter MCP Server本体は無料のオープンソースです。利用にあたっては、MCPクライアント（Claude Desktopなど）の利用条件が別途適用されます。Datalayerが提供するホスト型Notebookを使う場合は、同社の料金体系が適用されますが、ローカル環境だけであれば追加費用はかかりません。

導入手順

最短の構成は、JupyterLabとMCPクライアントを別プロセスで動かす方法です。

まずJupyterLabを起動します。

pip install jupyterlab==4.4.1 jupyter-collaboration==4.0.2 jupyter-mcp-tools>=0.1.4 ipykernel pycrdt
jupyter lab --port 8888 --IdentityProvider.token MY_TOKEN --ip 0.0.0.0

次にMCPクライアント側の設定ファイルに、以下のようなエントリを追加します。uvx経由が公式の推奨方法です。

{
  "mcpServers": {
    "jupyter": {
      "command": "uvx",
      "args": ["jupyter-mcp-server@latest"],
      "env": {
        "JUPYTER_URL": "http://localhost:8888",
        "JUPYTER_TOKEN": "MY_TOKEN",
        "ALLOW_IMG_OUTPUT": "true"
      }
    }
  }
}

Claude Desktopでは設定後にアプリを完全終了して再起動する必要があります。本番環境ではDockerイメージdatalayer/jupyter-mcp-serverを使う方法も用意されています。v1.0.0以降はMCP_TOKENの設定が必須になった点に注意してください。

類似手段との違い

Notebook操作をAIに任せる手段は複数あります。Claude CodeのNotebookEditはセットアップ不要ですが、カーネル実行ができません。mcp-jupyterはカーネル内の変数やDataFrameの状態を読み取ることに特化した別プロジェクトです。Jupyter MCP Serverは、セル編集から実行、出力取得、複数Notebook管理までを一つのサーバーでカバーする汎用ツールとして位置づけられます。

Daily Dose of Data Scienceが2026年6月28日に紹介した投稿でも、コードセル・Markdownセルの作成と実行が可能な点が強調されていました。データサイエンスのワークフロー全体をAIに任せたい場合、カーネル接続を備えたMCPサーバーの導入が現実的な選択肢です。