$ loading_
通过 MCP 连接 Jupyter 环境，帮助执行代码、分析数据并交互式探索结果。
该工具材料很少，但已知为开源、BSD 许可、社区采用度较高的 Jupyter MCP Server。未见远程端点或密钥需求；主要风险面来自其执行代码这一类工具固有能力，整体更适合评为需留意而非高风险。
材料明确标注无需密钥或环境变量，未见要求 API token、账号凭证或外部服务认证；凭证泄露面较低。
材料标注无远程端点 host，且 README 未声明会连接外部服务或将用户数据发送到第三方；基于现有事实，未见明确数据外发路径。
系统检查项已明确包含 executes-code。作为 Jupyter MCP Server，其功能很可能涉及在本机环境中执行代码/驱动 Jupyter 能力；这属于同类工具的固有高权限能力，应谨慎授予使用范围。
虽未给出 README 细节，但 Jupyter 场景通常会接触当前工作目录、笔记本及相关数据文件。材料未显示超出其声明用途的额外授权请求，但本地数据访问面应按常规谨慎看待。
来源为 GitHub 开源仓库，许可证为 BSD-3-Clause，且有约 1.1k star，具备较好的可审计性与社区采用度。当前未见闭源、可疑分发源或明显误导内容；仅因维护状态未知，仍建议安装前复核近期提交与依赖情况。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"jupyter-mcp-server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
连接 Jupyter MCP 服务器，打开当前 Notebook，运行第 3 个代码单元；如果报错，请分析原因并给出修复后的代码。
返回代码执行结果、报错分析，以及可直接替换的修正版代码。
通过 Jupyter MCP 读取工作目录中的 sales.csv，完成基础清洗、统计每月销售趋势，并总结 3 条关键发现。
输出清洗后的分析过程、趋势结果，以及简明的数据结论。
在 Jupyter 环境中读取实验数据，绘制分布图和相关性热力图，并解释哪些变量最值得进一步研究。
生成图表、对应解释，以及后续分析建议。
连接并管理 Jupyter Notebook，支持交互式运行代码与数据分析可视化。
通过 MCP 直接加载、编辑、检索并保存 Jupyter 笔记本，提升代码与数据分析效率。
连接 Jupyter 内核并管理笔记本，支持读取、编辑与执行代码单元。
让 AI 直接读写并执行 Jupyter Notebook
通过 MCP 连接并操作 dbt，帮助用户查询项目、运行模型与管理数据转换流程。
通过统一接口接入多个科学计算 MCP 服务，简化工具调用与集成。