$ loading_
让 AI 代理通过 MCP 连接并操控本地 JupyterLab 进行编程与数据分析。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ipynb-mcp" 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 ipynb-mcp 到我的本地 JupyterLab，打开 sales_analysis.ipynb，定位报错单元，修复代码并重新运行相关单元，然后总结修改内容。
AI 完成 Notebook 排错、运行修复后的单元，并给出修改说明。
使用 ipynb-mcp 打开当前 JupyterLab 会话中的 customer_data.ipynb，读取数据集，补充缺失值统计、分布图和关键结论，并把结果写回 Notebook。
生成补充后的探索性分析内容，包括代码、图表和结论。
通过 ipynb-mcp 控制本地 JupyterLab，依次打开 experiments 文件夹中的所有 ipynb 文件，执行全部单元，记录失败项，并输出实验运行摘要。
得到每个 Notebook 的执行结果、失败记录和整体运行摘要。
让 AI 在 Jupyter 中管理单元依赖并高效执行代码与输出结果
让兼容MCP的AI直接操控实时JupyterLab
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。
连接并管理 Jupyter Notebook，支持交互式运行代码与数据分析可视化。
可批量读取、修改与处理 Jupyter 笔记本，无需启动 Jupyter 服务。
将 Jupyter Server 中的 Python 函数注册为可供 MCP 客户端调用的工具