$ loading_
连接本地 Jupyter 内核，执行代码、管理内核并运行笔记本
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Jupiter Controller 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。
连接本地 Jupyter 内核，执行这段 Python 代码并返回输出：导入 pandas，读取 sample.csv，统计每列缺失值与数值列均值。
返回代码执行结果，包括缺失值统计、均值结果及相关输出信息。
列出当前可用的本地 Jupyter 内核，并说明我应该选择哪个内核来运行 Python 3 分析任务。
返回可用内核列表，并给出适合运行该任务的内核建议。
使用本地 Jupyter 内核运行这个 notebook，并捕获每个单元的输出与报错摘要。
返回笔记本执行状态，以及各单元输出或错误的汇总结果。
开发者或研究人员可在与 AI 协作时直接连接本地 Jupyter 内核，执行代码并获取输出，无需手动切换到独立的笔记本环境。
数据分析师在处理不同项目环境时，可以通过该工具查看和管理本地内核，选择合适的执行环境完成任务。
当需要批量或重复运行 notebook 时，该工具可触发笔记本执行并捕获输出，帮助用户快速检查结果与错误。
它把 Claude Code 连接到本地 Jupyter 内核，用于代码执行、内核管理和 notebook 执行，并支持安全门控与输出捕获。
可以。原始描述明确提到支持 notebook execution，因此不仅能运行代码片段，也能执行笔记本。
给定素材没有提供安装步骤、依赖或密钥要求。更具体的信息见源码仓库。
连接 Jupyter 内核并管理笔记本，支持读取、编辑与执行代码单元。
连接并管理 Jupyter Notebook，支持交互式运行代码与数据分析可视化。
让 AI 在 Jupyter 中管理单元依赖并高效执行代码与输出结果
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。
让兼容MCP的AI直接操控实时JupyterLab
让 AI 代理通过 MCP 连接并操控本地 JupyterLab 进行编程与数据分析。