$ loading_
让兼容MCP的AI直接操控实时JupyterLab
复制安装指令，让 AI 自动完成配置 · 推荐新手
"jupyter-interactive-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。
请通过 JupyterLab 检查当前 Notebook，定位报错单元并修复代码，然后说明修改原因。
返回修复后的代码、修改说明，以及可能的错误原因。
请在当前 JupyterLab 中加载数据文件，做基础清洗、统计汇总，并给出结论。
输出清洗结果、统计表和简要分析结论。
请在 JupyterLab 中运行一组实验代码，保存中间结果，并整理成可复现的步骤。
输出实验步骤、运行结果和可复现说明。
开发者需要让 AI 直接查看并操作正在运行的 JupyterLab，会比只生成静态代码更适合排查和修复问题。它适合调试、重跑单元格和验证改动。
数据分析师可以让 AI 在 JupyterLab 中处理数据、运行分析代码并整理输出。适合需要边分析边调整流程的场景。
研究员或学生可以借助它在 Notebook 中执行实验、保存中间产物并形成可复现流程。适合原型验证和实验记录。
它是一个 MCP 服务器，可以让兼容 MCP 的客户端直接控制一个实时运行的 JupyterLab 实例。适合在交互式环境中操作 Notebook、代码和数据。
主要适合开发者、数据分析师、研究员和学生。凡是需要在 JupyterLab 里交互式处理代码或数据的人都能用。
需要一个可用的 JupyterLab 实例，以及一个兼容 MCP 的 LLM 客户端。除此之外，文档节选未提供更多安装或配置细节。
让 AI 代理通过 MCP 连接并操控本地 JupyterLab 进行编程与数据分析。
让 AI 在 Jupyter 中管理单元依赖并高效执行代码与输出结果
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。
将 Jupyter Server 中的 Python 函数注册为可供 MCP 客户端调用的工具
可批量读取、修改与处理 Jupyter 笔记本，无需启动 Jupyter 服务。