Jupyter MCP 서버: Jupyter 환경에서 AI가 원활하게 작동하도록 만들기

오늘날의 디지털 시대에는 데이터 과학과 머신 러닝이 점점 더 긴밀하게 연결되고 있습니다. 데이터 과학자와 개발자를 위한 강력한 도우미로서 Jupyter Notebook의 기능은 끊임없이 확장되고 있습니다. 오늘은 Jupyter MCP 서버를 소개해드리겠습니다. Jupyter MCP 서버는 대규모 언어 모델(LLM)을 Jupyter 환경과 실시간으로 통합할 수 있는 놀라운 도구입니다. Jupyter는 AI 모델이 Jupyter 커널, 파일 시스템 및 터미널과 안전하고 상황에 맞는 방식으로 상호 작용할 수 있도록 모델 컨텍스트 프로토콜(MCP)을 구현합니다. 다음으로 Jupyter MCP Server의 매력을 자세히 살펴보겠습니다.

MCP 서버가 필요한 이유는 무엇입니까?

기존의 데이터 과학과 머신 러닝 작업에서는 AI 모델이 종종 "진공" 상태에 있습니다. 그들은 미리 설정된 변수의 존재를 인식할 수 없으며, 이로 인해 그들의 능력과 잠재력이 크게 제한됩니다. AI 모델이 코드 기록, 변수 값, 데이터 세트, 실행 결과와 같은 실시간 상황 정보를 얻을 수 없다면 작업 중에 쉽게 실수를 할 것입니다. 이러한 문제를 해결하기 위해 MCP(Model Context Protocol) 서버가 등장했습니다. AI 모델에 실시간 상황 인식 기능을 제공하여 AI 모델이 실시간 환경에서 추론하고, 실행하고, 개선할 수 있도록 하여 더욱 지능적이고 정확하며 효율적으로 변모합니다.

Jupyter MCP 서버란 무엇인가요?

Jupyter MCP 서버는 모델 컨텍스트 프로토콜(MCP)을 브리지로 사용하여 대규모 언어 모델을 사용자의 라이브 Jupyter 환경과 연결하는 강력한 도구입니다. 기존 모델의 한계를 깨고 코드와 데이터를 수동으로 복사하여 붙여넣을 필요성을 없애줍니다. MCP의 보안 프로토콜을 통해 모델은 Jupyter 생태계의 다양한 구성 요소에 액세스하고 상호 작용할 수 있으며, 통합적이고 상황 인식적이며 강력한 AI 기반 지원이 가능합니다.

Jupyter MCP 서버의 힘

Jupyter MCP 서버는 외부 애플리케이션이 MCP(Model Context Protocol)를 통해 Jupyter 핵심 구성 요소와 상호 작용할 수 있는 체계적인 방법을 제공합니다. 주요 기능은 다음과 같습니다.

커널 상호작용

Jupyter MCP 서버는 사용자의 활성 커널에서 코드를 실행하고, 커널 상태를 검사하고, 실행 결과를 얻고, 심지어 커널 수명 주기를 관리할 수도 있습니다. 구체적으로는 다음과 같은 방법을 통해 달성할 수 있습니다.

• 코드 셀 실행
• 변수 값 가져오기
• 커널 상태 확인
• 커널을 중단하거나 다시 시작

작동 방식은 다음과 같습니다. MCP 클라이언트가 대상 커널과 작업을 지정하여 MCP API에 요청을 보내고, MCP 서버는 Jupyter의 커널 관리자와 통신하여 요청을 처리합니다.

파일 시스템 접근

Jupyter MCP 서버는 사용자 작업 공간에 대한 제어된 액세스를 제공하여 외부 애플리케이션이 파일과 디렉토리를 읽고, 쓰고, 관리할 수 있도록 합니다. 파일 작업에 대한 Jupyter Content Manager 및 MCP 보안 정책 규칙을 따릅니다.

터미널 접근

Jupyter MCP 서버는 Jupyter의 터미널 세션과도 상호작용할 수 있습니다. MCP 클라이언트는 특정 터미널 세션에 명령을 보낼 수 있으며, Jupyter의 터미널 관리자는 요청을 처리하고 모든 출력을 반환합니다. 이런 방식으로 사용자는 다음 작업을 수행할 수 있습니다.

• 셸 명령 실행
• 패키지 설치
• 백그라운드 프로세스 관리
• 자동화된 시스템 작업

실시간 협업

Jupyter MCP 서버는 여러 사람 또는 AI 에이전트가 동시에 노트북을 보고 편집할 수 있도록 지원하므로 팀 협업과 실시간 피드백에 매우 유용합니다.

노트북 관리

Jupyter MCP 서버는 노트북 정보 저장 및 검색, 데이터 무결성 및 접근성 보장을 포함한 효율적인 노트북 관리 기능도 제공합니다.

Jupyter MCP 서버를 통합하는 방법은 무엇입니까?

Jupyter MCP 서버 통합을 시작하기 전에 몇 가지 필수 전제 조건을 이해해야 합니다.

필수 조건

• Python 3.8 이상: Jupyter MCP 서버는 최신 Python 기능을 기반으로 구축되었으며 최신 환경이 필요합니다.
• Jupyter 서버: MCP 서버는 Jupyter 서버의 확장 기능으로 실행됩니다. 아직 설치되지 않았다면 다음 명령을 사용하여 추가할 수 있습니다.

  pip install jupyter-server
  

설치 단계

표준 설치

pip를 사용하여 PyPI에서 직접 Jupyter MCP 서버를 설치할 수 있습니다.

pip install jupyter-mcp-server

개발 설치

GitHub에서 소스 코드 저장소를 복제할 수도 있습니다.

git clone https://github.com/datalayer/jupyter-mcp-server.git
cd jupyter-mcp-server

그런 다음 다음 명령을 사용하여 편집 가능한 모드로 설치하면 소스 코드에 대한 변경 사항이 즉시 적용됩니다.

pip install -e .

테스트를 실행하고 기여하려면 다음 명령을 사용할 수 있습니다.

pip install -e ".[dev]"

확장 프로그램을 활성화

설치가 완료되면 Jupyter Server에서 MCP Server 기능을 로드하고 사용할 수 있도록 확장 기능을 활성화해야 합니다. 다음 명령을 사용하여 이 작업을 수행할 수 있습니다.

jupyter server extension enable jupyter_mcp_server

위의 단계를 완료한 후 다음 명령을 실행하여 설치가 성공했는지 확인할 수 있습니다.

jupyter server extension list

목록에 표시되면  jupyter_mcp_server확장 프로그램이 성공적으로 활성화된 것입니다.

Jupyter MCP 서버 작동 방식

Jupyter MCP 서버는 눈에 보이는 인터페이스가 아니라 JupyterLab이나 Notebook 내부에 숨겨져 있습니다. Claude Desktop, AI 모델, 백엔드 또는 플러그인과 같은 다른 도구에서 사용할 수 있는 HTTP API를 제공합니다.

Claude Desktop을 사용하려면  claude_desktop_config.json 파일에서 몇 가지 구성을 해야 합니다.  Jupyter Notebook을 실행하면 터미널에서 TOKEN 값을  얻을 수 있습니다.NOTEBOOK_PATH

다음은 Windows 및 Linux 시스템에 대한 구성 코드입니다.

윈도우

{
  "mcpServers": {
    "jupyter": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "SERVER_URL",
        "-e",
        "TOKEN",
        "-e",
        "NOTEBOOK_PATH",
        "datalayer/jupyter-mcp-server:latest"
      ],
      "env": {
        "SERVER_URL": "http://host.docker.internal:8888",
        "TOKEN": "MY_TOKEN",
        "NOTEBOOK_PATH": "notebook.ipynb"
      }
    }
  }
}

리눅스

CLAUDE_CONFIG=${HOME}/.config/Claude/claude_desktop_config.json
cat <<EOF > $CLAUDE_CONFIG
{
  "mcpServers": {
    "jupyter": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "SERVER_URL",
        "-e",
        "TOKEN",
        "-e",
        "NOTEBOOK_PATH",
        "--network=host",
        "datalayer/jupyter-mcp-server:latest"
      ],
      "env": {
        "SERVER_URL": "http://localhost:8888",
        "TOKEN": "MY_TOKEN",
        "NOTEBOOK_PATH": "notebook.ipynb"
      }
    }
  }
}
EOF
cat $CLAUDE_CONFIG

구성이 완료되면 Jupyter 세션과 상호 작용해야 하는 경우 API에 요청을 보냅니다. MCP 서버는 요청을 처리하고, 요청이 허용되는지 확인하고, Jupyter의 해당 부분(예: 커널, 파일 시스템, 터미널)과 통신하고, 필요한 응답을 반환합니다.

MCP 확장 프로그램이 제공하는 API 엔드포인트는  /mcp/v1Jupyter 서버 기본 URL에 대한 추가 경로인 에 있습니다. Jupyter 서버가 로컬에서 실행 중이면  http://localhost:8888/MCP API를 해당 위치에서 찾을 수 있습니다  http://localhost:8888/mcp/v1 . 외부 도구(Jupyter MCP 서버 등)는 이 경로를 통해 Jupyter 환경과 통신합니다.

Jupyter MCP 서버는 작업에 따라 GET, POST, PUT 또는 DELETE와 같은 HTTP 요청을 전송합니다. 각 요청은  아래의 특정 하위 경로 로 전송됩니다  . /mcp/v1이러한 요청 패턴과 데이터 구조는 소위 모델 컨텍스트 프로토콜(MCP)을 구성합니다. 자세한 내용은 프로젝트의 주요 README 파일을 참조하여 엔드포인트의 기능을 이해하세요.

실제 적용

실제 적용에서 Jupyter MCP 서버는 다음과 같은 작업을 완료하는 데 도움이 될 수 있습니다.

코드 셀 추가

코드 셀은 코드를 작성하고 실행할 수 있는 곳입니다. Jupyter MCP 서버를 사용하면 코드를 수동으로 복사하여 붙여 넣지 않고도 노트북에 새로운 코드 셀을 쉽게 추가할 수 있습니다.

코드 실행

버튼을 클릭하기만 하면 코드가 실행된 결과를 즉시 볼 수 있습니다. 이러한 즉각적인 피드백은 코드를 빠르게 반복하고 디버깅하는 데 매우 유용합니다.

마크다운으로 텍스트 추가

마크다운 셀을 사용하면 메모, 설명 또는 제목을 작성하여 작업을 보다 체계적으로 정리할 수 있습니다. 이는 여러분 자신의 이해와 검토에 도움이 될 뿐만 아니라, 다른 사람들과 공유하고 협업하는 것도 더 쉽게 해줍니다.

컨텍스트 관리 및 보안

Jupyter MCP 서버의 중요한 특징은 단순히 액세스를 제공하는 것이 아니라 액세스가 제어되고 보안된다는 것입니다. MCP 프로토콜은 권한 부여 및 범위 제한을 시행하여 명시적으로 허용된 액세스만 허용합니다. 사용자는 어떤 애플리케이션이 자신의 세션에 접근할 수 있는지, 어떤 작업을 수행할 수 있는지 명확하게 볼 수 있습니다. 이를 통해 무단 접근을 방지할 뿐만 아니라 사용자 데이터를 보호하고 Jupyter 환경의 보안을 보장할 수 있습니다.

요약하다

Jupyter MCP 서버에 대한 이 튜토리얼이 도움이 되었으면 좋겠습니다! Jupyter MCP 서버는 Jupyter 환경에 더욱 스마트한 AI 기반 상호작용을 제공합니다. 이는 모델 컨텍스트 프로토콜(MCP)을 통해 안전하고 표준화된 방식으로 수행됩니다. 서버는 이미 사용 가능하며 설정이 쉽습니다. 도입이 증가함에 따라, 단순히 도움을 제공하는 데 그치지 않고 우리의 작업 흐름을 진정으로 이해하는 더욱 지능적이고 상황 인식적인 도구를 기대할 수 있습니다. 따라서 Jupyter MCP 서버는 강력한 AI 모델과 동적 환경 간의 격차를 메웁니다.