Colab MCP Server：AI Agent 的新连接方式

当你在本地使用 Gemini CLI、Claude Code 或自己的 agent 进行原型设计时，它们的潜力往往受到本地机器的限制。等待 agent 搭建项目或安装依赖会拖慢你的速度。此外，让自主 agent 直接在你的硬件上运行代码可能并不理想。

你需要一个快速、安全、计算能力强大的沙箱。通过将任何 MCP 兼容的 agent 连接到 Google Colab，我们在你的本地工作流和 Colab 的云环境之间架起了桥梁。

从今天开始，我们发布新的开源 Colab MCP（Model Context Protocol）服务器，允许任何 AI agent 直接访问 Google Colab。

这不是关于新的 UI 或不同的共享笔记本方式。这是关于对 Colab 原生开发功能的编程访问。通过将 Colab 建立为一个开放、可扩展的主机，你现在可以将 Colab 视为任何 MCP 兼容 agent 的自动化工作区。

Colab 笔记本即工具

我们不仅仅是在后台运行代码；我们赋予任何 agent 原生控制 Colab 笔记本界面的能力。这允许你选择的 agent 自动化整个笔记本开发生命周期。如果你要求 agent"创建这个数据集的数据分析"，它现在可以编程地：

• 添加和结构化单元格：创建新的 .ipynb 文件，并注入 markdown 单元格来解释其方法论。

• 编写和执行代码：编写 Python 单元格以加载 pandas 和 matplotlib 等库，并实时执行它们。

• 移动和组织内容：重新排列单元格以为最终报告构建逻辑、可读的流程。

• 管理依赖：安装基础镜像中没有的必要库（!pip install ...）。

这有效地将 Colab 变成了高速原型设计沙箱。你不仅仅是在终端中获得静态代码片段；你获得的是一个完全可复现、可执行的工件，它生活在云中，在你眼前构建。你可以随时跳入笔记本来检查状态或手动接管。

安装和入门

我们希望你今天就开始分配任务。要将 Colab MCP 服务器添加到你的本地环境，你只需配置你的 agent。

运行 Colab MCP 服务器有几个先决条件。你需要在系统上安装以下包：

大多数 Mac 和 Linux 系统应该已经安装了 Git。你可以通过运行以下命令来检查：

git version

如果未安装 git，请遵循 https://github.com/git-guides/install-git 处的说明

大多数系统应该已经安装了 Python。你可以通过运行以下命令来检查：

python --version

如果未安装 Python，请遵循 https://www.python.org/about/gettingstarted/ 处的说明

我们要求用户安装 Python 包管理器 uv 以运行 Colab MCP 工具服务器：

pip install uv

前端的 MCP JSON 配置

...
  "mcpServers": {
    "colab-proxy-mcp": {
      "command": "uvx",
      "args": ["git+https://github.com/googlecolab/colab-mcp"],
      "timeout": 30000
    }
  }
...

设置完成后，使用 MCP 服务器是无缝的。只需在浏览器中打开任何 Google Colab 笔记本，并向你的本地 agent 发出命令。例如，你可以告诉它：

然后，坐下来看奇迹发生。你将看到你的 agent 自动创建单元格、编写和执行 Python 代码、生成可视化，并在 Colab 笔记本中实时格式化你的分析。

我们欢迎你的反馈

我们构建这个是因为我们看到开发者手动从终端复制代码到 Colab 单元格来调试或可视化数据。这种上下文切换会破坏工作流。通过将 Colab 视为服务，我们消除了本地开发环境和云计算之间的摩擦。

因为这是一种与 Colab 交互的全新方式，我们需要你的帮助来塑造它的未来。请尝试用你喜欢的 agent 安装 Colab MCP 服务器，测试其极限，并在我们的 GitHub 仓库上提交反馈。除了分享你的想法，该项目是开源的，这意味着我们也欢迎社区参与和直接代码贡献。最终，你的输入将帮助推动我们接下来构建的内容。