宣布 Colab MCP Server：将任何 AI Agent 连接到 Google Colab

Source: Google Developers Blog

当你在本地使用 Gemini CLI、Claude Code 或自己的 AI 代理进行原型开发时，它们的潜力常常受到本地机器的限制。等待代理搭建项目或安装依赖会拖慢你的进度。此外，让自主代理直接在你的硬件上运行代码也未必是理想的选择。

你需要一个快速、安全且具备强大算力的沙箱。通过将任何兼容 MCP 的代理连接到 Google Colab，我们将本地工作流与 Colab 的云环境相连接。

从今天起，我们发布全新的 开源 Colab MCP（Model Context Protocol）服务器，让 Google Colab 可以直接被任何 AI 代理访问。

这并不是关于全新的 UI 或者另一种共享笔记本的方式，而是对 Colab 原生开发功能的编程访问。通过将 Colab 打造成一个开放、可扩展的宿主，你现在可以将其视为任何兼容 MCP 代理的自动化工作空间。

Colab Notebooks as a Tool

我们不仅仅是在后台运行代码；我们还让任何代理能够原生控制 Colab notebook 界面。这使得您选择的代理能够自动化整个 notebook 开发生命周期。如果您让代理“对这个数据集进行数据分析”，它现在可以以编程方式：

• Add and structure cells: 创建新的 .ipynb 文件并注入 markdown 单元格来解释其方法论。
• Write and execute code: 编写 Python 单元格以加载诸如 pandas 和 matplotlib 的库，并实时执行它们。
• Move and organize content: 重新排列单元格，以构建逻辑清晰、易于阅读的最终报告流程。
• Manage dependencies: 安装基础镜像中没有的必要库（!pip install …）。

这实际上将 Colab 变成了一个高效原型开发沙盒。您将获得一个完全可复现、可执行的云端产物，实时构建在您眼前。您可以随时进入 notebook 检查状态或手动接管。

如何安装并开始使用

我们希望您今天就能开始调度任务。要将 Colab MCP 服务器添加到本地环境，只需配置您的代理即可。

前置条件

• Python
• Git
• uv

安装 Git

大多数 macOS 和 Linux 系统通常已经预装 Git。可使用以下命令验证：

git version

如果系统未安装 Git，请按照相应说明进行安装。

安装 Python

大多数系统已经预装 Python。可使用以下命令验证：

python --version

如果系统未安装 Python，请按照相应说明进行安装。

安装 uv

Colab MCP 工具服务器需要 Python 包管理器 uv。使用以下命令安装：

pip install uv

前端的 MCP JSON 配置

在您的 MCP 配置中添加以下条目：

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

亲自体验

一旦完成设置，使用 MCP 服务器就非常顺畅。 在浏览器中打开任意 Google Colab 笔记本，并向本地代理发送指令，例如：

“加载销售数据集，并帮助我预测和可视化下个月的销售情况。”

你的代理将自动创建单元格，编写并执行 Python 代码，生成可视化图表，并在 Colab 笔记本中实时格式化分析。

我们想听取您的反馈！

我们之所以构建此功能，是因为开发者经常将终端中的代码复制到 Colab 单元格中进行调试或可视化数据——这种上下文切换会打断思路。通过将 Colab 视为一种服务，我们消除了本地开发环境与云计算之间的摩擦。

由于这是一种全新的与 Colab 交互的方式，我们需要您的帮助来塑造它的未来。请使用您喜欢的代理尝试安装 Colab MCP Server，测试其极限，并在我们的 GitHub issues 页面 上分享您的反馈。该项目是开源的，欢迎社区贡献和直接的代码改进。您的意见将帮助我们决定下一步的构建方向！