當您使用 Gemini CLI、Claude Code 或您自己的 AI 代理程式在本地進行原型設計時,它們的潛力通常會受到本地機器的限制。等待代理搭建專案或安裝依賴項會降低您的速度。此外,讓自主代理直接在您的硬體上執行程式碼可能並非理想之選。
你需要一個快速、安全且運算能力強大的沙箱環境。透過將任何相容於 MCP 的代理程式連接到 Google Colab,我們將你的本機工作流程與 Colab 的雲端環境連接起來。
從今天起,我們將發布全新的開源 Colab MCP(模型上下文協定)伺服器,讓任何 AI 代理程式都能直接存取 Google Colab。
這並非關乎新的使用者介面或不同的筆記本共享方式,而是關乎以程式方式存取 Colab 的原生開發功能。透過將 Colab 建置為開放、可擴展的主機,現在您可以將 Colab 視為任何相容於 MCP 的代理程式的自動化工作空間。
我們不再僅僅滿足於在後台執行程式碼;我們賦予任何代理程式原生控制 Colab 筆記本介面的能力。這使得您選擇的代理程式能夠自動化整個筆記本開發生命週期。如果您要求代理程式“對該資料集進行資料分析”,它現在可以以程式設計方式執行以下操作:
新增和建構單元格:建立新的 .ipynb 檔案並注入 markdown 單元格來解釋其方法。
編寫和執行程式碼:編寫 Python 程式碼區塊來載入 pandas 和 matplotlib 等函式庫,並即時執行它們。
行動與組織內容:重新排列單元格,為最終報告建立邏輯清晰、易於閱讀的流程。
管理相依性:安裝基礎映像中不存在的必要函式庫(!pip install ...)。
這實際上將 Colab 變成了一個高速原型開發沙箱。你得到的不僅僅是終端機中顯示的靜態程式碼片段;而是一個完全可復現、可執行的雲端工件,它在你眼前即時建立完成。你可以隨時進入筆記本查看狀態或手動接管開發。
我們希望您今天就開始調度任務。若要將 Colab MCP 伺服器新增至本機環境,您只需設定代理即可。
執行 Colab MCP 伺服器需要滿足幾個先決條件。您的系統需要安裝以下軟體包:
Python
git
紫外線
大多數 Mac 和 Linux 系統應該已經安裝了該程式。您可以透過執行以下命令進行檢查:
git version
如果尚未安裝 Git,請依照https://github.com/git-guides/install-git的說明進行操作。
大多數系統都已安裝 Python。您可以透過執行以下命令進行檢查:
python --version
如果尚未安裝 Python,請依照 https://www.python.org/about/gettingstarted/ 上的說明進行操作。
我們要求使用者必須安裝 Python 套件管理器uv才能執行 Colab MCP 工具伺服器。
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
}
}
...
設定完成後,MCP 伺服器即可輕鬆投入使用。只需在瀏覽器中開啟任何 Google Colab 筆記本,然後向本機代理程式發送命令即可。例如,您可以這樣告訴它:
“請加載銷售資料集,並幫助我預測和可視化下個月的銷售額。”
然後,您只需坐下來,靜待奇蹟發生。您將看到您的代理程式自動建立單元格、編寫並執行 Python 程式碼、產生視覺化圖表,並在您的 Colab 筆記本中即時格式化分析結果。
我們開發這款產品是因為我們發現開發者需要手動將終端機中的程式碼複製到 Colab 單元格中進行偵錯或資料視覺化。這種上下文切換會嚴重影響工作流程。透過將 Colab 作為一項服務,我們消除了本地開發環境和雲端運算之間的摩擦。
由於這是與 Colab 互動的全新方式,我們需要您的幫助來塑造它的未來。請嘗試使用您喜歡的代理程式安裝 Colab MCP 伺服器,測試其功能極限,並在我們的GitHub 程式碼庫中留下您的回饋。除了分享您的想法之外,該專案是開源的,這意味著我們也歡迎社群參與和直接程式碼貢獻,隨著專案的不斷發展,我們將持續改進。最終,您的意見將有助於我們建立下一個產品!
原文出處:https://dev.to/googleai/announcing-the-colab-mcp-server-connect-any-ai-agent-to-google-colab-308o