Jupyter AI 扩展全景图：103 款工具分类整理

OpenTeams 团队近日发布了一份 JupyterLab AI 扩展全景图，系统梳理了 103 款在用扩展与 19 款已停维护的扩展，并将其归入十大类别。整理工作由 JupyterLab 维护者、Project Jupyter 杰出贡献者牵头完成，原始数据来自 PyPI 上带有 JupyterLab 分类标签的 1200 余个包，并辅以 npm 与 GitHub 检索，最终逐个核查许可证后纳入清单。整理者明确表示，入选不等于推荐。

十大类别构成

清单按功能划分为十类，覆盖了 Jupyter 中接入 AI 的主要方式：

• 聊天面板与智能体（Chat panels and agents）：28 款，可在面板中输入并读写笔记本，代表为 Jupyter AI。
• 行内补全（Inline completion）：6 款，输入时给出灰字提示，代表为 jupyter-copilot。
• 单元格内编辑与 Magic 命令：6 款，提供单元格工具栏按钮、magic 命令或可接受的差异视图，代表为 Magic Wand。
• 智能体 CLI 桥接：6 款，将 Claude Code、Codex 等命令行智能体连入笔记本，代表为 xtralab。
• 领域、教学与平台：15 款，面向特定学科、课堂或厂商平台，代表为 Jupyter AI Tutor。
• 构建模块：Jupyter AI 插件：11 款，含角色、路由、模型访问与 v3 的智能体协议客户端。
• 构建模块：聊天与笔记本 UI：10 款，提供聊天、差异视图与笔记本组件，便于自建助手，代表为 Jupyter Chat。
• 构建模块：实时刷新：5 款，外部智能体编辑文件后自动更新笔记本视图。
• 构建模块：MCP：7 款，让 JupyterLab 外部智能体读写单元格，并可将 JupyterLab 命令作为工具暴露，代表为 Jupyter MCP Server。
• JupyterLab UI 之外：9 款，命令行工具、magic 命令与搭配 Jupyter 使用的模型，代表为 nb-cli。

如何选择合适的扩展

整理者按使用场景给出了起步建议：

• 需要由 Project Jupyter 官方治理的项目：选 Jupyter AI，轻量场景可用 JupyterLite AI。
• 已使用 Claude Code 或 Codex 等智能体：通过 Agent Client Protocol（ACP）连接 Jupyter AI v3，或用 xtralab 等 CLI 桥接。
• JupyterLab 外部智能体需编辑并运行笔记本：选 Jupyter MCP Server，并配合实时刷新类扩展使当前笔记本同步更新。
• 一个助手覆盖全部需求：Notebook Intelligence（GPL-3.0）支持聊天、行内编辑、补全与智能体；Mito AI 在 Mito 表格旁提供聊天、错误调试与智能体（混合许可）。
• 输入时实时补全：JupyterLite AI（需 API key）、jupyter-copilot（GitHub Copilot）、jupyterlab-browser-ai（无需 API key）。
• 全本地运行：jupyterlab-browser-ai，或 Notebook Intelligence 搭配本地 Ollama 模型。
• 教学场景：Jupyter AI Tutor。
• 想自建：从构建模块入手，并参考 jupyter-ai-demos 中的角色示例与 jupyter-vibe-coding 的简短代码。

生态观察

从清单中可以看出几项趋势。聊天面板是最常见的界面形态，28 款扩展都采用单次 LLM 调用或智能体 API。智能体与 JupyterLab 的连接路径已稳定为两条：Jupyter AI v3 通过开放的 Agent Client Protocol 同时接入 Claude、Codex、GitHub Copilot、Gemini 等八款智能体，更换智能体无需更换扩展；另有六款扩展通过侧边栏、IPython magic 或单元格注释，把 Claude Code、Codex 命令行工具接入笔记本。Model Context Protocol（MCP）已可在两个方向工作：Jupyter MCP Server 等允许外部智能体读写并执行单元格；安装 jupyter-mcp-tools 后，还可让 MCP 服务器执行打开笔记本等 JupyterLab 命令，反向把 JupyterLab 能力暴露给智能体。整理者同时强调，JupyterLab 自 4.0 起的扩展 API 保持稳定，2023 年以来开发的扩展多数今天仍可使用，前提是其所依赖的 AI 服务尚未关停。