내 AI 도구에 맞춰 연결하기

도구 이름보다 실행 환경을 확인한다

이 서버는 내 컴퓨터에서 실행하는 STDIO MCP다. Colab이 열리는 브라우저도 같은 컴퓨터에서 사용한다. 서버가 연결 후 새 노트북 도구를 알리므로 notifications/tools/list_changed를 처리할 수 있어야 한다. Google 공식 조건 ↗

설정 예제 제공과 Colab 전체 동작 보장은 다르다. Claude Desktop·Antigravity·Codex는 각 공식 MCP 설정 형식에 맞춘 예제이며, 모든 앱 버전의 Colab 연결을 이 안내 제작 환경에서 실측한 것은 아니다.

1. 내 컴퓨터에 준비 도구 갖추기

아래 명령은 Colab 셀이 아니라 내 컴퓨터의 터미널에서 실행한다. 공식 저장소는 현재 Python 3.13 이상을 요구한다. uv가 서버용 Python을 따로 관리하도록 하면 기존 프로젝트의 Python을 교체할 필요가 없다.

git --version
uv --version
uvx --version

winget install --id astral-sh.uv -e

git --version
uv --version
uvx --version

brew install uv

uv python install 3.13
uvx --python 3.13 git+https://github.com/googlecolab/colab-mcp --help

2. 사용할 AI 도구 한 곳에 등록하기

기존 설정은 보존하고 colab-mcp 항목을 추가한다. 동일한 항목이 있으면 중복 등록하지 않는다. 수업용 프로젝트 범위를 기본으로 사용하고, 여러 프로젝트에서 쓰고 싶다면 사용자 범위를 선택한다.

claude mcp add --transport stdio --scope project colab-mcp -- uvx --python 3.13 git+https://github.com/googlecolab/colab-mcp
claude mcp get colab-mcp

gemini mcp add --scope project --transport stdio --timeout 180000 colab-mcp uvx -- --python 3.13 git+https://github.com/googlecolab/colab-mcp
gemini mcp list

codex mcp add colab-mcp -- uvx --python 3.13 git+https://github.com/googlecolab/colab-mcp
codex mcp list

[mcp_servers.colab-mcp]
command = "uvx"
args = ["--python", "3.13", "git+https://github.com/googlecolab/colab-mcp"]
startup_timeout_sec = 180
tool_timeout_sec = 180

{
  "mcpServers": {
    "colab-mcp": {
      "command": "uvx",
      "args": ["--python", "3.13", "git+https://github.com/googlecolab/colab-mcp"]
    }
  }
}

3. 브라우저 연결과 첫 셀 확인하기

1. 서버와 연결 도구 확인

   AI 도구의 MCP 목록에서 colab-mcp가 실행되고 open_colab_browser_connection이 보이는지 확인한다. 앱에 따라 도구 이름에 서버 이름이 붙을 수 있다.

2. AI에게 연결 도구 호출 요청

   열린 Colab 브라우저에서 Google 로그인과 화면의 연결 절차를 마친다. 공식 구현은 약 60초 동안 연결을 기다린다. 실패했다면 로그인 완료 후 다시 호출한다. 연결용 토큰이 포함될 수 있으므로 열린 주소를 과제나 공개 게시물에 복사하지 않는다.

3. 연결 후 도구 목록 다시 읽기

   새 노트북 편집·실행 도구가 나타나야 한다. 처음의 연결 도구만 보인다면 새로고침과 앱의 도구 갱신 지원을 확인한다. 실제 목록을 읽고 사용하며, 존재하지 않는 도구 이름을 추측하지 않는다.

4. 새 노트북의 출력 확인

   새 연습 노트북에 설명 셀과 print(6 * 7) 코드 셀을 만들고 실행한다. 실제 출력 42를 읽은 뒤 노트북을 저장한다. 원래 실습 파일은 복사본으로 이어서 사용한다.

Colab MCP의 실제 도구 목록을 확인하고 브라우저 연결 도구를 호출해 줘. 로그인이나 연결 확인이 필요하면 내가 할 일을 알려 줘.
연결 후 도구 목록을 다시 읽고 새 연습 노트북에 설명 셀 하나와 print(6 * 7) 코드 셀 하나를 만들어 실행해 줘. 기존 노트북은 수정하지 마.
출력 42를 직접 확인한 뒤 사용한 도구, 노트북 이름, 셀 출력, 남은 단계를 알려 줘.

막힌 단계부터 다시 확인한다

추가 API 키를 이 강의 사이트에 제출하지 않는다. Colab의 사용 제한과 AI 도구의 이용 조건은 각각 적용된다.

연결했으면 원래 실습으로 돌아간다

강의 노트북을 Colab에서 열고 내 사본을 만든 뒤 AI에게 목표·수정 범위·확인할 출력을 함께 전달한다. 처음부터 모든 셀을 실행하기보다 데이터 읽기와 작은 계산부터 확인한다.

이 실습 노트북의 복사본에서 진행해 줘. 먼저 전체 셀을 읽고 목표와 실행 순서를 설명해 줘.
데이터 로드 셀까지만 실행하고 행 수, 열 이름, 결측값을 확인해 줘.
학습 코드를 실행하기 전 예상 소요 시간과 필요한 런타임을 알려 줘.

공식 자료와 검증 범위

2026-09-29에 발표 자료·현재 저장소·각 도구의 공식 문서를 대조했다. 페이지 동작과 설정 파일 형식은 확인하며, 학생의 로그인·앱 버전·실제 Colab 세션 연결은 위 테스트 절차로 확인한다.

• Google Developers Blog · Colab MCP 발표
• Google Colab MCP · 지원 조건과 기본 설정 · Python 요구 버전 · 브라우저 연결 구현
• Claude Code · MCP · Claude Desktop · 로컬 MCP 설정 예시 · Claude 원격 커넥터와 로컬 연결의 차이
• Google Antigravity · MCP
• Gemini CLI · MCP · Windsurf · MCP
• OpenAI · Codex MCP
• uv 설치 · uv로 Python 관리