Jupyter Notebook 完全ガイド 2026年版 - Notebook 7時代の使い方とJupyter AI v3まで

データ分析・機械学習・科学計算の世界で、もはや事実上の共通言語になっている Jupyter Notebook。

そんな Jupyter ですが、実はNotebook 7 のリリース（2023年）以降、内部構造が大きく変わっています。さらに 2026年4月には Jupyter AI v3.0 が登場し、Claude / Codex / Gemini などの最新エージェントをノートブック内から直接呼び出せるようになりました。

この記事では、「Jupyter って結局なに？」というところから、2026年5月時点の最新事情までを一気に整理します。

Jupyter Notebook とは

Jupyter Notebook は、ブラウザ上で動くインタラクティブな計算環境です。

• コード（Python など）の実行
• テキスト（Markdown）の記述
• 数式（LaTeX）の埋め込み
• グラフ・画像の表示
• HTML / 動画 / 音声の埋め込み

これらを 1つのドキュメント（ノートブック）に混在させられるのが最大の特徴です。

ファイル拡張子は .ipynb（IPython Notebook の略）。中身は JSON 形式で、コードと出力結果がすべて1ファイルに保存されます。

名前の由来

「Jupyter」は Julia + Python + R の頭文字を組み合わせた造語。当初の目玉言語3つから命名されていますが、現在は 40以上の言語（IRuby、IHaskell、IJulia など、IPython の流れを汲む「カーネル」を介して）に対応しています。

主なユースケース

【2026年版】Notebook 7 と JupyterLab 4 の今

Notebook 7 の何が変わったか

2023年7月にリリースされた Notebook 7 系は、従来の Classic Notebook（v6 以前）から内部実装を完全に置き換え、JupyterLab のコンポーネント上に再構築された大型アップデートです。

つまり、**「シンプルな見た目のままで、JupyterLab の最新機能が使える」**ようになりました。

Classic Notebook（v6 以前）はもう積極的な機能追加はされません。新規導入なら必ず Notebook 7 以降 を使いましょう。

Notebook 7.5 / JupyterLab 4.5 の最新機能（2025年11月）

最新の Notebook 7.5（JupyterLab 4.5 ベース） で追加されたポイントです。

• パフォーマンス向上 — contentVisibility ウィンドウイングがデフォルト化、長いノートブックでもセル描画が軽快に
• デバッガー強化 — シンタックスハイライト・コード補完つきのインタラクティブコンソール、変数状態の保持
• 保存の高速化 — 巨大なノートブックの保存が速くなった
• カーネル起動なしでノートブックを開ける — 閲覧だけしたいときに便利
• ターミナル内検索 — テーマ適応のハイライト
• 音声・動画ビューア — 標準でメディアファイルが再生可能に
• ファイルブラウザ強化 — 「作成日」列、編集可能なパンくず（補完つき）

開発中: JupyterLab 4.6 アルファ

2026年に向けて、v4.6.0a5 がアルファ提供中。さらに以下が追加予定です。

• パンくずナビゲーションの編集と補完
• ステータスバーへのセルインデックス表示
• ランチャーセクションのカテゴリレベル順序付け
• コマンドパレット・キーボードショートカットの改善

Jupyter Notebook / JupyterLab / VS Code Notebook の使い分け

「Notebook を編集する手段」は、現在3つに集約されます。

使い分けの目安

• 教材 / チュートリアル / 1テーマに集中したい → Notebook 7
• 本格的な分析 / プロジェクトとして運用 → JupyterLab 4
• すでに VS Code 環境がある / Python 以外も触る → VS Code Notebook

なお、JupyterLab Desktop は組み込みブラウザのセキュリティ問題で開発が縮小しているため、デスクトップアプリ用途は VS Code か、ブラウザ＋ローカルサーバの構成が無難です。

インストール

pip での導入

最もシンプルな手順です。

# Notebook 7 をインストール
pip install notebook
 
# 起動（デフォルトポート 8888）
jupyter notebook

JupyterLab を入れる場合は次の通り。

pip install jupyterlab
jupyter lab

両方欲しい場合は pip install notebook jupyterlab でOKです（共通基盤を使うので追加サイズは小さい）。

uv での導入（2026年のおすすめ）

最近は uv（Rust製の高速Pythonツール）で入れるのが快適です。

# uv で隔離環境を作って起動
uv tool install --with notebook --with jupyterlab notebook
uv tool run jupyter lab

uv の何が良い? — 起動が速い・依存解決が早い・グローバル汚染しない、の三拍子。詳しくは別記事「pyenv から uv への移行」をどうぞ。

conda / Anaconda

データサイエンス用途なら、まだまだ Anaconda / Miniconda も人気です。

# Miniconda がインストール済みなら
conda install -c conda-forge notebook jupyterlab
jupyter lab

Anaconda Distribution をフルでインストールすると、numpy / pandas / matplotlib / scikit-learn まで一発で揃います。

Docker で隔離して使う

「環境を汚さず、ポート転送で共有もしたい」場合は、公式の Docker イメージが便利。

# 最小構成（Python のみ）
docker run -it --rm -p 8888:8888 \
  -v "$PWD":/home/jovyan/work \
  quay.io/jupyter/base-notebook
 
# データサイエンス一式（pandas, numpy, sklearn など）
docker run -it --rm -p 8888:8888 \
  -v "$PWD":/home/jovyan/work \
  quay.io/jupyter/scipy-notebook

起動後、ターミナルに表示される http://127.0.0.1:8888/?token=xxxxx のURLにアクセスすれば即使えます。

サーバ起動オプションあれこれ

# ブラウザを自動起動しない・カスタムトークン
jupyter notebook --no-browser --port=8889 \
  --ServerApp.token='mytoken'
 
# 起動ディレクトリを指定
jupyter notebook /path/to/notebooks
 
# IP制限を解いて他端末から接続したい場合（自己責任）
jupyter notebook --ip=0.0.0.0 --no-browser

基本操作

セルの種類

よく使うショートカット

「Esc でコマンドモード、Enter で編集モード」を覚えておくと、ほぼ全部キーボードで操作できます。

マジックコマンド

% から始まる マジックコマンド で、セル単位の特別な機能を呼び出せます。

%timeit sum(range(10000))      # 実行時間測定
%matplotlib inline             # グラフをセル内に描画
%load_ext autoreload           # 自動リロード拡張
%autoreload 2                  # モジュール変更を即反映
%env API_KEY=dummy             # 環境変数セット
%who                           # 定義済み変数一覧
%history -n -t -p              # 入力履歴

%% でセル全体に対するコマンドになります。

%%time
result = sum(i*i for i in range(10_000_000))

%%bash
ls -la
echo "Hello from shell"

! でシェルコマンドを実行

行頭に ! を付ければ、その行はシェルコマンドとして実行されます。

!pip install pandas
!ls -la
files = !ls *.csv  # 結果を Python のリストとして受け取れる

カーネルの管理

「ノートブック」と「カーネル（実行プロセス）」は別物。カーネルを再起動すると変数は全部消えます。

# 現在インストールされているカーネル一覧
jupyter kernelspec list
 
# 仮想環境を新しいカーネルとして登録
python -m ipykernel install --user --name myenv \
  --display-name "Python (myenv)"

仮想環境別にカーネルを登録しておくと、ノートブックの右上から 環境を切り替え可能になります。

周辺エコシステム

Jupyter は本体だけでなく、周辺ツール群を組み合わせると一気にできることが広がります。

nbconvert — ノートブックを別形式へ

Notebook を HTML / PDF / Markdown / Slides / Python スクリプトなどに変換できます。

# HTML に変換
jupyter nbconvert --to html notebook.ipynb
 
# PDF に変換（要 LaTeX）
jupyter nbconvert --to pdf notebook.ipynb
 
# Reveal.js スライドに変換
jupyter nbconvert --to slides notebook.ipynb --post serve
 
# .py スクリプトに変換
jupyter nbconvert --to script notebook.ipynb

nbconvert 7 系では出力 HTML が JupyterLab の DOM 構造に揃えられ、ライト/ダークテーマも対応しています。

Papermill — ノートブックをパラメータ化して実行

「同じノートブックを違うパラメータで何回も実行したい」というときの定番ツール。

pip install papermill
 
papermill input.ipynb output.ipynb \
  -p start_date 2026-01-01 \
  -p end_date 2026-04-30 \
  -p region "JP"

セルの先頭に parameters タグを付けておくと、その変数群が -p で上書きされます。レポート自動生成・バッチ実行に便利です。

Voila — ノートブックを Web アプリに

Voila は ノートブックの「コードセルを隠して、出力だけ表示する」Webアプリに変身させるツール。Jupyter カーネルを生かし続けるので、ipywidgets によるインタラクティブな操作もそのまま動きます。

pip install voila
voila notebook.ipynb
# → http://localhost:8866/ でアプリが起動

簡易ダッシュボードや社内ツールを、Streamlit や Dash よりさらに手軽に作りたいときの選択肢になります。

Jupytext — .ipynb と .py / .md を相互変換

Jupyter の弱点は Git で diff が読みづらいこと（JSON だから）。Jupytext はノートブックと .py（または .md）をペアリングしてくれて、Git では .py を見るという運用ができます。

pip install jupytext
 
# 現在開いているノートブックを .py とペアリング
jupytext --set-formats ipynb,py:percent notebook.ipynb
 
# 片方を編集すれば、もう片方も自動同期

# %% [markdown]
# # 分析メモ
# CSV を読み込んでグラフ化する
 
# %%
import pandas as pd
df = pd.read_csv("data.csv")
df.head()
 
# %%
df.plot(x="date", y="value")

Git 管理する場合、.ipynb は .gitignore に入れて .py だけコミットするのがおすすめ運用です。

Jupyter Book — 出版品質のドキュメント

ノートブック群を 書籍・ドキュメントサイトとして組み上げるツール。学術論文の補足、社内ドキュメント、教科書などに使われています。

nbdime — Notebook 専用 diff / merge

.ipynb の構造を理解した diff / merge ツール。Git 連携もできて、JSON 直 diff の地獄から逃れられます。

Jupyter AI v3.0（2026年4月リリース）

2026年4月、Jupyter AI v3.0.0 がリリースされ、Jupyter は完全に「AIネイティブ」になりました。

何が変わったか

最大の変更点は、Agent Client Protocol (ACP) をベースに 最新の AI エージェントを Jupyter 内から直接呼び出せるようになったことです。

対応エージェント（v3.0 時点）:

• Claude（Anthropic）
• Codex（OpenAI）
• Gemini（Google）
• Goose（Block 製のエージェント）
• Kiro
• OpenCode

主要機能

設計思想 — ベンダーロックインを避ける

特筆すべきは、ACP（Agent Client Protocol） と MCP（Model Context Protocol） というオープン標準の上に作られている点。これにより、

• 特定LLMベンダーに縛られない
• 独自の MCP サーバを追加してドメイン特化ツールを足せる
• カスタム AI ペルソナを Entry Points API で実装できる

など、長期運用に強い設計になっています。

簡単な導入

pip install jupyter-ai
jupyter lab

JupyterLab を起動すると、左サイドバーにチャットアイコンが追加されます。設定からエージェントの API キーを登録すれば、**「このセルにバグがあるか調べて」「このCSVから売上トップ10を出して」**といった会話で作業を進められます。

プロジェクトは GitHub で ★4,182（incubation status）と、JupyterLab 公式チームの直下で活発に開発中です。

ハマりポイントと運用Tips

1. セル実行順 ≠ ファイル順

Jupyter で最大の落とし穴。セル左の In [3] の数字は「何番目に実行したか」であって、上から順とは限りません。

途中のセルを書き換えて部分実行を繰り返していると、**「再起動してファイル先頭から再実行すると動かない」**ノートブックが簡単に出来上がります。

対策: 区切りごとに **「Kernel → Restart & Run All」**で通し実行を確認する習慣をつけましょう。

2. Git diff が読めない

.ipynb は JSON。出力結果やメタデータも一緒に保存されるので、**「コードを1行直しただけで diff が500行」**になりがちです。

対策: 前述の Jupytext で .py / .md とペアリング、または nbdime を Git に統合する。コミット前に **「Cell → All Output → Clear」**で出力を消すルールでも十分マシになります。

3. セキュリティ — トークン管理に注意

jupyter notebook で起動すると、URL の末尾にランダムなトークンが付きます。これが認証キーなので、

• 公開ネットワークで --ip=0.0.0.0 で起動するのは危険
• リモート接続したいなら SSH ポートフォワーディングを使う
• どうしても公開するならパスワードを設定し、HTTPS 化する

# パスワード設定
jupyter server password

4. PDF 変換には LaTeX が必要

nbconvert --to pdf には TeX Live / MacTeX / MiKTeX が必要です。手っ取り早く配布したいなら、

jupyter nbconvert --to webpdf notebook.ipynb --allow-chromium-download

の WebPDF（Chromium ヘッドレス利用）も検討する価値があります。

5. 大きな出力をコミットしない

巨大な DataFrame や画像をセル出力に残したまま push してしまい、リポジトリが肥大化するのは Jupyter あるある。

• .ipynb は出力をクリアしてからコミット
• 重い前処理は .csv / .parquet に保存して、ノートブックは「処理だけ」を持つ構成に

6. 仮想環境のカーネルが見つからない

pip install ipykernel してから python -m ipykernel install --user --name myenv で登録しないと、仮想環境のカーネルが Jupyter から見えません。一度登録すれば右上のカーネル切り替えで選べるようになります。

こんな場面で使うと最高

まとめ — 2026年に Jupyter をどう使うか

• Notebook 7 で内部が JupyterLab 化され、機能差はほぼなくなりました。新規導入は必ず Notebook 7 / JupyterLab 4 を選びましょう
• 軽く触りたいなら pip install notebook、本格運用なら pip install jupyterlab、Pythonが汚れたくなければ uv か Docker
• Git 管理には Jupytext をペア運用、巨大出力は事前にクリア
• 周辺エコシステム（nbconvert / Papermill / Voila / Jupyter Book）を組み合わせると、ノートブックは「分析メモ」から **「自動化されたパイプライン・配布物・Webアプリ」**にまで化けます
• 2026年からは Jupyter AI v3.0 の登場で、Claude / Codex / Gemini をノートブック内から直接動かす世界に。ベンダーロックインを避けたエージェント基盤として、長期運用にも安心して投資できる環境になりました

「Python の REPL を強化したもの」という入口の理解から、ACP / MCP までを含む現代的なAIワークフローの中核まで、Jupyter は今も着実に進化しています。

参考リンク

公式

• Project Jupyter 公式サイト
• Jupyter Notebook Documentation
• JupyterLab Documentation
• Jupyter Notebook 7 New Features
• JupyterLab 4.5 / Notebook 7.5 Release Blog

Jupyter AI

• Jupyter AI - GitHub
• Jupyter AI v3.0.0 Release Notes
• Jupyter AI Documentation

周辺ツール

• nbconvert
• Papermill
• Voila - GitHub
• Jupytext
• Jupyter Book
• nbdime
• best-of-jupyter — Jupyter 関連OSSのランキング

関連記事

• Kaggle完全ガイド
• pyenv から uv への移行