ノートブック開発
ノートブックをフルサポートするには、ms-toolsai が公開している Jupyter(id: ms-toolsai.jupyter)拡張機能をダウンロードしてね。
.ipynb
と .py
の両方のファイルに対応してる。Tab、Inline Edit、Agents は、ほかのコードファイルと同様にノートブック内でも動作する。
主な機能:
- インラインでのセル実行 により、エディタ内で直接コードを実行できる
- Tab、Inline Edit、Agent は、pandas、NumPy、scikit-learn、SQL マジックコマンドなどのデータサイエンス系ライブラリを理解してる
データベース統合
- MCPサーバー はエージェントがデータベースに接続できるようにする
- 拡張機能 はIDE全体をデータベースと統合する
MCP経由
拡張機能経由

データ可視化
よくある質問
.ipynb
ファイルを開けて、セル実行と AI 補完にフル対応だよ。
メモリに収まらない巨大なデータセットはどう扱えばいい?
Dask みたいな分散処理ライブラリを使うか、Remote-SSH で大きなマシン上の Spark クラスターに接続しよう。
Cursor は R と SQL ファイルに対応してる?
うん、Cursor は R スクリプト(.R
)と SQL ファイル(.sql
)の AI アシストとシンタックスハイライトに対応してるよ。
開発環境を共有するおすすめの方法は?
.devcontainer
フォルダをバージョン管理にコミットしておこう。プロジェクトを開くときにチームメンバーが自動で環境を再構築できるよ。
データ処理パイプラインはどうやってデバッグするの?
Python スクリプトでブレークポイントが使える Cursor の統合デバッガを使うか、Agent に任せて複雑なデータ変換をステップごとに解析・説明してもらおう。
環境の再現性
開発コンテナ
.devcontainer
フォルダを作成。次に devcontainer.json
、Dockerfile
、requirements.txt
を用意しよう。
Reopen in Container
を検索し、手動でコンテナ内で再オープンできる。
Development containers にはいくつかの利点がある:
- 依存関係の分離 により、プロジェクト間の競合を防ぐ
- 再現可能なビルド により、開発・本番環境で一貫した動作を保証する
- オンボーディングの簡素化 により、新しいチームメンバーが手動セットアップなしですぐに始められる
SSH を使ったリモート開発
- 必要なリソースを備えたクラウドインスタンスを用意するか、オンプレミスサーバーにアクセスする
.devcontainer
構成を含めてリポジトリをリモートマシンにクローンする- Cursor から接続: Ctrl+Shift+P → “Remote-SSH: Connect to Host”