利用Kaggle MCP本地开发notebook并远程调试背景Kaggle为数据比赛、算法学习提供了方便的硬件平台尤其是能利用其T4*2 GPU完成诸多算法原型的调试。传统模式下需要用户编写完Jupyter Notebook后上传到平台上并手动运行。在Vibe Coding时代编写代码、调试代码、执行版本控制通常由Agent完成如Claude Code、Codex、Trae等。我们希望把Kaggle平台接入到这些工具中实现全自动接管利用已有的MCP工具可以方便的实现这一点。本文介绍如何接入Kaggle MCP接入后怎么利用Claude Code进行一次本地的项目开发并给出相关Skill。MCP安装通过阅读官方文档https://www.kaggle.com/docs/mcp可知需要将以下信息提供给Claude Code{ mcpServers: { kaggle: { command: npx, args: [ mcp-remote, https://www.kaggle.com/mcp, --header, Authorization: Bearer YOUR_TOKEN ] } } }我们将这一段直接在对话框中告诉Claude Code要他加入新的MCP。同时我们还要获取API TOKEN并告诉Claude Code在MCP设置中加入该参数严禁Commit MCP参数文件以上设置完毕后重启Claude Code。另一种方案是设置环境变量作为MCP的Authorization参数。然而某些情况下可能会引起MCP加载时鉴权Token加不上。最佳实践我们以一个LLM推理的代码为例测试利用Kaggle MCP的推送、运行、拉取能力实现在本地修改、远程调试。首先输入Prompt现在使用kaggle MCP新建一个测试脚本其中加载并运行Qwen/Qwen3.5-0.8B进行简单推理理想的效果是本地生成一版Jupyter Notebook远程同步提交了一个Notebook并在后台运行。运行后可以看到AI提交到Kaggle的运行任务以及运行结果。实际效果在这个项目中Claude Code一共尝试了3次才成功在前2个版本中分别出现了不同报错。Claude Code通过抓取运行反馈根据报错内容完成了迭代修改最后成功得到一个可运行版本