Technical Guide

PWA から Google Colab への接続ガイド

Progressive Web App から Google Colab の GPU / TPU 計算資源を活用するための接続方法を、実装コードとともに体系的に解説します。

2026年9月版 FastAPI / WebSocket / MCP ngrok トンネリング
00

全体構成と前提

PWA から Google Colab に接続する際の基本的なアーキテクチャは、Colab ランタイム上に Web サーバーを立ち上げ、トンネリングサービスで公開 URL を取得し、PWA からそのエンドポイントにアクセスする形になります。

PWA (フロントエンド)
ブラウザ / スマホアプリ
← HTTP / WS →
Google Colab
FastAPI / Flask / MCP Server
→
GPU / TPU
計算実行
前提条件

Colab ランタイムはセッション継続中のみ有効です。一定時間アイドル状態が続くと切断されるため、keep-alive 対策が必要です。また、無料プランの ngrok では動的 URL が発行されるため、PWA 側で URL を更新できる仕組みを検討してください。

01

FastAPI + ngrok による REST API 公開

最も一般的かつ実装がシンプルな方法です。Colab 上で FastAPI サーバーを起動し、pyngrok でインターネットに公開します。PWA からは通常の HTTP リクエストで GPU 推論などを実行できます。

API
Colab 側: FastAPI サーバー
Python (Colab Notebook)
# パッケージインストール
!pip install fastapi uvicorn pyngrok nest-asyncio

from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware
import nest_asyncio
import uvicorn
from pyngrok import ngrok

# ngrok 認証トークン設定
ngrok.set_auth_token("YOUR_NGROK_AUTH_TOKEN")

app = FastAPI()

# CORS を許可(PWA からのブラウザアクセスに必須)
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

@app.get("/predict")
def predict(text: str):
    """GPU を使った推論処理の例"""
    # ここに実際の推論コードを記述
    return {"result": f"Processed: {text}"}

# 公開 URL の取得
public_url = ngrok.connect(8000)
print(f"Public URL: {public_url}")

# サーバー起動
nest_asyncio.apply()
uvicorn.run(app, host="0.0.0.0", port=8000)
JS
PWA 側: クライアント呼び出し
JavaScript
const COLAB_API_URL = "https://xxxx.ngrok-free.app";  // ngrok URL

async function callColab(text) {
  const response = await fetch(
    `${COLAB_API_URL}/predict?text=${encodeURIComponent(text)}`
  );
  const data = await response.json();
  return data.result;
}
ポイント

CORSMiddleware の設定がないと、PWA からのブラウザリクエストがブロックされます。ngrok の無料プランではセッションごとに URL が変わるため、PWA 側で動的に URL を更新する仕組みが必要です。

02

WebSocket による双方向リアルタイム通信

推論の進捗状況を PWA にリアルタイムで表示したい場合や、ストリーミングレスポンスが必要な場合は WebSocket が有効です。Colab 上に WebSocket サーバーを立ち上げ、ngrok で公開します。

WS
Colab 側: WebSocket サーバー
Python (Colab Notebook)
!pip install websockets pyngrok nest-asyncio

import asyncio
import websockets
from pyngrok import ngrok
import nest_asyncio

ngrok.set_auth_token("YOUR_NGROK_AUTH_TOKEN")

async def handler(websocket, path):
    async for message in websocket:
        # GPU 推論などの処理
        result = f"Result for: {message}"
        await websocket.send(result)

# WebSocket サーバー起動
start_server = websockets.serve(handler, "0.0.0.0", 8765)

# ngrok で WebSocket ポートを公開
public_url = ngrok.connect(8765, "http")
print(f"WebSocket URL: {public_url}")

nest_asyncio.apply()
asyncio.get_event_loop().run_until_complete(start_server)
JS
PWA 側: WebSocket クライアント
JavaScript
const ws = new WebSocket("wss://xxxx.ngrok-free.app");

ws.onopen = () => {
  console.log("Connected to Colab WebSocket");
  ws.send("Hello from PWA");
};

ws.onmessage = (event) => {
  console.log("Received from Colab:", event.data);
  // 進捗表示や結果レンダリング
};

ws.onerror = (error) => console.error("WebSocket error:", error);

Colab 上で WebSocket プロキシを構築するより高度な手法として、google.colab.kernel.comms を利用した JavaScript 連携も存在します。 GitHub Gist: colab_websocket_proxy.py

03

Colab MCP Server を Web サーバーとして公開

2026年3月に Google から公開された Colab MCP Server は、AI エージェントが Colab ノートブックをプログラム的に操作するための仕組みです。デフォルトでは stdio トランスポートを使用しますが、HTTP / SSE / Streamable HTTP トランスポートに切り替えることで、PWA などの Web クライアントから直接アクセス可能な Web サーバーとして機能させることができます。 Google Developers Blog GitHub: googlecolab/colab-mcp

方法 A: MCP + SSE over ngrok

MCP Python SDK の SseServerTransport を FastAPI 上で動作させ、SSE エンドポイントを公開します。MCP プロトコルに準拠したツール呼び出しが可能です。

MCP
Colab 側: MCP over SSE サーバー
上級
Python (Colab Notebook)
!pip install mcp fastapi uvicorn pyngrok nest-asyncio

import nest_asyncio
import uvicorn
from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware
from pyngrok import ngrok
from mcp.server.fastmcp import FastMCP
from mcp.server.sse import SseServerTransport
from starlette.requests import Request

ngrok.set_auth_token("YOUR_NGROK_AUTH_TOKEN")

app = FastAPI()
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_methods=["*"],
    allow_headers=["*"],
)

# MCP サーバー作成
mcp = FastMCP("colab-server")

@mcp.tool()
async def execute_python(code: str) -> str:
    """Colab 上で Python コードを実行"""
    from IPython import get_ipython
    import io, sys
    old_stdout = sys.stdout
    sys.stdout = io.StringIO()
    try:
        shell = get_ipython()
        result = shell.run_cell(code)
        output = sys.stdout.getvalue()
        return output or "Executed successfully"
    finally:
        sys.stdout = old_stdout

@mcp.tool()
async def get_gpu_info() -> str:
    """GPU 情報を取得"""
    import subprocess
    try:
        r = subprocess.run(["nvidia-smi"], capture_output=True, text=True)
        return r.stdout
    except Exception as e:
        return str(e)

# SSE トランポート
sse = SseServerTransport("/message")

@app.get("/sse")
async def sse_endpoint(request: Request):
    async with sse.connect_sse(
        request.scope, request.receive, request._send
    ) as (read_stream, write_stream):
        await mcp._mcp_server.run(
            read_stream, write_stream,
            mcp._mcp_server.create_initialization_options(),
        )

@app.post("/message")
async def message_endpoint(request: Request):
    return await sse.post_message(
        request.scope, request.receive, request._send
    )

public_url = ngrok.connect(8000)
print(f"MCP SSE Endpoint: {public_url}/sse")

nest_asyncio.apply()
uvicorn.run(app, host="0.0.0.0", port=8000)

方法 B: fastapi-mcp による自動公開

既存の FastAPI エンドポイントを MCP ツールとして自動的に公開する fastapi-mcp を利用すると、実装コストを大幅に削減できます。 GitHub: fastapi_mcp

FM
fastapi-mcp による自動 MCP 化
簡易
Python (Colab Notebook)
!pip install fastapi uvicorn pyngrok fastapi-mcp nest-asyncio

from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
from pyngrok import ngrok
import nest_asyncio, uvicorn

ngrok.set_auth_token("YOUR_NGROK_AUTH_TOKEN")

app = FastAPI()

@app.get("/predict/{text}")
def predict(text: str):
    return {"result": f"processed: {text}"}

@app.post("/train")
def train(data: dict):
    return {"status": "training started"}

# FastAPI エンドポイントを MCP ツールとして公開
mcp = FastApiMCP(app, name="colab-api-server")
mcp.mount()  # /mcp エンドポイントにマウント

public_url = ngrok.connect(8000)
print(f"API & MCP: {public_url}")

nest_asyncio.apply()
uvicorn.run(app, host="0.0.0.0", port=8000)

方法 C: REST API シンプル公開(MCP 不要)

MCP プロトコルを使わず、純粋に REST API として Colab の計算資源を公開したい場合はcolab-code-executor などのラッパーを利用するのが最も手軽です。 PyPI: colab-code-executor

04

方法比較

方法 トランスポート 難易度 最適な用途
REST FastAPI + ngrok HTTP 低 シンプルな GPU 推論 API
WS WebSocket + ngrok WebSocket 中 リアルタイム進捗表示・ストリーミング
MCP MCP + SSE SSE / Streamable HTTP 中 AI エージェント連携・ツール呼び出し
MCP fastapi-mcp HTTP / SSE 低 既存 API の MCP プロトコル化
REST colab-code-executor HTTP 低 Jupyter カーネル管理・コード実行
05

注意点とベストプラクティス

1. ngrok の動的 URL 問題

無料プランではセッションごとにランダムな URL が発行されます。PWA 側で URL をハードコードするのではなく、QR コード表示・手動入力フォーム・動的設定 API などで対応してください。

2. CORS の設定

PWA はブラウザ上で動作するため、Colab 側のサーバーで Access-Control-Allow-Origin ヘッダーを適切に設定しないとリクエストがブロックされます。開発中は allow_origins=["*"] でも、本番環境では特定のオリジンのみを許可してください。

3. 認証とセキュリティ

ngrok で公開した URL はインターネット上の誰でもアクセス可能です。API キー認証・トークンベース認証・IP 制限などを組み合わせて、不正アクセスを防止してください。

4. Colab セッションの維持

Colab の無料ランタイムは一定時間のアイドル状態で切断されます。以下のような keep-alive 処理を検討してください。

Python (keep-alive スクリプト例)
import time
from threading import Thread

def keep_alive():
    while True:
        time.sleep(60)
        print("Keeping alive...")

Thread(target=keep_alive, daemon=True).start()

5. ローカルランタイム接続(逆方向)

Colab からローカルマシン側の PWA やサーバーに接続したい場合は、Colab の「ローカルランタイム接続」機能を使用します。ローカルで Jupyter サーバーを起動し、Colab UI から接続します。 Colab Local Runtimes

推奨構成

多くのユースケースでは「FastAPI + ngrok + CORS」の組み合わせが最も実用的です。AI エージェント的な統合が必要な場合は MCP over SSE を、リアルタイム性が求められる場合は WebSocket を選択してください。

06

参考リソース

← Archives