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。
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。
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。
# 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)
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;
}
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。
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。
!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)
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
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。
!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
!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
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 |
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。
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
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。
参考リソース
- Google Colab MCP Server 発表記事 Google Developers Blog
- colab-mcp (GitHub) googlecolab/colab-mcp
- fastapi-mcp (GitHub) tadata-org/fastapi_mcp
- FastAPI in Google Colab with ngrok GitHub Gist
- WebSocket Proxy for Colab GitHub Gist: colab_websocket_proxy.py
- pyngrok ドキュメント pyngrok.readthedocs.io
- Colab Local Runtimes research.google.com
- MCP Streamable HTTP 仕様 modelcontextprotocol.io