替代文本

uv init mcp-server-demo

cd mcp-服务器-演示

uv 添加“mcp[cli]” uv pip 安装 mcp-python pandas matplotlib openpyxl fastapi uvicorn pill uv 运行 mcp dev server.py

uv 运行 mcp install server.py

Excel MCP 服务器

该项目实现了一个模型上下文协议 (MCP) 服务器，提供处理 Excel 数据的工具和资源。该服务器通过简单的 API 提供读取、更新、过滤和可视化 Excel 数据的功能。

特征

Excel 操作：读取和写入 Excel 文件
数据过滤：根据各种标准过滤和搜索数据
数据分析：生成统计摘要和数据透视表
数据可视化：创建各种图表和可视化
更新操作：更新单元格、添加行、删除行
异常检测：查找数值数据中的异常值
图表建议：自动建议合适的可视化效果

Related MCP server: Excel MCP Server

安装

安装所需的依赖项：

pip install mcp-python pandas matplotlib openpyxl fastapi uvicorn pillow

克隆此存储库或下载文件：
- server.py - MCP 服务器实现
- client.py - 演示客户端，展示功能

用法

启动服务器

运行服务器：

python server.py

默认情况下，服务器将从http://localhost:8000启动。

使用客户端演示

客户端演示脚本展示了您可以使用 MCP 服务器执行的各种操作：

python client.py

这将：

创建示例 Excel 文件（如果不存在）
演示基本的 Excel 操作
显示数据过滤功能
生成可视化效果
执行数据更新
检测数据中的异常

直接使用 API

您可以直接使用 MCP 服务器的 API：

工具 API

使用 POST 请求调用工具/tools/{tool_name} ：

import requests # Example: Read Excel file response = requests.post( "http://localhost:8000/tools/read_excel", json={"filename": "example.xlsx", "sheet_name": "Sheet1"} ) data = response.json()

资源 API

使用 GET 或 POST 请求访问/resources/{resource_path}的资源：

# Example: Get sheet list response = requests.get("http://localhost:8000/resources/excel://example.xlsx/sheets") sheets = response.json()

可用工具

Excel 操作

read_excel - 从 Excel 文件读取数据
write_excel - 将数据写入 Excel 文件
get_excel_sheets - 获取 Excel 文件中的工作表列表

数据过滤

filter_data - 根据条件过滤 Excel 数据
search_data - 在 Excel 数据中搜索术语

数据分析

summarize_data - 获取 Excel 数据的统计摘要
create_pivot_table - 从 Excel 数据创建数据透视表

数据可视化

visualize_chart - 创建各种图表类型（条形图、折线图、散点图、饼图、直方图）
recommend_charts - 根据数据结构获取图表推荐

更新操作

update_cell - 更新 Excel 文件中的特定单元格
add_row向 Excel 文件添加新行
delete_rows - 根据过滤器从 Excel 文件中删除行

附加功能

detect_anomalies - 使用 Z 分数查找数值数据中的异常
export_to_csv - 将 Excel 数据导出为 CSV 格式

可用资源

excel://{filename}/sheets - 获取 Excel 文件中的工作表列表
excel://{filename}/sheet/{sheet_name} - 从特定工作表获取数据
excel://{filename}/sheet/{sheet_name}/summary - 获取工作表数据摘要
excel://{filename}/sheet/{sheet_name}/filter - 过滤工作表中的数据

示例：创建自定义客户端

您可以创建自己的客户端来与 MCP 服务器进行交互：

import requests def call_tool(tool_name, params): """Call an MCP tool""" url = f"http://localhost:8000/tools/{tool_name}" response = requests.post(url, json=params) return response.json() # Example: Get chart visualization chart_result = call_tool("visualize_chart", { "filename": "sales_data.xlsx", "sheet_name": "Sheet1", "chart_type": "bar", "x_column": "Month", "y_columns": ["Revenue"], "title": "Monthly Revenue" }) # Save chart image if chart_result.get("success", False) and "image" in chart_result: import base64 img_data = base64.b64decode(chart_result["image"]) with open("revenue_chart.png", "wb") as f: f.write(img_data)

与人工智能模型的集成

该 MCP 服务器可以轻松地与 Claude 等 AI 模型集成，为 Excel 数据提供自然语言接口：

AI可以根据用户的请求调用相应的MCP工具
处理工具返回的数据
向用户呈现见解和可视化效果

这就创建了一个交互式的“Excel 助手”，它可以理解自然语言请求来分析和操作 Excel 数据。

Excel MCP Server