Office MCP Server

通用 Office 文档 MCP Server —— 基于 AI 助手创建、读取、克隆 Word/Excel/PPT 文档，格式100%保留。

🎯 核心能力：通用模板克隆 —— 扔进任意 .docx 模板，AI 自动识别结构、替换内容，所有格式原样保留。适用于会议纪要、教案、周报、报告等一切重复性文档场景。

💰 极致 Token 效率 —— 本地分析文档结构，只返回摘要给 AI，节省 99% Token 消耗，大幅降低 API 成本。

✨ 特性

💰 极致 Token 效率

• ✅ 本地分析 —— 文档结构在本地解析，只返回摘要给 AI（500 tokens vs 50,000+ tokens）

• ✅ 本地替换 —— 文本替换在本地执行，不消耗 AI Token

• ✅ 节省 99% —— 相比传统方案（AI 读取整个 XML），Token 消耗降低 99%

• ✅ 批量友好 —— 处理 100 个文档仅需 70K tokens（传统方案需要 6.5M tokens）

📝 Word 文档（已实现）

• ✅ 通用分析 —— word_analyze 自动识别任意 Word 文档的段落+表格结构

• ✅ 通用替换 —— word_replace 接受替换字典，3 层寻址覆盖所有文档类型

• ✅ 格式 100% 保留 —— 只替换 <w:t> 文本，不碰 <w:p> 段落元素

• ✅ Run 级格式 —— 支持下划线、加粗等局部格式保留（如标题"中一"下划线）

• ✅ 单元格批量替换 —— 用 \n 分隔多行，自动映射到单元格段落

• ✅ 兼容旧 API —— word_clone_template 仍可使用

📊 Excel 文档（计划中）

• 🔜 读取单元格、公式

• 🔜 克隆 Excel 模板

📽️ PowerPoint（计划中）

• 🔜 创建演示文稿

• 🔜 克隆 PPT 模板

Related MCP server: MCP Document Reader

🚀 快速开始

安装

git clone https://github.com/chunleiding/office-mcp-server.git
cd office-mcp-server
uv sync

配置 MCP

在 ~/.workbuddy/mcp.json 或 Claude Desktop 配置中添加：

{
  "mcpServers": {
    "office-mcp-server": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/office-mcp-server",
        "run", "python", "-m", "office_mcp.server"
      ]
    }
  }
}

🛠️ 工具参考

核心工具

word_analyze —— 分析文档结构

输入任意 Word 文档，返回文本索引（段落 + 单元格），供 AI 选择替换目标。

{
  "path": "/path/to/template.docx"
}

返回示例：

{
  "paras": [
    {"i": 0, "t": "健康活动：小毛毛虫去旅行（屈身爬）", "s": "标题 1"},
    {"i": 2, "t": "1.初步掌握身体拱起...", "s": "Normal"}
  ],
  "tables": [
    {
      "i": 0, "rows": 4, "cols": 10,
      "cells": [
        {"r": 0, "c": 1, "txt": "2026年5月28日", "pn": 1},
        {"r": 3, "c": 0, "txt": "一、本周回顾...", "pn": 37}
      ],
      "merge": [{"r": 3, "c": 0, "rs": 1, "cs": 10}]
    }
  ]
}

word_replace —— 通用文本替换

接受替换字典，支持 3 层寻址：

{
  "path": "/path/to/template.docx",
  "output_path": "/path/to/output.docx",
  "replacements": "{\"p:0\": \"新标题\", \"c:0:3:0\": \"一、背景\\n二、分析\"}",
  "fmt_hints": "{\"_fmt:p:1\": {\"runs\": [{\"text\": \"中一\", \"underline\": true}]}}"
}

fmt_hints 格式提示（可选）：用于保留 Run 级格式（如下划线），AI 只在需要时才使用。

兼容工具

word_clone_template —— 表格式模板克隆（旧 API）

保留兼容，适用于"教研记录"类表格式模板：

{
  "template_path": "/path/to/template.docx",
  "output_path": "/path/to/output.docx",
  "title": "中一班教研记录",
  "date": "2026年6月5日 星期五 下午",
  "main_topic": "幼儿吃饭不积极问题研讨",
  "process_record": "一、研讨背景\n..."
}

长文本可使用 process_record_file 参数指定文件路径。

word_read_document —— 读取文档内容

{
  "document_path": "/path/to/document.docx"
}

💰 Token 效率对比

痛点：传统方案的成本黑洞

传统方式让 AI 直接操作 Word 文档，需要：

1. 读取整个 docx（XML 格式）→ ~50,000 tokens

2. AI 理解文档结构 → ~10,000 tokens

3. 生成修改方案 → ~5,000 tokens

4. 总计：~65,000 tokens/次

按 GPT-4 价格（$3/1M input, $15/1M output）计算：

• 单次成本：$0.195

• 批量处理 100 个文档：$19.5

解决方案：office-mcp-server

使用 MCP 协议，文档处理在本地完成：

1. word_analyze 本地分析，只返回摘要 → ~500 tokens

2. word_replace 本地执行替换，不消耗 Token → ~200 tokens

3. 总计：~700 tokens/次

• 单次成本：$0.0021

• 批量处理 100 个文档：$0.21

• 节省：98.9% 成本！

详细对比表

为什么能这么高效？

MCP 设计原则：数据本地处理，上送 LLM 只摘要

1. 本地分析：word_analyze 在本地解析 docx XML，提取结构化摘要

2. 摘要上送：只返回段落索引 + 前 50 字符，不发送原始 XML

3. 本地执行：word_replace 在本地执行替换，AI 只发送替换字典

4. 零冗余：AI 不需要读取/生成整个文档，只处理差异部分

🏗️ 架构

office-mcp-server/
├── src/office_mcp/
│   ├── server.py              # FastMCP 入口（2核心 + 2兼容工具）
│   └── word/
│       ├── engine.py          # 通用 Word 文档引擎（核心）
│       └── table_parser.py    # 表格格式解析
└── tests/

核心设计

通用引擎 engine.py：

• analyze() —— 提取文档文本索引

• replace_text() —— 通用替换，3 层寻址

• clone_word_template() —— 旧 API 兼容层

格式保留原理：

1. 只替换 <w:t> XML 文本节点

2. 不增删任何 <w:p> 段落元素

3. 段落间距由模板 <w:pPr> 控制，不受内容空行干扰

4. 单元格替换自动按行映射，超出部分追加新段落并复制末段 pPr

🗺️ 路线图

📋 依赖

• Python 3.10+

• FastMCP >= 2.0.0

• python-docx >= 1.2.0

• lxml >= 5.0.0

• openpyxl >= 3.1.0（Excel，计划中）

• python-pptx >= 1.0.0（PPT，计划中）

📄 许可证

MIT License — 详见 LICENSE。