开源项目教程:Office-PowerPoint-MCP-Server
2025-05-20 04:13:00作者:郦嵘贵Just
1. 项目介绍
Office-PowerPoint-MCP-Server 是一个基于 Model Context Protocol (MCP) 协议的 PowerPoint 操作服务器,使用 python-pptx 库进行操作。该服务器提供了创建、编辑和操作 PowerPoint 演示文稿的工具,允许开发者通过 MCP 协议与 PowerPoint 文档进行交互。
2. 项目快速启动
环境准备
- Python 3.10 或更高版本
- pip 包管理器
安装步骤
使用安装脚本(推荐)
最简单的安装方法是使用提供的安装脚本,该脚本自动化了安装过程:
python setup_mcp.py
该脚本将:
- 检查环境依赖
- 提供安装选项:
- 从 PyPI 安装(推荐大多数用户)
- 设置本地开发环境
- 安装所需依赖
- 生成相应的 MCP 配置文件
- 提供与 Claude Desktop 集成的说明
手动安装
- 克隆仓库:
git clone https://github.com/GongRzhe/Office-PowerPoint-MCP-Server.git
cd Office-PowerPoint-MCP-Server
- 安装依赖:
pip install -r requirements.txt
- 使服务器脚本可执行:
chmod +x ppt_mcp_server.py
启动服务器
运行以下命令启动服务器:
python ppt_mcp_server.py
MCP 配置
本地 Python 服务器
将服务器添加到您的 MCP 设置配置文件中:
{
"mcpServers": {
"ppt": {
"command": "python",
"args": ["/path/to/ppt_mcp_server.py"],
"env": {}
}
}
}
使用 UVX(无需本地安装)
如果您安装了 UVX,可以直接从 PyPI 运行服务器而无需本地安装:
{
"mcpServers": {
"ppt": {
"command": "uvx",
"args": ["--from", "office-powerpoint-mcp-server", "ppt_mcp_server"],
"env": {}
}
}
}
3. 应用案例和最佳实践
以下是一个创建新演示文稿并添加图表的例子:
创建新演示文稿
# 创建新演示文稿
result = use_mcp_tool("ppt", "create_presentation", {})
presentation_id = result["presentation_id"]
# 添加标题幻灯片
result = use_mcp_tool("ppt", "add_slide", {
"layout_index": 0, # 标题幻灯片布局
"title": "My Presentation",
"presentation_id": presentation_id
})
slide_index = result["slide_index"]
# 填充副标题占位符
result = use_mcp_tool("ppt", "populate_placeholder", {
"slide_index": slide_index,
"placeholder_idx": 1, # 副标题占位符
"text": "Created with PowerPoint MCP Server",
"presentation_id": presentation_id
})
# 保存演示文稿
result = use_mcp_tool("ppt", "save_presentation", {
"file_path": "my_presentation.pptx",
"presentation_id": presentation_id
})
添加图表
# 添加图表幻灯片
result = use_mcp_tool("ppt", "add_slide", {
"layout_index": 1, # 内容幻灯片布局
"title": "Sales Data",
"presentation_id": presentation_id
})
slide_index = result["slide_index"]
# 添加柱状图
result = use_mcp_tool("ppt", "add_chart", {
"slide_index": slide_index,
"chart_type": "column",
"left": 1.0,
"top": 2.0,
"width": 8.0,
"height": 4.5,
"categories": ["Q1", "Q2", "Q3", "Q4"],
"series_names": ["2023", "2024"],
"series_values": [[100, 120, 140, 160], [110, 130, 150, 170]],
"has_legend": True,
"legend_position": "bottom",
"has_data_labels": True,
"title": "Quarterly Sales",
"presentation_id": presentation_id
})
4. 典型生态项目
Office-PowerPoint-MCP-Server 作为开源项目,可以融入更广泛的生态系统。以下是一些可能的生态项目:
- 集成到自动化工作流程中,例如使用 Jenkins、Travis CI 或 GitHub Actions 自动生成报告。
- 开发桌面应用程序,如使用 Electron 将 MCP 服务器封装成易于使用的应用。
- 教育和培训工具,用于教授 Python 和 PowerPoint 编程。
通过这些最佳实践和应用案例,开发者可以更好地理解并使用 Office-PowerPoint-MCP-Server,创造出功能丰富且实用的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0120- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
717
4.61 K
Ascend Extension for PyTorch
Python
588
730
deepin linux kernel
C
29
16
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
980
965
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
795
119
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
420
367
Oohos_react_native
React Native鸿蒙化仓库
C++
341
390
昇腾LLM分布式训练框架
Python
155
183
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
142
226
暂无简介
Dart
962
240