Excel MCP Server 使用教程
2025-04-17 07:38:39作者:凌朦慧Richard
1. 项目介绍
Excel MCP Server 是一个基于 Model Context Protocol (MCP) 的服务器,它可以读取和写入 Microsoft Excel 数据。该项目支持读取文本值、公式,以及(在 Windows 系统上)捕获 Excel 文件的屏幕图像。它支持多种 Excel 文件格式,包括 xlsx、xlsm、xltx 和 xltm。
2. 项目快速启动
安装
通过 NPM 安装
Excel MCP Server 可以通过 NPM 自动安装。在 MCP 服务器配置中添加以下配置:
对于 Windows 系统:
{
"mcpServers": {
"excel": {
"command": "cmd",
"args": ["/c", "npx", "--yes", "@negokaz/excel-mcp-server"],
"env": {
"EXCEL_MCP_PAGING_CELLS_LIMIT": "4000"
}
}
}
}
对于其他平台:
{
"mcpServers": {
"excel": {
"command": "npx",
"args": ["--yes", "@negokaz/excel-mcp-server"],
"env": {
"EXCEL_MCP_PAGING_CELLS_LIMIT": "4000"
}
}
}
}
通过 Smithery 安装
要使用 Smithery 自动安装 Excel MCP Server:
npx -y @smithery/cli install @negokaz/excel-mcp-server --client claude
3. 应用案例和最佳实践
以下是一些典型的使用案例:
读取工作表名称
使用 read_sheet_names 方法列出 Excel 文件中所有工作表的名称:
const excelMcpServer = require('@negokaz/excel-mcp-server');
const fileAbsolutePath = 'path/to/your/excel/file.xlsx';
excelMcpServer.read_sheet_names(fileAbsolutePath).then(sheetNames => {
console.log(sheetNames);
});
读取工作表数据
使用 read_sheet_data 方法读取 Excel 工作表中的数据:
const excelMcpServer = require('@negokaz/excel-mcp-server');
const fileAbsolutePath = 'path/to/your/excel/file.xlsx';
const sheetName = 'Sheet1';
const range = 'A1:C10';
excelMcpServer.read_sheet_data(fileAbsolutePath, sheetName, range).then(data => {
console.log(data);
});
写入工作表数据
使用 write_sheet_data 方法向 Excel 工作表写入数据:
const excelMcpServer = require('@negokaz/excel-mcp-server');
const fileAbsolutePath = 'path/to/your/excel/file.xlsx';
const sheetName = 'Sheet1';
const range = 'A1:C10';
const data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]];
excelMcpServer.write_sheet_data(fileAbsolutePath, sheetName, range, data).then(() => {
console.log('Data written successfully');
});
4. 典型生态项目
目前,Excel MCP Server 的生态系统中没有列出具体的典型项目。但是,该服务器可以作为任何需要与 Excel 文件进行交互的项目的一部分,特别是在需要程序化地读取或写入大量数据时。它适用于自动化报告生成、数据分析任务以及任何涉及 Excel 数据处理的场景。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557