Excel MCP Server K5w测评：让AI成为你的Excel数据分析师

# 1. 安装Python依赖
pip install pandas openpyxl xlrd

# 2. 克隆项目仓库
git clone https://github.com/haris-musa/excel-mcp-server.git
cd excel-mcp-server

# 3. 创建虚拟环境（可选）
python -m venv excel-mcp-env
excel-mcp-env\Scripts\activate

# 4. 安装项目依赖
pip install -r requirements.txt

# 5. 启动服务器（默认端口8000）
python main.py

# 1. 安装Python依赖
pip3 install pandas openpyxl xlrd

# 2. 克隆项目仓库
git clone https://github.com/haris-musa/excel-mcp-server.git
cd excel-mcp-server

# 3. 创建虚拟环境（可选）
python3 -m venv excel-mcp-env
source excel-mcp-env/bin/activate

# 4. 安装项目依赖
pip3 install -r requirements.txt

# 5. 启动服务器（可自定义端口）
export FASTMCP_PORT=8080 && python3 main.py

{
  "mcpServers": {
    "excel-explorer": {
      "command": "python",
      "args": ["/完整路径/to/excel-mcp/main.py"],
      "env": {}
    }
  }
}

{
  "mcpServers": {
    "excel-server": {
      "command": "python",
      "args": ["/完整路径/to/excel-mcp/main.py"],
      "env": {}
    }
  }
}

{
  "mcpServers": {
    "excel": {
      "url": "http://localhost:8000/sse",
      "env": {
        "EXCEL_FILES_PATH": "/指定Excel文件目录"
      }
    }
  }
}

"请加载并分析月度销售报告.xlsx文件的结构，显示工作表列表和数据结构"

"请对销售数据进行全面分析，包括统计摘要、销售额趋势、销售人员排名和产品类别分析"

# excel_sales_analysis.py
# 这是一个使用Excel MCP Server进行销售数据分析的示例脚本

import requests
import json

class ExcelMCPSalesAnalyzer:
    def __init__(self, server_url="http://localhost:8000"):
        self.server_url = server_url
    
    def analyze_sales_data(self, file_path):
        """执行完整的销售数据分析"""
        
        analysis_result = {
            "file_info": self.get_file_info(file_path),
            "sheets": self.list_sheets(file_path),
            "schema": self.get_schema(file_path),
            "statistics": self.get_statistics(file_path),
            "recommendations": []
        }
        
        # 基于分析结果生成建议
        analysis_result["recommendations"] = self.generate_recommendations(analysis_result)
        
        return analysis_result
    
    def get_file_info(self, file_path):
        """获取文件基本信息"""
        # 这里模拟MCP工具调用
        return {"status": "success", "data": "文件信息获取成功"}
    
    def list_sheets(self, file_path):
        """列出所有工作表"""
        # 模拟list_sheets工具调用
        return ["销售数据", "销售人员信息", "产品目录"]
    
    def get_schema(self, file_path):
        """获取数据结构"""
        # 模拟get_schema工具调用
        return {
            "columns": ["日期", "销售人员", "产品类别", "销售数量", "销售额"],
            "types": ["date", "string", "string", "integer", "float"]
        }
    
    def get_statistics(self, file_path):
        """获取统计信息"""
        # 模拟describe_dataset工具调用
        return {
            "total_sales": 150000,
            "average_sale": 2500,
            "top_salesperson": "张三",
            "best_category": "电子产品"
        }
    
    def generate_recommendations(self, analysis):
        """基于分析结果生成业务建议"""
        recommendations = []
        
        if analysis["statistics"]["total_sales"] > 100000:
            recommendations.append("销售额表现良好，建议继续保持当前销售策略")
        
        if analysis["statistics"]["average_sale"] < 3000:
            recommendations.append("平均销售额有提升空间，建议加强高价值产品推广")
        
        return recommendations

# 使用示例
if __name__ == "__main__":
    analyzer = ExcelMCPSalesAnalyzer()
    result = analyzer.analyze_sales_data("月度销售报告.xlsx")
    
    print("=== 销售数据分析报告 ===")
    print(f"工作表列表: {result['sheets']}")
    print(f"数据结构: {result['schema']}")
    print(f"销售统计: {result['statistics']}")
    print("业务建议:")
    for i, recommendation in enumerate(result["recommendations"], 1):
        print(f"{i}. {recommendation}")