excel-mcp-server
excel-mcp-server 是一款基于模型上下文协议(MCP)开发的开源服务,旨在让人工智能助手能够直接读取和写入微软 Excel 文件。它有效解决了大语言模型无法直接访问本地电子表格数据、难以执行复杂表格操作的痛点,让 AI 能像人类一样处理数据分析、报表生成及公式计算等任务。
该工具主要面向开发者、数据分析师及希望将 AI 能力集成到办公流程中的研究人员。通过简单的配置,用户即可赋予 AI 操作 Excel 的核心能力,包括读写单元格数值与公式、创建新工作表、建立结构化表格以及复制工作表等。其独特的技术亮点在于对 Windows 平台的深度优化:支持“实时编辑”模式,并能直接截取指定区域的工作表屏幕图像,极大地增强了多模态交互体验。此外,它全面兼容 xlsx、xlsm 等多种主流 Excel 格式,并内置分页机制以高效处理大规模数据。只需 Node.js 环境即可部署,excel-mcp-server 为构建智能化的数据处理应用提供了坚实且灵活的基础设施。
使用场景
某电商数据分析师每天需处理多个区域的销售报表,并将汇总结果与公式自动写入新的 Excel 文件中。
没有 excel-mcp-server 时
- 必须手动打开每个 Excel 文件复制数据,极易因人为操作导致单元格错行或遗漏。
- 无法通过自然语言直接让 AI 助手读取特定区域的公式逻辑,只能截图或复制文本描述,沟通效率极低。
- 若要批量生成新工作表或写入复杂计算公式,不得不编写繁琐的 Python 脚本并处理环境依赖问题。
- 在 Windows 环境下,无法实时预览 AI 生成的表格样式和屏幕效果,往往要反复保存文件后手动打开检查。
使用 excel-mcp-server 后
- 分析师只需指令 AI“读取 A 区销售表的 B2:D50 区域”,excel-mcp-server 即可精准提取数据,彻底消除人工复制错误。
- 利用
showFormula参数,AI 能直接解析现有单元格的计算逻辑,快速理解业务规则并进行优化建议。 - 通过
excel_write_to_sheet和excel_create_table工具,AI 可直接在指定路径创建新 Sheet 并填入带"="号的动态公式,无需额外编码。 - 在 Windows 端调用
excel_screen_capture,AI 生成内容后可立即返回表格截图供确认,实现了“对话即所见”的实时编辑体验。
excel-mcp-server 将原本割裂的 Excel 文件操作转化为流畅的自然语言交互,让数据处理从“手动搬运”升级为“智能编排”。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
Excel MCP 服务器
一个读取和写入 Microsoft Excel 数据的模型上下文协议 (MCP) 服务器。
功能
- 读取/写入文本值
- 读取/写入公式
- 创建新工作表
仅限 Windows:
- 实时编辑
- 捕获工作表的屏幕截图
更多详细信息,请参阅 工具 部分。
要求
- Node.js 20.x 或更高版本
支持的文件格式
- xlsx(Excel 工作簿)
- xlsm(启用宏的 Excel 工作簿)
- xltx(Excel 模板)
- xltm(启用宏的 Excel 模板)
安装
通过 NPM 安装
将以下配置添加到 MCP 服务器配置中,即可自动安装 excel-mcp-server。
对于 Windows:
{
"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
要通过 Smithery 自动为 Claude Desktop 安装 Excel MCP 服务器:
npx -y @smithery/cli install @negokaz/excel-mcp-server --client claude
工具
excel_describe_sheets
列出指定 Excel 文件的所有工作表信息。
参数:
fileAbsolutePath- Excel 文件的绝对路径
excel_read_sheet
分页读取 Excel 工作表中的值。
参数:
fileAbsolutePath- Excel 文件的绝对路径
sheetName- Excel 文件中的工作表名称
range- 要读取的单元格范围(例如:“A1:C10”)。[默认:第一个分页范围]
showFormula- 是否显示公式而不是值 [默认:false]
showStyle- 是否显示单元格的样式信息 [默认:false]
excel_screen_capture
仅限 Windows 对 Excel 工作表进行分页截图。
参数:
fileAbsolutePath- Excel 文件的绝对路径
sheetName- Excel 文件中的工作表名称
range- 要读取的单元格范围(例如:“A1:C10”)。[默认:第一个分页范围]
excel_write_to_sheet
向 Excel 工作表写入值。
参数:
fileAbsolutePath- Excel 文件的绝对路径
sheetName- Excel 文件中的工作表名称
newSheet- 如果为 true,则创建新工作表;否则写入现有工作表
range- 要读取的单元格范围(例如:“A1:C10”)。
values- 要写入 Excel 工作表的值。如果值是公式,应以“=”开头。
excel_create_table
在 Excel 工作表中创建表格。
参数:
fileAbsolutePath- Excel 文件的绝对路径
sheetName- 创建表格的工作表名称
range- 用作表格的范围(例如:“A1:C10”)
tableName- 要创建的表格名称。
excel_copy_sheet
将现有工作表复制到新工作表。
参数:
fileAbsolutePath- Excel 文件的绝对路径
srcSheetName- Excel 文件中的源工作表名称
dstSheetName- 要复制到的目标工作表名称。
excel_format_range
使用样式信息格式化 Excel 工作表中的单元格。
参数:
fileAbsolutePath- Excel 文件的绝对路径
sheetName- Excel 文件中的工作表名称
range- Excel 工作表中的单元格范围(例如:“A1:C3”)
styles- 每个单元格的样式对象二维数组。如果单元格不改变样式,则使用 null。数组的项目数必须与范围大小一致。
- 样式对象属性:
border:边框样式数组(类型、颜色、样式)font:字体样式(粗体、斜体、下划线、大小、删除线、颜色、垂直对齐)fill:填充/背景样式(类型、图案、颜色、阴影)numFmt:自定义数字格式字符串decimalPlaces:小数位数(0–30)
配置
可以通过以下环境变量更改 MCP 服务器的行为:
EXCEL_MCP_PAGING_CELLS_LIMIT
单次分页操作中最多可读取的单元格数量。
[默认:4000]
许可证
版权所有 © 2025 Kazuki Negoro
excel-mcp-server 根据 MIT 许可证 发布。
版本历史
v0.12.02025/07/19v0.11.12025/07/02v0.11.02025/06/29v0.10.32025/06/08v0.10.22025/06/07v0.10.12025/06/06v0.10.02025/06/04v0.9.22025/05/25v0.9.12025/05/24v0.8.02025/05/09v0.7.12025/05/09v0.7.02025/05/06v0.6.22025/05/05v0.6.12025/05/05v0.6.02025/04/26v0.5.22025/04/12v0.5.12025/04/10v0.4.12025/04/05v0.4.02025/03/23v0.3.02025/03/16常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
