1. 前言
MCP Server（模型上下文协议服务器）是一种基于模型上下文协议（Model Context Protocol，简称 MCP）构建的轻量级服务程序，旨在实现大型语言模型（LLM）与外部资源之间的高效、安全连接。MCP 协议由 Anthropic 公司于 2024 年开源，其核心目标是解决 AI 应用中数据分散、接口不统一等问题，为开发者提供标准化的接口，使 AI 模型能够灵活访问本地资源和远程服务，从而提升 AI 助手的响应质量和工作效率。
MCP Server 的架构与工作原理
MCP Server 采用客户端 - 服务器（Client-Server）架构，其中客户端（MCP Client）负责与服务器建立连接，发起请求，而服务器端则处理请求并返回响应。这种架构确保了数据交互的高效性与安全性。例如，客户端可以向服务器发送请求，如'查询数据库中的某个记录'或'调用某个 API'，而服务器则根据请求类型，调用相应的资源或工具，完成任务并返回结果。
MCP Server 支持动态发现和实时更新机制。例如，当新的资源或工具被添加到服务器时，客户端可以自动感知并使用这些新功能，从而提高系统的灵活性和扩展性。
MCP Server 的主要功能
- 资源暴露与工具提供： MCP Server 可以将本地文件、数据库、API 等资源作为数据实体暴露给 AI 模型，同时提供工具功能，帮助 AI 完成复杂任务，如数据检索、内容生成、实时更新等。例如，它支持对 MySQL、PostgreSQL 等数据库的查询和操作，也支持对本地文件系统的读写和目录管理。
- 会话管理与动态通知： MCP Server 能够管理客户端与服务器的连接，确保会话的时效性和稳定性，同时通过实时推送机制，将最新的资源信息及时传递给 AI 模型，以保证数据的准确性和实时性。
- 安全性与隐私保护： MCP Server 采用加密认证和访问控制机制，确保数据传输的安全性，避免敏感信息泄露。例如，它支持本地运行，避免将敏感数据上传至第三方平台，从而保护用户隐私。
- 标准化与模块化： MCP Server 提供了标准化的通信协议，支持两种传输协议（STDIO 和 SSE），并允许开发者通过插件扩展功能，使其具备灵活性和扩展性。例如，它支持通过 HTTP 标准 POST 请求与客户端进行交互，同时支持 WebSocket 实现实时数据推送。
- 多场景应用：
MCP Server 可以应用于多种场景，包括但不限于：
- 本地资源集成：如文件操作、数据库管理、API 调用等。
- 云服务交互：如与 GitHub、Slack、Google Drive 等云服务的集成。
- AI 助手扩展：如为 ChatGPT 等 AI 助手提供上下文支持和工具调用能力。
目前 MCP Server 发展速度非常快。目前在 mcp.so 市场上已经发展超过 10000 多个 MCP Server。
本文将演示如何使用 Cherry Studio 和 Trae 实现 Excel 表格一键生成可视化图表 HTML 报告的 MCP 案例。
测试的 Excel 表格数据
Cherry Studio
F:\tmp\mcpfiles 目录下有生成的分享报告，我们查看一下。
看起来生成的 HTML 报告效果不错，通过简单的 Excel 表格配合几个 MCP 实现了分析报告。
Trae
同样它在电脑的 F:\tmp\mcpfiles 目录下生成一个 zz_report.html 报告。
我们通过两个 MCP Client 实现了 Excel 表格一键生成可视化图表 HTML 报告。那么这个 MCP Server 用到了哪些工具，如何实现的呢？下面带大家一起来实现。
2. MCP Server 配置
上面的 MCP Server 其实用到了 4 个 MCP Server，分别是：
- sequential-thinking
- server-filesystem
- excel-mcp-server
- quickchart-server
Trae 配置 MCP Server
他们的配置在 Trae 非常简单，下面是他们的配置文件。
quickchart-server
{"mcpServers":{"quickchart-server":{"command":"npx","args":["-y","@gongrzhe/quickchart-mcp-server"]}}}
excel-mcp-server
{"mcpServers":{"excel-mcp-server":{"command":"npx","args":["--yes","@zhiweixu/excel-mcp-server"],"env":{"LOG_PATH":"F:\\tmp\\mcpfiles","CACHE_MAX_AGE":"1","CACHE_CLEANUP_INTERVAL":"4","LOG_RETENTION_DAYS":"7","LOG_CLEANUP_INTERVAL":"24"}}}}
server-filesystem
{"mcpServers":{"server-filesystem":{"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","F:\\tmp\\mcpfiles"]}}}
sequential-thinking
{"mcpServers":{"sequential-thinking":{"command":"npx","args":["-y","@modelcontextprotocol/server-sequential-thinking"]}}}
首先我们需要确保电脑上安装了 Node.js、uvx 等工具，详细安装可以参考 Trae 帮助文档。
https://docs.trae.ai/ide/model-context-protocol?_lang=zh
安装好后，我们在 Trae 配置添加。下面以一个 MCP Server 介绍一下配置。
打开 Trae，选择 MCP（Trae 建议升级到最新版本）。
点击手工配置。
在弹出 MCP Server 配置对话框里面，把上面的 4 个 MCP Server 添加配置。
点击确定按钮完成添加配置，稍等片刻后我们看到变成可用状态，说明 Trae 已经完成了 MCP Server 安装。
分别将上面 4 个 MCP Server 添加完成即可。
Cherry Studio 配置 MCP Server
Cherry Studio 的配置和上面的配置类似。
我们打开 Cherry Studio，找到 MCP Server 配置。
我们可以在右上角使用编辑 MCP 配置的方式，也是可以手工添加的方式。
添加 MCP 配置的方式和上面的 Trae 比较类似，都是 JSON 文件格式复制一下即可。它多了一个 type: "stdio", 类型。
另外考虑电脑上是 Windows，所以我们 command 改成 cmd 命令，args 添加 -c 和 npx。这种方式是解决 Windows 安装 npx 不可用的问题。
区别的部分我们用红框标注了，其他都和 Trae 配置一样。
手工添加方式也非常简单，类型选择 studio，命令行 cmd，参数填写即可。
设置完成后，点击右上角保存按钮完成设置。
当 Cherry Studio MCP Server 配置都变成绿色就是可以使用状态。
以上步骤就完成了 Cherry Studio MCP Server 的配置。
3. 验证及测试
下面我们以 Cherry Studio 为案例测试。
在使用它之前我们先设置一下提示词。
提示词内容如下：
## 角色定位 你是一位顶尖的数据可视化与分析专家，具备卓越的 Excel 数据处理能力和敏锐的商业洞察力。你精通使用先进的 MCP 工具（`sequential-thinking`, `server-filesystem`, `excel`, `quickchart-server`）来解读、处理、分析数据，并能基于数据特征和用户需求，智能推荐并生成高质量的可视化图表。最终，你将以专业、美观、符合 Apple 设计风格的响应式 HTML 报告，清晰呈现富有洞察力的分析结果。
## 核心能力
### 1. 数据理解与处理
- **工作流程管理 (`sequential-thinking`)：** 利用 `sequential-thinking` MCP 服务规划并执行复杂的分析任务，确保分析过程逻辑清晰、步骤严谨。
- **Excel 数据访问 (`excel`)：** 使用 `excel` MCP 服务精确、高效地读取用户提供的 Excel 文件内容（支持.xlsx, .xlsm, .xltx, .xltm 格式），包括工作表名称、单元格数据、公式等。
- **数据预处理：** 识别并专业处理数据结构问题，包括缺失值、异常值、数据类型不一致等，应用适当的清洗和转换技术，确保数据质量满足严谨的分析要求。
- **文件系统交互 (`server-filesystem`)：** 通过 `server-filesystem` MCP 服务安全地访问和管理本地文件系统中的分析所需文件（根目录限定于 `F:\tmp\mcpfiles`）。
### 2. 智能可视化推荐与生成
- **需求深度分析：** 深入理解用户的显式和隐式目标，结合数据本身的特性，提炼出核心的分析维度和需要关注的关键指标。
- **图表智能推荐：** 基于数据类型（如时间序列、分类、比例、分布、关系等）和分析目的，智能推荐最能有效传达信息的可视化方案。
- **专业图表生成 (`quickchart-server`)：** 利用 `quickchart-server` MCP 服务，根据选定的数据和图表类型，生成清晰、准确、美观且具有信息传递效率的可视化图表（如柱状图、折线图、饼图、散点图、热力图等）。
### 3. 深度数据分析与洞察提炼
- **探索性数据分析 (EDA)：** 对数据进行全面的探索性分析，运用统计方法和可视化手段识别关键模式、趋势、周期性、相关性以及潜在的异常点。
- **洞察总结与提炼：** 超越表面数据，挖掘其背后的业务含义和深层原因，提炼出具有价值的核心洞见，并以简洁、精准、易于理解的语言进行阐述。
- **报告内容撰写：** 基于分析结果，撰写结构清晰、逻辑严谨的数据分析文字报告，包含关键发现、数据解读、趋势预测（如果适用）和切实可行的建议。
### 4. 精美 HTML 报告构建与输出
- **内容有机整合：** 将生成的可视化图表与数据分析文字报告无缝集成，确保图文互补，共同服务于分析目标的呈现。
- **Apple 风格设计：** 报告视觉设计遵循 Apple 设计风格原则：注重简洁、清晰、优雅。使用卡片式布局组织内容，确保充足的留白；采用清晰的无衬线字体（优先使用系统 UI 字体）、圆角元素、细微阴影效果和专业的色彩搭配；适当运用高质量图标增强信息传达，提升整体专业感和现代感。
- **响应式 HTML 输出：** 生成单一、完整的 HTML 文件。确保报告内容丰富、结构合理、导航清晰、易于阅读，并在不同设备（桌面、平板、手机）上均具备良好的响应式布局和阅读体验。
接收用户指令和 Excel 文件路径，使用 工具初步读取数据结构（如工作表名称、列名）。主动向用户确认对分析目标的理解。
检查数据质量，进行必要的数据清洗、转换和整理。若发现严重问题，及时向用户反馈。
执行深入的数据分析，识别关键模式、趋势和异常。
根据分析发现和用户目标，推荐并使用 生成合适的可视化图表。
撰写包含核心洞察、图表解读和建议的文字报告。
使用 工具（如果需要创建或写入文件），将文字报告和图表整合成符合 Apple 设计风格的 HTML 报告。
向用户展示最终的 HTML 报告。如有必要，根据用户反馈进行调整和优化，或提出进一步分析的建议。
在关键步骤（如确定分析目标、执行复杂操作）前，主动总结你的理解并寻求用户确认，避免方向性错误。
在分析过程中，若遇到数据歧义、需要做出假设或存在多种分析路径，应向用户清晰说明情况，解释你的判断依据或寻求用户指导。
始终以帮助用户解决问题、达成目标为核心，提供清晰、准确、有价值的分析结果。
若遇到无法访问文件、文件格式不支持、数据质量问题阻碍分析、MCP 工具执行失败等情况，必须立即停止当前无效尝试，清晰地向用户报告具体问题，并尽可能提供错误信息和建议的解决方案（例如，请求用户检查文件路径、格式或提供更清晰的数据）。
若特定 MCP 工具调用失败，尝试理解失败原因。如果可能，尝试替代方案或告知用户该功能暂时无法完成。
在处理用户提供的任何数据时，严格遵守数据隐私和安全规范，仅在完成用户请求的分析任务范围内使用数据，任务完成后不保留用户数据。
我们在 Cherry Studio 添加一个智能体名字叫做'数据分析专家'。
完成智能体添加后，我们在聊天助手中添加一个叫做'数据分析专家'智能体。
模型这里我们选择近期阿里发布的 qwen3-235B-A22B 模型，关于这个模型大家可以在相关社区查找，这里就不做详细介绍。
接下来我们用到 4 个 MCP Server，所以在聊天对话框把 4 个 MCP Server 都勾选上。
我们的提示词：
请根据'F:\tmp\mcpfiles\zz.xlsx'进行全面分析，并生成一份包含关键洞察和可视化图表的 HTML 报告
后面它就开始调用模型提供的函数。
生成总结报告，并把生成的 HTML 输出到 F:\tmp\mcpfiles\zz_analysis_report.html 中。
后面的 Trae 测试方法和这个比较类似，这里就不做详细展开了。
4. 总结
本文演示了使用 Cherry Studio 和 Trae 实现 Excel 表格一键生成可视化图表 HTML 报告的 MCP 案例。详细讲解了 MCP Server 的配置过程，分别介绍了在 Trae 和 Cherry Studio 中配置 sequential-thinking、server-filesystem、excel-mcp-server 和 quickchart-server 这 4 个 MCP Server 的方法。同时，展示了如何设置提示词、添加智能体、选择模型以及勾选所需的 MCP Server 来完成 Excel 数据的分析和可视化报告的生成。这个方案属于比较实用且具有一定创新性的方案，能够帮助用户快速、便捷地将 Excel 表格数据转化为可视化的 HTML 报告，提升数据分析和展示的效率。
