Trae + Dify 10分钟构建 Data McpServer 与 Agent ，和 Excel 说再见！

大家好，我是九歌AI。

今天手把手教大家使用AI编程工具 Trae + Dify构建一个能根据大模型对话处理Excel的智能体。

当然，全程下来10分钟是不可能的，代码确实是Trae 几分钟就生成的，但是我调Bug就花了2个小时啊！

本来还想加上Pyecharts数据可视化部分，但是一口气吃成胖子也不好，先做个简单的吧。

话不多说，我们撸起袖子开干。

打开国内最新版的AI编程工具Trae（字节能不能给我点广告费，这个编程工具其实也让人头疼），在新建Builder地方，输入下面的提示词,大模型选择DeepSeek R1。提示词为什么这么写，当然是给大家避坑了！

DeepSeek R1 提示词

我要使用 MCP server 搭建1个服务，接受 Excel 路径和大模型对话中的数据处理要求，这个server服务里的 llm(使用deepseek) 将数据处理要求转变成真实的 pandas 代码，然后服务执行这个代码，将代码运行结果返回。请根据我的要求，一步步给出完整的解决办法和创建完整代码。

代码结构可以参考下面这样：

excel_mcp/ ├── config.py ├── llm_integration.py ├── main.py ├── safe_exec.py └── requirements.txt

数据处理库使用Pandas

LLM使用DeepSeek，DeepSeek的请求使用参考下方代码

from openai import OpenAI

client = OpenAI(api_key="", base_url="api.deepseek.com")

response = client.chat.completions.create(

model="deepseek-chat",

messages=[

{"role": "system", "content": "You are a helpful assistant"},

{"role": "user", "content": "Hello"},

],

stream=False

)

print(response.choices[0].message.content)

使用Trae的Builder模式，将上面的提示词输入

在代码生成的过程中，一直点击全部接受，直到代码执行阶段。这时候终端会报错，你根据报错信息就会陷入修Bug的无底洞，所以要自己把代码都读一遍，不然哪里错的都不知道。

比如下面这个报错，原因很简单，包的大小写弄错了！

代码全部生成后，你需要在config.py中添加DeepSeep API的密钥，然后按下面步骤运行代码。

替换config.py中的API密钥

通过uvicorn main:app --host 0.0.0.0 --port 8000 启动服务

访问http://localhost:8000/docs 测试接口

如果使用venv管理环境，请先激活环境，再执行第2步。

vevn环境激活命令：.\venv\Scripts\activate

这时候，访问FastAPI的docs路径（可能需要科学上网，因为fastapi的一个js库被挡了），就可以看到Data McpServer的接口了。