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.choices0.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。

  1. 替换config.py中的API密钥
  2. 通过uvicorn main:app --host 0.0.0.0 --port 8000 启动服务
  3. 访问http://localhost:8000/docs 测试接口
  4. 如果使用venv管理环境,请先激活环境,再执行第2步。
  5. 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。

紧接着,我们需要准备一个excel文件,我们可以直接在excel模板中找一个,下载下来。我找的是客户反馈跟踪表。

将这个表格放在Trae项目根文件夹,直接点击Trae右下角的Go Live,会将项目文档以端口5000的web服务暴露出来。

我们访问这个地址,复制表格的URL链接。

接下来再回到FastAPI Docs界面,找到接口,点击Try It!填写参数值,然后点击Execute按钮 执行!

查看结果,成功了!(中途修了半小时BUG!)

下面我们就要把McpServer 作为工具放到Dify上了。

第一步 先确定你Dify能访问到本地运行的Fastapi接口服务,所以我将地址换成了电脑的IP。

第二步 获取Fastapi openAPI-Swagger数据,点下面这里。

第三步 把json数据复制到dify 自定义工具界面。这里面需要手动添加servers信息,fastapi上没有带这个参数。

点击接口旁边的测试,测试一下工具是否可用。

回到Dify,创建一个工作流应用,取名为Excel智能助手

编排这个简单的工作流如下,开始按钮设置变量类型,一个是Excel文件URL上传,一个是用户提示词。

在下一个节点,选择我们刚刚内置的工具,讲文件URL和用户提示词对接好。

点击运行按钮,查看执行效果。

发布运行这个智能体,再查看效果!

好了,今天就先到这,我们还可以把这个工作流发布为工具,在新的智能体对话时作为Function Call调用,我们下期再详细讲。

所有的代码和Dify工作流文件,可以访问下方或阅读原文链接获取。

ruby 复制代码
https://mbd.pub/o/bread/aJWXm5dv
复制代码
相关推荐
全栈弄潮儿6 小时前
我的代码审查 Prompt:从“能跑”到“可维护”
aigc·openai·ai编程
AIGCmagic社区7 小时前
具身智能专题:机器人也有Scaling Law?智元GE-Act 2.0用3万小时真机数据给出答案
人工智能·aigc·具身智能
stormzhangV10 小时前
别吹 Jev 了
人工智能·aigc·ai编程
赛博仓鼠12 小时前
秋叶ComfyUI 3.2整合包实测:Python 3.13+Torch 2.13全栈升级,一键跑通MiniMax H3(附完整部署)
ai·ai作画·aigc·音视频
ServBay13 小时前
Jev是什么?哑巴模型居然全网爆火
后端·aigc·ai编程
Dawson Zhu15 小时前
大模型记忆系统设计:分层架构与关键技术解析
人工智能·语言模型·架构·aigc·agi
宝贝儿好15 小时前
【LLM】第六章:LangChain框架中的大模型的创建与调用
人工智能·自然语言处理·nlp·aigc·ai编程
Dawson Zhu16 小时前
大模型预训练为何普遍单轮遍历?——从 Scaling Laws、数据重复到灾难性遗忘的技术解析
人工智能·语言模型·架构·aigc·agi
AIGCmagic社区21 小时前
具身智能专题:宇树UnifoLM-WLA-1.0用同一套权重覆盖64项真机任务
人工智能·aigc·具身智能
墨林陌21 小时前
AI 热点日报(2026-09-21):AI四巨头遭反垄断集体诉讼,特朗普发起AI改名投票
aigc·ai编程