效果图


步骤一:准备工作
创建飞书企业自建应用 (个人也可以)
- 登录飞书开发者后台

- 创建企业自建应用,添加机器人能力

-
在权限管理页面开通以下权限:
bitable:app
(查看、评论、编辑和管理多维表格)- 多维表 相关权限

- 发布版本

安装 lark-mcp 工具
需要有 node.js 环境
bash
npm install -g @larksuiteoapi/lark-mcp
步骤二:客户端侧授权:配置用户身份登录
-
复制 <your_app_id> <your_app_secret>
-
打开终端,执行登录命令:
xml
lark-mcp login -a <your_app_id> -s <your_app_secret>

- 访问终端回显的授权 URL,完成用户授权

- 授权成功后,终端会显示
success

步骤三:多维表侧授权
- 进入多维表,点击 【添加文档应用】
2. 搜索你的前面创建的应用名称 并添加应用 ( 你不搜名字 这里 嘛都没有 [doge] )
右侧小三角注意一下, 可管理 或 可编辑 都行

步骤四:配置 MCP 服务
- 在 Trae 中打开AI 侧栏 > AI 功能管理 > MCP > 添加 > 手动添加
- 配置以下 JSON 内容(替换为你的应用信息):
注意:原本的 mcp 名称为 lark-mcp ,这里改成了 feishu
这种方式,同样适用于其他 AI IDE 或者支持 MCP 协议的应用
如: kiro cursor 等
json
{
"mcpServers": {
"feishu": {
"command": "lark-mcp",
"args": [
"mcp",
"-a",
"<your_app_id>",
"-s",
"<your_app_secret>",
"-t",
"preset.base.default",
"--oauth"
]
}
}
}
步骤四:使用 MCP 应用操作多维表格
-
输入包含以下信息的提示词:
- 多维表格的唯一标识(app_token)
- 具体操作需求(增删改查)
- 操作的数据表字段信息(可选,比如先让 ai 查询字段配置)
- 数据内容和格式要求
-
示例提示词:
plantext
Command: use feishu
- 利用飞书多维表 API 操作 app_token 为 ___ 的表格:
重要:在执行任何新增或更新操作前,必须先查询表结构!以每个字段的描述作为所有操作的约束依据。
- "___" 表(table_id: ___)------ ___ {你这表是干啥的}
- "___" 表(table_id: ___)------ ___ {你这表又是干啥的}
plantext
Command: use feishu
- Use the Feishu multidimensional-table API to operate on the table whose app_token is ___:
**Important: before any add/update operation, first query the table structure! Use the description of each field as the governing constraint for all operations.**
- "___" table (table_id: ___) --- ___ {WTF?}
- "___" table (table_id: ___) --- ___ {WTF?}
步骤五:起飞
起飞前需要先去设计一下 多维表的 字段,这块可以自行发挥...
或者偷点懒直接找个 多维表 模板,再不济 让 ai 来设计 [doge]
推荐一个提示词项目:
能够看到 ai 的大致思考过程
注意:不推荐在消耗 token 的环境下使用!brainstorming_block 会消耗大量的 token !
github/langyamu/super-ai-system-prompt
效果展示
