1. 概述
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 11 月开源，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。截止 2025 年 4 月 26 日，MCP Server 在 mcp.so 市场上已经发展超过 10000 多个 MCP Server。
今天带大家一起使用 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，下面先给大家看一下效果。
测试的 Excel 表格数据
Cherry Studio
F:\tmp\mcpfiles 有我们的分享报告，我们看一下
看起来生成的 HTML 报告还不错，通过简单的 Excel 表格通过几个 MCP 实现了一个分析报告。
Trae
同样它在我电脑的 F:\tmp\mcpfiles 目录下生成一个 zz_report.html 报告
我们通过 2 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，把我上面的 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。
另外考虑我电脑上是 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 （优先使用系统 UI 字体）、、 效果和 ；适当运用 增强信息传达，提升整体专业感和现代感。
生成单一、完整的 HTML 文件。确保报告 ，并在不同设备（桌面、平板、手机）上均具备良好的 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 2025 年 4 月 29 日阿里发布的 qwen3-235B-A22B 模型。
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. 结语
本文主要演示了使用 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。该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。
