ChatExcel

Un potente servidor para procesamiento de archivos Excel, análisis de datos y visualización, aprovechando Python y Go para alto rendimiento.

GitHub

235

Prueba este MCPPatrocinado

Documentación

ChatExcel MCP Server - Edición Empresarial Mejorada v2.1.1

Última actualización (2025-06-19): Problema de importación de pandas completamente solucionado, estructura del proyecto optimizada, funcionalidades empresariales completamente listas

🚀 Servidor MCP empresarial para procesamiento inteligente y análisis de datos de Excel - Solución de procesamiento de datos de alto rendimiento basada en FastMCP

chatExcel-mcp es un servidor empresarial de procesamiento inteligente de Excel basado en MCP (Model Context Protocol), que proporciona potentes funciones de análisis de archivos Excel, procesamiento de datos, cálculo de fórmulas y visualización.

🚀 Características principales

📊 31 herramientas MCP profesionales

Lectura de datos y análisis de metadatos (2 herramientas): Detección inteligente de codificación, análisis estructural
Procesamiento y ejecución de datos (9 herramientas): Ejecución segura de código, recomendación de parámetros, generación de plantillas
Visualización de datos (3 herramientas): Generación de gráficos interactivos (Chart.js)
Validación de datos y control de calidad (12 herramientas): Verificación de calidad multinivel, limpieza inteligente
Procesamiento de fórmulas de Excel (5 herramientas): Análisis, compilación, ejecución y validación de fórmulas

🏗️ Arquitectura de doble motor

Motor Python: Procesamiento tradicional basado en pandas/openpyxl, compatible con análisis de datos complejos
Motor Go: Procesamiento concurrente de alto rendimiento, adecuado para procesamiento de datos a gran escala (opcional)

🧮 Motor de fórmulas de Excel (Nuevo)

Análisis de fórmulas: Análisis sintáctico AST y validación de seguridad, compatible con fórmulas anidadas complejas
Compilación de fórmulas: Generación de código y análisis de dependencias, optimización del rendimiento de ejecución
Ejecución de fórmulas: Entorno de ejecución seguro y validación de resultados, compatible con cálculo contextual
Análisis de dependencias: Generación de gráficos de dependencias y detección de ciclos, evita bloqueos de cálculo
Validación de fórmulas: Verificación sintáctica y evaluación de riesgos, garantiza la seguridad de las fórmulas

🔍 Control de calidad de datos (Mejorado)

Verificación de calidad multinivel: Validación integral de integridad, consistencia y precisión de los datos
Limpieza inteligente de datos: Limpieza automatizada de datos y estandarización de formatos
Procesamiento por lotes: Procesamiento paralelo de múltiples archivos Excel, mejora la eficiencia
Extracción avanzada: Extracción de datos con múltiples condiciones y análisis de contenido
Combinación inteligente: Combinación de datos de múltiples tablas y procesamiento configurado
Conversión de formato de caracteres: Conversión automatizada de formato de caracteres y configuración de reglas

🛡️ Seguridad empresarial

Seguridad del código: Análisis AST y lista blanca de funciones, previene la ejecución de código malicioso
Entorno sandbox: Entorno de ejecución aislado, protege la seguridad del sistema
Control de permisos: Control de acceso de grano fino y auditoría de operaciones
Escaneo de dependencias: Análisis inteligente de dependencias y detección de vulnerabilidades de seguridad

⚡ Optimización del rendimiento

Caché inteligente: Estrategias de caché multinivel, reduce cálculos repetidos
Procesamiento concurrente: Ejecución de tareas asíncronas, mejora la velocidad de procesamiento
Gestión de memoria: Procesamiento por bloques de archivos grandes, optimiza el uso de memoria
Recuperación de errores: Mecanismo de reintento automático y monitoreo de salud

📋 Resumen del proyecto

ChatExcel MCP Server es un potente servidor de Protocolo de Contexto de Modelo (MCP), diseñado específicamente para el procesamiento de archivos Excel, análisis de datos y visualización. El proyecto integra las mejores bibliotecas de procesamiento de datos del ecosistema Python y proporciona capacidades de operación de Excel de alto rendimiento a través de la biblioteca Go excelize.

🎯 Características principales

31 herramientas MCP profesionales - Cubre todo el flujo de lectura, procesamiento, validación, visualización, cálculo de fórmulas y control de calidad de datos
Arquitectura de doble motor - Motor de procesamiento híbrido Python pandas + Go excelize
Motor de fórmulas de Excel - Sistema completo de análisis, compilación y ejecución de fórmulas de Excel basado en la biblioteca formulas
Control de calidad de datos - 7 herramientas profesionales de calidad de datos, compatibles con limpieza y validación avanzada de datos
Recomendación inteligente de parámetros - Detecta automáticamente la estructura del archivo Excel y recomienda los mejores parámetros de lectura
Seguridad empresarial - Mecanismos de seguridad multicapa, entorno de ejecución sandbox de código, validación de seguridad de fórmulas
Optimización del rendimiento - Mecanismo de caché, procesamiento concurrente, optimización de memoria
Monitoreo de salud - Monitoreo completo del servicio, registro de logs y seguimiento de errores
Soporte de visualización - Generación de gráficos interactivos (Chart.js, Plotly, Matplotlib)

🛠️ Lista de herramientas MCP

Este proyecto proporciona 31 herramientas MCP profesionales, que cubren el ciclo de vida completo del procesamiento de datos Excel, análisis, validación, cálculo de fórmulas y control de calidad de datos.

📊 Herramientas de lectura de datos y metadatos (4)

Nombre de la herramienta	Descripción de la función	Características principales
`read_metadata`	Lectura de metadatos de archivos CSV y análisis inteligente	Detección de codificación, identificación de delimitadores, estadísticas de datos
`read_excel_metadata`	Lectura de metadatos de archivos Excel y validación de integridad	Análisis de múltiples hojas de trabajo, detección inteligente de codificación
`excel_read_enhanced`	Herramienta de lectura de Excel mejorada	Integración de Go excelize, recomendación inteligente de parámetros
`excel_info_enhanced`	Obtención de información de archivos Excel mejorada	Análisis detallado de archivos, estadísticas de hojas de trabajo

🔧 Herramientas de procesamiento y ejecución de datos (6)

Nombre de la herramienta	Descripción de la función	Características principales
`run_excel_code`	Motor de ejecución de código Excel	Sandbox seguro, soporte de parámetros de formato complejo, ✅ importación de pandas completamente solucionada
`run_code`	Motor de ejecución de código CSV	Entorno seguro, integración de pandas, ✅ entorno de ejecución mejorado
`excel_write_enhanced`	Herramienta de escritura de Excel mejorada	Optimización de formato, soporte de estilos
`excel_chart_enhanced`	Generación de gráficos de Excel mejorada	Múltiples tipos de gráficos, estilos personalizados
`excel_performance_comparison`	Análisis comparativo de rendimiento de Excel	Pruebas de rendimiento Go vs Python
`batch_data_verification_tool`	Herramienta de validación de datos por lotes	Procesamiento concurrente, informes por lotes

📈 Herramientas de visualización de datos (3)

Nombre de la herramienta	Descripción de la función	Características principales
`bar_chart_to_html`	Generación de gráficos de barras interactivos	Chart.js, diseño responsivo
`pie_chart_to_html`	Generación de gráficos circulares interactivos	Efectos de animación, etiquetas de datos
`line_chart_to_html`	Generación de gráficos de líneas interactivos	Datos multidimensionales, análisis de tendencias

🔍 Herramientas de validación y calidad de datos (3)

Nombre de la herramienta	Descripción de la función	Características principales
`verify_data_integrity`	Validación de integridad de datos y verificación comparativa	Múltiples modos de validación, informes detallados
`validate_data_quality`	Validación de calidad de datos y sugerencias de mejora	Puntuación de calidad, sugerencias de optimización
`comprehensive_data_verification_tool`	Herramienta integral de validación y verificación de datos	Validación integral, evaluación de calidad, verificación comparativa

🤖 Herramientas de asistencia inteligente (3)

Nombre de la herramienta	Descripción de la función	Características principales
`suggest_excel_read_parameters_tool`	Recomendación inteligente de parámetros de lectura de Excel	Análisis estructural, optimización de parámetros
`detect_excel_file_structure_tool`	Detección de estructura de archivos Excel	Encabezados multinivel, identificación de áreas de datos
`create_excel_read_template_tool`	Generación de plantillas de código de lectura de Excel	Plantillas inteligentes, configuración de parámetros

🧮 Herramientas de procesamiento de fórmulas de Excel (5)

Nombre de la herramienta	Descripción de la función	Características principales
`parse_formula`	Analizador de fórmulas de Excel	Análisis AST, análisis sintáctico, validación de seguridad
`compile_workbook`	Compilador de libros de trabajo de Excel	Compilación de fórmulas, generación de código, análisis de dependencias
`execute_formula`	Motor de ejecución de fórmulas de Excel	Ejecución segura, soporte de contexto, validación de resultados
`analyze_dependencies`	Análisis de dependencias de fórmulas de Excel	Generación de gráficos de dependencias, detección de ciclos, análisis de impacto
`validate_formula`	Validador de fórmulas de Excel	Verificación de seguridad, validación sintáctica, evaluación de riesgos

🔍 Herramientas de control de calidad de datos (7) - Nuevo

Nombre de la herramienta	Descripción de la función	Características principales
`enhanced_data_quality_check`	Verificación de calidad de datos mejorada	Verificación de calidad multinivel, informes integrales
`extract_cell_content_advanced`	Extracción avanzada de contenido de celdas	Extracción de múltiples tipos, contenido formateado
`convert_character_formats`	Conversión automatizada de formato de caracteres	Conversión por lotes, configuración de reglas
`extract_multi_condition_data`	Extracción de datos con múltiples condiciones	Condiciones complejas, filtrado flexible
`merge_multiple_tables`	Combinación de datos de múltiples tablas	Combinación inteligente, procesamiento configurado
`clean_excel_data`	Limpieza de datos de Excel	Limpieza integral, mejora de calidad
`batch_process_excel_files`	Procesamiento de archivos Excel por lotes	Procesamiento paralelo, configuración unificada

📋 Manual de uso de Workflow - Guía completa de flujo de las 31 herramientas MCP

Este capítulo clasifica y relaciona las 31 herramientas MCP según los escenarios de uso reales del usuario y el flujo completo de procesamiento de datos, proporcionando una guía completa de uso del workflow.

🎯 Descripción general del flujo completo de procesamiento de datos

flowchart TD
    A[📁 数据源] --> B[🔍 数据探索阶段]
    B --> C[📊 数据读取阶段]
    C --> D[🔧 数据处理阶段]
    D --> E[✅ 数据验证阶段]
    E --> F[📈 数据可视化阶段]
    F --> G[🧮 公式计算阶段]
    G --> H[🔍 质量控制阶段]
    H --> I[📤 数据输出阶段]
    
    B --> B1[文件结构检测]
    B --> B2[元数据分析]
    B --> B3[参数推荐]
    
    C --> C1[智能读取]
    C --> C2[编码检测]
    C --> C3[模板生成]
    
    D --> D1[代码执行]
    D --> D2[数据转换]
    D --> D3[批量处理]
    
    E --> E1[完整性验证]
    E --> E2[质量检查]
    E --> E3[数据比对]
    
    F --> F1[图表生成]
    F --> F2[交互可视化]
    F --> F3[报告输出]
    
    G --> G1[公式解析]
    G --> G2[公式执行]
    G --> G3[依赖分析]
    
    H --> H1[数据清洗]
    H --> H2[格式转换]
    H --> H3[多表合并]
    
    I --> I1[Excel写入]
    I --> I2[图表嵌入]
    I --> I3[性能对比]

🚀 Fase uno: Exploración y preparación de datos (7 herramientas)

📋 Escenario de uso

Cuando recibe un nuevo archivo Excel, primero debe comprender la estructura del archivo, las características de los datos y la mejor forma de lectura.

🛠️ Combinación de herramientas principales

Paso	Nombre de la herramienta	Propósito de uso	Resultado de salida
1️⃣	`excel_info_enhanced`	Obtener información básica del archivo	Lista de hojas de trabajo, tamaño del archivo, información de formato
2️⃣	`read_excel_metadata`	Análisis profundo de metadatos	Tipos de datos, formato de codificación, información estadística
3️⃣	`detect_excel_file_structure_tool`	Detección inteligente de estructura	Posición del encabezado, área de datos, celdas combinadas
4️⃣	`suggest_excel_read_parameters_tool`	Recomendación inteligente de parámetros	Configuración óptima de parámetros de lectura
5️⃣	`create_excel_read_template_tool`	Generación de plantilla de lectura	Plantilla de código de lectura ejecutable

💡 Ejemplo de Workflow

📊 阶段二：数据读取与加载 (4个工具)

📋 使用场景

基于探索阶段的分析结果，执行高效、准确的数据读取操作。

🛠️ 核心工具组合

工具名称	适用场景	核心优势	性能特点
`excel_read_enhanced`	标准Excel文件读取	Go引擎加速、智能参数	高性能、大文件支持
`read_metadata`	CSV文件元数据读取	编码自动检测、分隔符识别	轻量级、快速响应
`read_excel_metadata`	Excel元数据专用	多工作表分析、完整性验证	全面分析、准确可靠
`excel_performance_comparison`	性能基准测试	Python vs Go性能对比	性能优化、引擎选择

💡 Workflow示例

🔧 阶段三：数据处理与转换 (6个工具)

📋 使用场景

对读取的数据进行清洗、转换、计算和处理操作。

🛠️ 核心工具组合

处理类型	工具名称	功能描述	安全等级
代码执行	`run_excel_code`	Excel数据代码执行引擎	🔒 沙箱隔离
代码执行	`run_code`	CSV数据代码执行引擎	🔒 安全环境
数据写入	`excel_write_enhanced`	增强版Excel写入工具	✅ 格式优化
图表生成	`excel_chart_enhanced`	Excel内嵌图表生成	📊 多样式支持
批量验证	`batch_data_verification_tool`	批量数据验证处理	⚡ 并发处理
性能对比	`excel_performance_comparison`	处理性能基准测试	📈 优化建议

💡 Workflow示例

✅ 阶段四：数据验证与质量控制 (10个工具)

📋 使用场景

确保数据质量、完整性和准确性，是数据处理流程中的关键环节。

🛠️ 核心工具组合

🔍 基础验证工具 (3个)

工具名称	验证重点	输出报告
`verify_data_integrity`	数据完整性、一致性验证	详细验证报告、问题定位
`validate_data_quality`	数据质量评估、改进建议	质量评分、优化建议
`comprehensive_data_verification_tool`	综合验证、全面评估	完整验证报告、质量认证

🧹 高级质量控制工具 (7个)

工具名称	专业领域	核心功能
`enhanced_data_quality_check`	多级质量检查	深度质量分析、综合评估
`extract_cell_content_advanced`	内容提取分析	多类型提取、格式化处理
`convert_character_formats`	字符格式标准化	批量转换、规则配置
`extract_multi_condition_data`	复杂条件筛选	多维度筛选、灵活配置
`merge_multiple_tables`	多表数据整合	智能合并、关系处理
`clean_excel_data`	数据清洗优化	全面清洗、质量提升
`batch_process_excel_files`	批量文件处理	并行处理、统一标准

💡 Workflow示例

📈 阶段五：数据可视化与报告 (3个工具)

📋 使用场景

将处理后的数据转换为直观的图表和交互式可视化报告。

🛠️ 核心工具组合

图表类型	工具名称	适用场景	技术特性
柱状图	`bar_chart_to_html`	分类数据对比、趋势分析	Chart.js、响应式设计
饼图	`pie_chart_to_html`	占比分析、构成展示	动画效果、数据标签
折线图	`line_chart_to_html`	时间序列、趋势变化	多维数据、交互缩放

💡 Workflow示例

🧮 阶段六：Excel公式处理与计算 (5个工具)

📋 使用场景

处理复杂的Excel公式、进行高级计算和依赖关系分析。

🛠️ 核心工具组合

处理阶段	工具名称	核心功能	安全特性
解析	`parse_formula`	公式语法分析、AST构建	🔒 安全验证、语法检查
编译	`compile_workbook`	工作簿编译、代码生成	⚡ 性能优化、依赖分析
执行	`execute_formula`	公式安全执行、结果计算	🛡️ 沙箱环境、上下文隔离
分析	`analyze_dependencies`	依赖关系分析、影响评估	🔍 循环检测、关系图谱
验证	`validate_formula`	公式安全验证、风险评估	✅ 安全检查、合规验证

💡 Workflow示例

🎯 完整Workflow集成示例

📋 端到端数据处理流程

📚 最佳实践建议

🎯 工具选择策略

小文件 (<10MB): 使用Python引擎工具，响应快速
大文件 (>50MB): 优先使用Go引擎工具，性能更佳
复杂公式: 必须使用公式处理工具链，确保安全性
批量处理: 使用批量工具，提升效率
质量要求高: 使用完整质量控制流程

⚡ 性能优化建议

缓存策略: 重复操作启用缓存机制
并发处理: 批量任务使用并发工具
内存管理: 大文件使用分块处理
引擎选择: 根据性能测试结果选择最佳引擎

🔒 安全使用原则

代码执行: 始终在沙箱环境中执行
公式处理: 必须进行安全验证
文件访问: 验证文件路径和权限
资源限制: 设置合理的超时和内存限制

🧮 Excel公式处理功能详解

功能概述

基于 formulas==1.2.10 库构建的完整Excel公式处理系统，提供从解析到执行的全流程支持。

核心工具详解

1. `parse_formula` - 公式解析器

# 解析Excel公式并获取AST结构
result = parse_formula("=SUM(A1:A10)*2", validate_security=True)
# 返回: 语法树、函数列表、引用单元格、安全状态

2. `compile_workbook` - Compilador de libros de trabajo

# 将Excel文件编译为Python代码或JSON结构
result = compile_workbook("/path/to/file.xlsx", output_format="python")
# 支持格式: 'python', 'json'

3. `execute_formula` - Motor de ejecución de fórmulas

# 在指定上下文中执行Excel公式
context = '{"A1": 10, "A2": 20}'
result = execute_formula("=A1+A2", context)
# 返回: 计算结果、执行状态、性能指标

4. `analyze_dependencies` - Analizador de dependencias

# 分析Excel文件中的公式依赖关系
result = analyze_dependencies("/path/to/file.xlsx")
# 返回: 依赖图、循环检测、影响分析

5. `validate_formula` - Validador de fórmulas

# 验证公式的安全性和有效性
result = validate_formula("=SUM(A1:A10)")
# 返回: 安全评估、语法检查、风险等级

Características de seguridad

Análisis de seguridad AST: Detecta patrones de código potencialmente maliciosos
Lista blanca de funciones: Solo permite funciones de Excel seguras
Validación de referencias: Valida la legitimidad de las referencias de celdas
Entorno sandbox: Entorno de ejecución de fórmulas aislado

Optimización del rendimiento

Mecanismo de caché: Caché inteligente de resultados de análisis
Soporte de concurrencia: Procesamiento paralelo de múltiples fórmulas
Gestión de memoria: Procesamiento por bloques de archivos grandes
Recuperación de errores: Manejo elegante de excepciones

📋 Registro de versiones

v2.1.1 (2025-06-19) - Versión de corrección de importación de pandas

🔧 Correcciones clave

✅ Problema de importación de pandas completamente solucionado: Se resolvió por completo el problema de fallo de importación de pandas en el servidor MCP
- Se mejoró el entorno de ejecución de la función fallback_enhanced_run_excel_code
- Se agregó soporte para múltiples formas de referencia de pandas y numpy (pd, pandas, np, numpy)
- Se completó la importación de funciones integradas y módulos comunes
- Se mejoró el manejo de errores y el formato de retorno
✅ Optimización de la estructura del proyecto: Se completó la organización de archivos del proyecto y la optimización estructural
- Se movieron los archivos de documentación al directorio record/ para gestión unificada
- Se limpiaron archivos redundantes y se optimizó la estructura de directorios
- Se completaron los archivos de configuración y la gestión de dependencias

🆕 Módulos nuevos

enhanced_globals_config.py - Módulo de configuración global mejorado
pandas_fix_patch.py - Parche de corrección de importación de pandas
mcp_pandas_integration.py - Módulo de corrección de integración del servidor MCP
Suite completa de pruebas de validación

v2.1.0 (2025-06-18) - Edición empresarial mejorada

🎉 Actualizaciones importantes

✅ Integración completa de la biblioteca tabulate: Se resolvió por completo el problema de ImportError de tabulate, con soporte para la función pandas.to_markdown()
✅ Motor de fórmulas de Excel mejorado: Sistema completo de procesamiento de fórmulas basado en formulas==1.2.10
✅ 31 herramientas MCP: Se agregaron 7 herramientas de control de calidad de datos, cubriendo el ciclo de vida completo del procesamiento de datos
✅ Optimización de mecanismos de seguridad: Entorno sandbox de ejecución de código mejorado, mecanismos de validación de seguridad completados
✅ Mejora del rendimiento: Integración de Go excelize, mecanismo de caché, optimización del procesamiento concurrente
✅ Monitoreo de salud: Sistema completo de monitoreo de servicios, registro de logs y seguimiento de errores
✅ Compatibilidad del entorno: Soporte completo de entorno virtual y verificación de dependencias

v2.0.0 (2025-06-18) - Actualización importante

🎉 Actualizaciones importantes

✅ Expansión de herramientas MCP: De 24 a 31 herramientas profesionales
✅ Arquitectura de doble motor: Procesamiento de alto rendimiento Python + Go
✅ Validación de datos mejorada: Validación multinivel y control de calidad
✅ Actualización de visualización: Gráficos interactivos Chart.js
✅ Refuerzo de seguridad: Sandbox de ejecución de código y control de permisos
✅ Eliminación de restricciones de la biblioteca tabulate: Se eliminó por completo la restricción de seguridad de la biblioteca tabulate, con soporte para funciones de formato de tablas
✅ Optimización de configuración de seguridad: Se actualizó el archivo security.json, agregando tabulate a la lista de módulos seguros
✅ Mejora de la ejecución de código: Se optimizó secure_code_executor.py, mejorando la seguridad de la ejecución de código
✅ Cobertura de pruebas completada: Se agregaron pruebas independientes de la biblioteca tabulate y pruebas de integración MCP
✅ Actualización de documentación: Se completó la información de versión en README y requirements.txt

🚀 Inicio rápido

📋 Requisitos del entorno

Componente	Versión requerida	Descripción
Python	3.11+	Se recomienda usar Python 3.11 o superior
Sistema operativo	macOS, Linux, Windows	Compatible con todas las plataformas
Memoria	4GB+	Se recomienda 8GB para un mejor rendimiento
Espacio en disco	1GB+	Incluye dependencias y espacio de caché
Go	1.21+ (opcional)	Para procesamiento de Excel de alto rendimiento

📦 Gestión de dependencias

Dependencias principales

Protocolo MCP: mcp>=1.9.4, fastmcp>=2.8.0
Procesamiento de datos: pandas>=1.5.3, numpy>=1.26.4, pandasai>=2.3.0
Procesamiento de Excel: openpyxl>=3.1.5, xlsxwriter>=3.2.5
Aprendizaje automático: torch>=2.1.0, transformers>=4.39.2, scikit-learn>=1.2.2
Visualización: matplotlib>=3.10.1, seaborn>=0.13.2, plotly>=6.0.1
Servicios web: fastapi>=0.115.12, uvicorn>=0.30.6, gradio>=5.23.3

📦 Notas de compatibilidad de dependencias

Este proyecto ha resuelto los siguientes problemas de conflicto de dependencias:

✅ Corrección de importación de pandas: Se resolvió por completo el problema de fallo de importación de pandas en el entorno MCP (v2.1.1)
✅ Entorno de ejecución mejorado: Soporte para múltiples formas de referencia de pandas/numpy (pd, pandas, np, numpy)
✅ Versión de Torch: Se degradó a torch==2.1.0 para compatibilidad con torchvision==0.16.0
✅ Compatibilidad con PandasAI: Se actualizó a pandasai==2.3.0 manteniendo pandas==1.5.3
✅ Versión de Pydantic: Se actualizó a pydantic==2.11.7 para soportar MCP y otras dependencias modernas
✅ Problema de certificados SSL: Se proporcionó la solución de parámetros --trusted-host
✅ Optimización de la estructura del proyecto: Documentación organizada en el directorio record/, limpieza de archivos redundantes

Solución de problemas

Si encuentra conflictos de dependencias, siga estos pasos:

Verificar el estado de las dependencias

pip check
python scripts/health_check.py

Reinstalar dependencias

pip uninstall -y torch torchvision pandasai pandas pydantic
pip install torch==2.1.0 torchvision==0.16.0 --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org
pip install pandasai==2.3.0 --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org
pip install "pydantic>=2.7.2" --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org

Verificar la corrección

pip check
python scripts/health_check.py
### ⚡ 一键部署 (推荐)

```bash
# 1. 克隆项目
git clone https://github.com/chatexcel/chatExcel-mcp.git
cd chatExcel-mcp

# 2. 一键部署（自动安装依赖、配置环境、启动服务）
./start.sh

# 3. 验证部署状态
python scripts/health_check.py

🔧 Implementación manual

# 1. 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # macOS/Linux
# 或 venv\Scripts\activate  # Windows

# 2. 安装依赖
pip install -r requirements.txt --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org

# 3. 启动GO服务 (可选，用于高性能Excel处理)
cd excel-service
go run main.go &
cd ..

# 4. 启动MCP服务器
python server.py

📊 Verificación del estado del servicio

# 检查服务健康状态
curl http://localhost:8080/api/v1/health  # GO服务
python scripts/health_check.py            # 完整系统检查

🔧 Instalación manual

Paso 1: Preparación del entorno

# 克隆项目
git clone https://github.com/chatexcel/chatExcel-mcp.git
cd chatExcel-mcp

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate  # macOS/Linux
# venv\Scripts\activate  # Windows

Paso 2: Instalación de dependencias

# 升级pip
pip install --upgrade pip

# 如果遇到SSL证书问题，使用以下命令
pip install -r requirements.txt --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org

# 或者正常安装
pip install -r requirements.txt

# 验证安装
python3 check_dependencies.py

# 运行健康检查脚本
python scripts/health_check.py

# 检查依赖冲突
pip check

Paso 3: Configuración del servicio

# 生成MCP配置文件
python3 generate_mcp_config.py

# 检查环境配置
python3 check_env.py

Paso 4: Inicio del servicio

# 启动标准服务器
python3 server.py

# 或启动增强版服务器（推荐）
python3 enhanced_server.py

# 后台运行
nohup python3 server.py > chatexcel.log 2>&1 &

🐳 Implementación con Docker

Uso de imagen preconstruida

# 拉取镜像
docker pull chatexcel/mcp-server:latest

# 运行容器
docker run -d \
  --name chatexcel-mcp \
  -p 8080:8080 \
  -v $(pwd)/data:/app/data \
  -v $(pwd)/config:/app/config \
  chatexcel/mcp-server:latest

Construcción local

# 构建镜像
docker build -t chatexcel-mcp .

# 运行容器
docker run -d \
  --name chatexcel-mcp \
  -p 8080:8080 \
  -v $(pwd)/data:/app/data \
  chatexcel-mcp

🔍 Verificación de instalación

# 运行健康检查
python3 scripts/health_check.py

# 运行功能测试
python3 test/quick_test.py

# 验证MCP工具
python3 comprehensive_mcp_test.py

# 检查服务状态
curl http://localhost:8080/health

🔧 Guía de desarrollo

Estructura del proyecto

chatExcel-mcp/
├── chatexcel_mcp/          # 主要源代码
│   ├── __init__.py
│   ├── server.py           # MCP服务器主文件
│   ├── tools/              # 工具模块
│   │   ├── excel_tools.py  # Excel操作工具
│   │   ├── chart_tools.py  # 图表生成工具
│   │   └── ai_tools.py     # AI分析工具
│   └── utils/              # 工具函数
├── tests/                  # 测试文件（已创建）
├── docs/                   # 文档
├── examples/               # 示例文件
├── scripts/                # 脚本文件
│   └── health_check.py     # 健康检查脚本
├── requirements.txt        # 依赖列表（已更新）
├── pyproject.toml         # 项目配置（已更新）
└── README.md              # 项目说明

Verificación de salud del entorno

El proyecto incluye un mecanismo completo de verificación de salud:

# 运行完整健康检查
python scripts/health_check.py

La verificación de salud incluye:

✅ Validación de la versión de Python
✅ Detección del entorno virtual
✅ Validación de versiones de paquetes de dependencias
✅ Integridad de la estructura de archivos del proyecto
✅ Prueba de importación del módulo del servidor

Compatibilidad de versiones

El entorno actual ha sido verificado como compatible:

Python: 3.8+
Torch: 2.1.0 (compatible con torchvision 0.16.0)
PandasAI: 2.3.0 (compatible con pandas 1.5.3)
Pydantic: 2.11.7 (compatible con MCP 1.9.4)
Todas las dependencias: Sin conflictos

🔧 Configuración e integración de MCP

Configuración del cliente MCP

Configuración de Claude Desktop

Agregue en ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "chatexcel": {
      "command": "python3",
      "args": ["/path/to/chatExcel-mcp2.0/server.py"],
      "env": {
        "PYTHONPATH": "/path/to/chatExcel-mcp2.0"
      }
    }
  }
}

Generación automática de configuración

# 生成MCP配置文件
python3 generate_mcp_config.py

# 查看生成的配置
cat mcp_config_absolute.json

Configuración de variables de entorno

Cree el archivo .env:

# 服务配置
MCP_SERVER_HOST=localhost
MCP_SERVER_PORT=8080
MCP_LOG_LEVEL=INFO

# Excel处理配置
EXCEL_MAX_FILE_SIZE=100MB
EXCEL_CACHE_ENABLED=true
EXCEL_GO_SERVICE_URL=http://localhost:8081

# 安全配置
CODE_EXECUTION_TIMEOUT=30
MAX_MEMORY_USAGE=1GB
SECURE_MODE=true

📖 Ejemplos de uso

🔍 Lectura básica de Excel

# 使用MCP工具读取Excel文件
result = await mcp_client.call_tool(
    "read_excel_metadata",
    {"file_path": "/path/to/your/file.xlsx"}
)

print(f"工作表数量: {result['sheets_count']}")
print(f"数据行数: {result['total_rows']}")
print(f"编码格式: {result['encoding']}")

🤖 Recomendación inteligente de parámetros

# 获取最佳读取参数
params = await mcp_client.call_tool(
    "suggest_excel_read_parameters_tool",
    {"file_path": "/path/to/complex.xlsx"}
)

# 使用推荐参数读取
data = await mcp_client.call_tool(
    "excel_read_enhanced",
    {
        "file_path": "/path/to/complex.xlsx",
        **params["recommended_params"]
    }
)

print(f"读取成功，数据形状: {data['shape']}")

📊 Procesamiento y análisis de datos

# 执行数据分析代码
analysis = await mcp_client.call_tool(
    "run_excel_code",
    {
        "file_path": "/path/to/data.xlsx",
        "code": """
        # 数据清洗和分析
        df_clean = df.dropna()
        summary = df_clean.describe()
        correlation = df_clean.corr()
        
        # 数据质量检查
        missing_data = df.isnull().sum()
        duplicate_rows = df.duplicated().sum()
        
        print("=== 数据摘要 ===")
        print(summary)
        print(f"\n缺失数据: {missing_data.sum()}")
        print(f"重复行数: {duplicate_rows}")
        """
    }
)

📈 Generación de gráficos de visualización

# 生成交互式柱状图
chart = await mcp_client.call_tool(
    "bar_chart_to_html",
    {
        "labels": ["Q1", "Q2", "Q3", "Q4"],
        "datasets": [
            {
                "label": "销售额(万元)",
                "data": [120, 150, 180, 200],
                "backgroundColor": "rgba(54, 162, 235, 0.6)"
            }
        ],
        "title": "2024年季度销售报告",
        "options": {
            "responsive": True,
            "plugins": {
                "legend": {"display": True}
            }
        }
    }
)

print(f"图表已生成: {chart['filepath']}")

🧮 Procesamiento de fórmulas de Excel

# 解析Excel公式
formula_result = await mcp_client.call_tool(
    "parse_formula",
    {
        "formula": "=SUM(A1:A10)*0.1+AVERAGE(B1:B10)",
        "validate_security": True
    }
)

print(f"公式解析成功: {formula_result['is_valid']}")
print(f"引用单元格: {formula_result['references']}")

# 执行公式
execute_result = await mcp_client.call_tool(
    "execute_formula",
    {
        "formula": "=A1+B1",
        "context": '{"A1": 10, "B1": 20}'
    }
)

print(f"计算结果: {execute_result['result']}")

🔍 Control de calidad de datos

# 增强数据质量检查
quality_check = await mcp_client.call_tool(
    "enhanced_data_quality_check",
    {
        "file_path": "/path/to/data.xlsx",
        "check_types": ["completeness", "consistency", "accuracy"],
        "generate_report": True
    }
)

print(f"数据质量评分: {quality_check['quality_score']}")
print(f"发现问题: {len(quality_check['issues'])}")

# 批量数据验证
batch_verification = await mcp_client.call_tool(
    "batch_data_verification_tool",
    {
        "file_paths": [
            "/path/to/file1.xlsx",
            "/path/to/file2.xlsx"
        ],
        "verification_rules": {
            "check_duplicates": True,
            "validate_formats": True,
            "check_completeness": True
        }
    }
)

print(f"批量验证完成，处理文件数: {batch_verification['processed_count']}")

🏗️ Arquitectura del proyecto

Diagrama de arquitectura del sistema

graph TB
    A[MCP Client] --> B[FastMCP Server]
    B --> C[Tool Router]
    C --> D[Excel Engine]
    C --> E[Data Engine]
    C --> F[Chart Engine]
    
    D --> G[Python pandas]
    D --> H[Go excelize]
    D --> I[openpyxl]
    
    E --> J[Data Validator]
    E --> K[Code Executor]
    E --> L[Cache Manager]
    
    F --> M[Chart.js]
    F --> N[Plotly]
    F --> O[Matplotlib]
    
    P[Security Layer] --> C
    Q[Monitoring] --> B
    R[Logging] --> B

Módulos principales

📁 Estructura principal de archivos

chatExcel-mcp/
├── server.py                 # 主服务器文件（19个MCP工具）
├── enhanced_server.py        # 增强版服务器
├── config.py                 # 配置管理
├── excel_enhanced_tools.py   # Excel增强工具
├── excel_smart_tools.py      # Excel智能工具
├── data_verification.py      # 数据验证引擎
├── comprehensive_data_verification.py  # 综合数据验证
├── excel-service/           # Go excelize服务
│   ├── main.go
│   ├── go.mod
│   └── go.sum
├── templates/               # 图表模板
│   ├── barchart_template.html
│   ├── linechart_template.html
│   └── piechart_template.html
├── scripts/                 # 运维脚本
│   ├── deploy.py
│   ├── health_check.py
│   └── maintenance.sh
├── config/                  # 配置文件
│   ├── runtime.yaml
│   ├── security.json
│   └── system.json
└── tests/                   # 测试套件
    ├── unit/
    ├── integration/
    └── performance/

🔧 Diseño de clases de motor

ExcelEnhancedProcessor: Motor de procesamiento de Excel de alto rendimiento
DataVerificationEngine: Motor de validación de datos y verificación de calidad
ComprehensiveDataVerifier: Validador integral de datos
SecureCodeExecutor: Ejecutor seguro de código

Arquitectura de flujo de datos

Flujo de procesamiento de Excel

sequenceDiagram
    participant C as Client
    participant S as Server
    participant E as Excel Engine
    participant G as Go Service
    participant P as Python Engine
    
    C->>S: 调用excel_read_enhanced
    S->>E: 路由到Excel引擎
    E->>G: 尝试Go excelize
    alt Go服务可用
        G-->>E: 返回高性能结果
    else Go服务不可用
        E->>P: 降级到pandas
        P-->>E: 返回标准结果
    end
    E-->>S: 返回处理结果
    S-->>C: 返回最终结果

Flujo de validación de datos

sequenceDiagram
    participant C as Client
    participant S as Server
    participant V as Validator
    participant R as Reporter
    
    C->>S: 调用verify_data_integrity
    S->>V: 启动验证引擎
    V->>V: 结构验证
    V->>V: 数据类型检查
    V->>V: 完整性验证
    V->>V: 统计分析
    V->>R: 生成验证报告
    R-->>S: 返回详细报告
    S-->>C: 返回验证结果

Flujo de ejecución de código

sequenceDiagram
    participant C as Client
    participant S as Server
    participant SE as Security Engine
    participant EX as Executor
    participant M as Monitor
    
    C->>S: 调用run_excel_code
    S->>SE: 安全检查
    SE->>SE: 黑名单过滤
    SE->>SE: 语法验证
    SE-->>S: 安全通过
    S->>EX: 沙箱执行
    EX->>M: 监控执行
    M->>M: 资源监控
    M->>M: 超时检查
    EX-->>S: 返回执行结果
    S-->>C: 返回最终结果

Arquitectura de optimización del rendimiento

Mecanismo de caché

graph LR
    A[请求] --> B{缓存检查}
    B -->|命中| C[返回缓存]
    B -->|未命中| D[处理请求]
    D --> E[更新缓存]
    E --> F[返回结果]
    
    G[缓存策略]
    G --> H[LRU淘汰]
    G --> I[TTL过期]
    G --> J[内存限制]

Procesamiento concurrente

# 并发处理示例
class ConcurrentProcessor:
    def __init__(self, max_workers=4):
        self.executor = ThreadPoolExecutor(max_workers=max_workers)
        self.semaphore = asyncio.Semaphore(max_workers)
    
    async def process_batch(self, tasks):
        async with self.semaphore:
            futures = [self.executor.submit(task) for task in tasks]
            results = await asyncio.gather(*futures)
            return results

Diseño de arquitectura de seguridad

Protección de seguridad multicapa

graph TB
    A[用户请求] --> B[输入验证层]
    B --> C[权限检查层]
    C --> D[代码安全层]
    D --> E[执行沙箱层]
    E --> F[输出过滤层]
    F --> G[审计日志层]
    
    H[安全策略]
    H --> I[黑名单过滤]
    H --> J[白名单验证]
    H --> K[资源限制]
    H --> L[超时控制]

Mecanismo de manejo de errores

graph LR
    A[异常发生] --> B{异常类型}
    B -->|安全异常| C[安全日志]
    B -->|业务异常| D[业务日志]
    B -->|系统异常| E[系统日志]
    
    C --> F[告警通知]
    D --> G[用户反馈]
    E --> H[运维通知]
    
    F --> I[安全响应]
    G --> J[错误恢复]
    H --> K[系统修复]

Diseño de extensibilidad

Arquitectura de complementos

# 插件接口定义
class MCPToolPlugin:
    def __init__(self, name: str, version: str):
        self.name = name
        self.version = version
    
    def register_tools(self, mcp_server):
        """注册MCP工具"""
        raise NotImplementedError
    
    def initialize(self, config: dict):
        """初始化插件"""
        pass
    
    def cleanup(self):
        """清理资源"""
        pass

# 插件管理器
class PluginManager:
    def __init__(self):
        self.plugins = {}
    
    def load_plugin(self, plugin_class, config=None):
        plugin = plugin_class()
        plugin.initialize(config or {})
        self.plugins[plugin.name] = plugin
        return plugin

Gestión de configuración

# 动态配置示例
class ConfigManager:
    def __init__(self, config_path="config/"):
        self.config_path = Path(config_path)
        self.configs = {}
        self.watchers = {}
    
    def load_config(self, name: str) -> dict:
        config_file = self.config_path / f"{name}.yaml"
        with open(config_file, 'r') as f:
            config = yaml.safe_load(f)
        self.configs[name] = config
        return config
    
    def watch_config(self, name: str, callback):
        """监控配置文件变化"""
        self.watchers[name] = callback

Arquitectura de monitoreo y operaciones

Verificación de salud

# 健康检查示例
class HealthChecker:
    def __init__(self):
        self.checks = {
            "database": self.check_database,
            "cache": self.check_cache,
            "disk_space": self.check_disk_space,
            "memory": self.check_memory
        }
    
    async def run_health_check(self) -> dict:
        results = {}
        for name, check_func in self.checks.items():
            try:
                results[name] = await check_func()
            except Exception as e:
                results[name] = {"status": "error", "error": str(e)}
        
        overall_status = "healthy" if all(
            r.get("status") == "healthy" for r in results.values()
        ) else "unhealthy"
        
        return {
            "status": overall_status,
            "checks": results,
            "timestamp": datetime.utcnow().isoformat()
        }

Registro y monitoreo

graph TB
    A[应用日志] --> B[日志收集器]
    C[性能指标] --> D[指标收集器]
    E[错误追踪] --> F[错误收集器]
    
    B --> G[日志存储]
    D --> H[指标存储]
    F --> I[错误存储]
    
    G --> J[日志分析]
    H --> K[监控告警]
    I --> L[错误分析]
    
    J --> M[运维仪表板]
    K --> M
    L --> M

🧪 Pruebas y validación

Ejecutar la suite de pruebas

# 运行所有测试
python3 -m pytest tests/ -v

# 运行特定测试
python3 comprehensive_mcp_test.py
python3 final_verification.py

# 性能测试
python3 test/performance/benchmark.py

Verificación de salud

# 服务健康检查
curl http://localhost:8080/health

# 详细诊断
python3 diagnose_mcp_setup.py

# Excel功能验证
python3 demo_excel_features.py

Validación de dependencias principales

# NumPy和Pandas功能验证
python3 -c "import numpy as np; import pandas as pd; print('✅ 核心依赖正常')"

# Excel智能处理功能测试
python3 test_excel_smart_features.py

# Go服务连接测试
python3 excel_go_client.py --test

🔒 Consideraciones de seguridad

Seguridad de ejecución de código

Filtro de lista negra: Prohíbe operaciones peligrosas (os, sys, subprocess, etc.)
Entorno sandbox: Entorno de ejecución de código aislado
Límites de recursos: Límites de memoria, CPU y tiempo de ejecución
Validación de entrada: Validación estricta de parámetros y verificación de tipos

Seguridad de acceso a archivos

Validación de rutas: Previene ataques de recorrido de directorios
Límite de tamaño de archivo: Previene ataques de archivos grandes
Validación de formato: Garantiza la corrección del formato de archivo
Verificación de permisos: Validación de permisos de lectura/escritura de archivos

Seguridad de red

Soporte HTTPS: Transmisión cifrada
Mecanismo de autenticación: Validación de claves API
Límite de velocidad: Previene ataques DDoS
Registros de auditoría: Registro completo de operaciones

🛠️ Herramientas de operaciones

Scripts automatizados

# 部署脚本
./scripts/deploy.py --env production

# 健康检查
./scripts/health_check.py --detailed

# 维护脚本
./scripts/maintenance.sh --clean-cache

# 依赖更新
./scripts/update_dependencies.sh

Gestión de caché

# 清理缓存
python3 cache_manager.py --clean

# 缓存统计
python3 cache_manager.py --stats

# 缓存配置
vim cache_config.json

Gestión de registros

# 查看实时日志
tail -f logs/chatExcel.log

# 日志分析
python3 scripts/log_analyzer.py --date today

# 日志轮转
logrotate config/logrotate.conf

⚡ Optimización del rendimiento

Optimización de memoria

Lectura por bloques: Procesamiento por bloques de archivos grandes
Grupo de memoria: Mecanismo de reutilización de objetos
Recolección de basura: Limpieza proactiva de memoria
Estrategia de caché: Eliminación de caché LRU

Optimización de concurrencia

Procesamiento asíncrono: Modelo de concurrencia asyncio
Grupo de subprocesos: Procesamiento paralelo de tareas intensivas en CPU
Grupo de conexiones: Reutilización de conexiones de base de datos
Mecanismo de cola: Gestión de colas de tareas

Optimización de E/S

Operaciones por lotes: Reduce el número de operaciones de E/S
Transmisión comprimida: Transmisión de datos comprimidos
Lectura anticipada: Precarga inteligente de datos
Aciertos de caché: Mejora la tasa de aciertos de caché

🐛 Solución de problemas

📋 Diagnóstico rápido

# 运行全面诊断工具
python3 diagnose_mcp_setup.py

# 检查系统健康状态
python3 scripts/health_check.py --detailed

# 验证所有依赖
python3 check_dependencies.py

🔧 Soluciones a problemas comunes

1. 🚫 Fallo al iniciar el servicio

Síntomas del problema: El servicio no puede iniciarse o se cierra inmediatamente

# 检查端口占用
lsof -i :8080
# 如果端口被占用，杀死进程或更换端口
kill -9 <PID>

# 检查Python环境
which python3
python3 --version

# 检查依赖完整性
pip check
pip list | grep -E "fastmcp|pandas|openpyxl"

# 查看详细错误日志
python3 server.py --debug
# 或查看日志文件
tail -f chatExcel.log

Soluciones:

# 重新安装依赖
pip install --upgrade --force-reinstall -r requirements.txt

# 清理缓存
pip cache purge
python3 -c "import shutil; shutil.rmtree('.encoding_cache', ignore_errors=True)"

# 使用不同端口启动
MCP_SERVER_PORT=8081 python3 server.py

2. 📊 Fallo al leer Excel

Síntomas del problema: No se puede leer el archivo Excel o los resultados de lectura son anormales

# 检查文件权限和格式
ls -la /path/to/file.xlsx
file /path/to/file.xlsx

# 验证文件完整性
python3 -c "import openpyxl; wb=openpyxl.load_workbook('/path/to/file.xlsx'); print('文件正常')"

# 测试基础读取功能
python3 test/simple_test.py /path/to/file.xlsx

Soluciones:

# 修复文件权限
chmod 644 /path/to/file.xlsx

# 使用不同的读取引擎
python3 -c "
import pandas as pd
# 尝试不同引擎
for engine in ['openpyxl', 'xlrd']:
    try:
        df = pd.read_excel('/path/to/file.xlsx', engine=engine)
        print(f'{engine} 引擎成功')
        break
    except Exception as e:
        print(f'{engine} 引擎失败: {e}')
"

# 检查编码问题
python3 utils/encoding_detector.py /path/to/file.xlsx

3. 🔗 Fallo de conexión con el servicio Go

Síntomas del problema: El servicio Go excelize no puede conectarse o la respuesta expira

# 检查Go服务状态
ps aux | grep excel-service
lsof -i :8081

# 测试Go服务连接
curl -v http://localhost:8081/health
telnet localhost 8081

Soluciones:

# 重新编译Go服务
cd excel-service
go mod tidy
go build -o excel-service main.go

# 启动Go服务
./excel-service &

# 如果Go不可用，禁用Go服务
export EXCEL_GO_SERVICE_ENABLED=false
python3 server.py

4. 🔒 Problemas de permisos y seguridad

Síntomas del problema: La ejecución de código está bloqueada o la verificación de seguridad falla

# 检查安全配置
cat config/security.json

# 测试安全模式
python3 -c "
from security.secure_code_executor import SecureCodeExecutor
executor = SecureCodeExecutor()
result = executor.execute('print(\"Hello World\")')
print(result)
"

Soluciones:

# 调整安全配置（谨慎操作）
vim config/security.json

# 临时禁用严格模式（仅用于调试）
export SECURE_MODE=false
python3 server.py

# 检查黑名单配置
python3 -c "from config import SECURITY_CONFIG; print(SECURITY_CONFIG['blacklisted_modules'])"

5. 💾 Problemas de memoria y rendimiento

Síntomas del problema: Memoria insuficiente o respuesta lenta al procesar archivos grandes

# 监控内存使用
top -p $(pgrep -f server.py)

# 检查缓存状态
python3 cache_manager.py --stats

# 清理缓存
python3 cache_manager.py --clean

Soluciones:

# 调整内存限制
export MAX_MEMORY_USAGE=2GB
export EXCEL_MAX_FILE_SIZE=50MB

# 启用分块处理
export CHUNK_SIZE=10000
python3 server.py

# 优化缓存配置
vim cache_config.json

🔍 Herramientas de depuración

Depuración básica

# 简单功能测试
python3 test/simple_debug.py

# MCP工具测试
python3 comprehensive_mcp_test.py

# 快速验证
python3 test/quick_test.py

Depuración avanzada

# 性能分析
python3 -m cProfile -o profile.stats server.py
python3 -c "import pstats; p=pstats.Stats('profile.stats'); p.sort_stats('cumulative').print_stats(10)"

# 内存分析
python3 -m memory_profiler server.py

# 网络调试
netstat -tulpn | grep :8080
ss -tulpn | grep :8080

Análisis de registros

# 实时日志监控
tail -f chatExcel.log | grep -E "ERROR|WARNING"

# 日志统计分析
python3 scripts/log_analyzer.py --date today --level ERROR

# 清理旧日志
find . -name "*.log" -mtime +7 -delete

📞 Obtener ayuda

Si las soluciones anteriores no resuelven el problema, por favor:

Recopilar información de diagnóstico:

python3 diagnose_mcp_setup.py > diagnosis.txt
python3 --version >> diagnosis.txt
pip list >> diagnosis.txt

Crear un ejemplo mínimo reproducible:
```
python3 test/create_minimal_test.py
```
Enviar un Issue: Visite GitHub Issues y adjunte la información de diagnóstico

📄 Licencia

Este proyecto está bajo la licencia de código abierto MIT License.

🤝 Guía de contribuciones

¡Agradecemos las contribuciones de la comunidad! Siga estos pasos:

Haga un Fork de este repositorio
Cree una rama de características (git checkout -b feature/AmazingFeature)
Envíe los cambios (git commit -m 'Add some AmazingFeature')
Empuje a la rama (git push origin feature/AmazingFeature)
Abra un Pull Request

Normas de desarrollo

Siga el estilo de código PEP 8
Agregue casos de prueba apropiados
Actualice la documentación relevante
Asegúrese de que todas las pruebas pasen

Verificación de calidad del código

# 代码格式化
black .

# 代码检查
flake8 .

# 类型检查
mypy .

# 安全检查
bandit -r .

📞 Información de contacto

Mantenedor del proyecto: ChatExcel Team
Reporte de problemas: GitHub Issues
Sugerencias de funciones: GitHub Discussions
Soporte técnico: lillardw459@gmail.com

🙏 Agradecimientos

Gracias por el apoyo de los siguientes proyectos de código abierto:

FastMCP - Marco de servidor MCP
pandas - Biblioteca de análisis de datos
openpyxl - Procesamiento de archivos Excel
excelize - Biblioteca Excel para Go
formulas - Motor de análisis y ejecución de fórmulas de Excel
Chart.js - Visualización de gráficos
Plotly - Gráficos interactivos

⭐ ¡Si este proyecto le resulta útil, denos una estrella!

⬆ Volver arriba

ChatExcel

Documentación

ChatExcel MCP Server - Edición Empresarial Mejorada v2.1.1

🚀 Características principales

📊 31 herramientas MCP profesionales

🏗️ Arquitectura de doble motor

🧮 Motor de fórmulas de Excel (Nuevo)

🔍 Control de calidad de datos (Mejorado)

🛡️ Seguridad empresarial

⚡ Optimización del rendimiento

📋 Resumen del proyecto

🎯 Características principales

🛠️ Lista de herramientas MCP

📊 Herramientas de lectura de datos y metadatos (4)

🔧 Herramientas de procesamiento y ejecución de datos (6)

📈 Herramientas de visualización de datos (3)

🔍 Herramientas de validación y calidad de datos (3)

🤖 Herramientas de asistencia inteligente (3)

🧮 Herramientas de procesamiento de fórmulas de Excel (5)

🔍 Herramientas de control de calidad de datos (7) - Nuevo

📋 Manual de uso de Workflow - Guía completa de flujo de las 31 herramientas MCP

🎯 Descripción general del flujo completo de procesamiento de datos

🚀 Fase uno: Exploración y preparación de datos (7 herramientas)

📋 Escenario de uso

🛠️ Combinación de herramientas principales

💡 Ejemplo de Workflow

📊 阶段二：数据读取与加载 (4个工具)

📋 使用场景

🛠️ 核心工具组合

💡 Workflow示例

🔧 阶段三：数据处理与转换 (6个工具)

📋 使用场景

🛠️ 核心工具组合

💡 Workflow示例

✅ 阶段四：数据验证与质量控制 (10个工具)

📋 使用场景

🛠️ 核心工具组合

🔍 基础验证工具 (3个)

🧹 高级质量控制工具 (7个)

💡 Workflow示例

📈 阶段五：数据可视化与报告 (3个工具)

📋 使用场景

🛠️ 核心工具组合

💡 Workflow示例

🧮 阶段六：Excel公式处理与计算 (5个工具)

📋 使用场景

🛠️ 核心工具组合

💡 Workflow示例

🎯 完整Workflow集成示例

📋 端到端数据处理流程

📚 最佳实践建议

🎯 工具选择策略

⚡ 性能优化建议

🔒 安全使用原则

🧮 Excel公式处理功能详解

功能概述

核心工具详解

1. parse_formula - 公式解析器

2. compile_workbook - Compilador de libros de trabajo

3. execute_formula - Motor de ejecución de fórmulas

4. analyze_dependencies - Analizador de dependencias

5. validate_formula - Validador de fórmulas

Características de seguridad

Optimización del rendimiento

📋 Registro de versiones

v2.1.1 (2025-06-19) - Versión de corrección de importación de pandas

v2.1.0 (2025-06-18) - Edición empresarial mejorada

v2.0.0 (2025-06-18) - Actualización importante

🚀 Inicio rápido

📋 Requisitos del entorno

📦 Gestión de dependencias

Dependencias principales

📦 Notas de compatibilidad de dependencias

Solución de problemas

🔧 Implementación manual

📊 Verificación del estado del servicio

🔧 Instalación manual

Paso 1: Preparación del entorno

Paso 2: Instalación de dependencias

Paso 3: Configuración del servicio

1. `parse_formula` - 公式解析器

2. `compile_workbook` - Compilador de libros de trabajo

3. `execute_formula` - Motor de ejecución de fórmulas

4. `analyze_dependencies` - Analizador de dependencias

5. `validate_formula` - Validador de fórmulas