ChatExcel

Um servidor poderoso para processamento de arquivos Excel, análise de dados e visualização, utilizando Python e Go para alto desempenho.

GitHub

235

Experimente este MCPPatrocinado

Documentação

ChatExcel MCP Server - Edição Empresarial Aprimorada v2.1.1

Atualização mais recente (2025-06-19): Problema de importação do pandas totalmente corrigido, estrutura do projeto otimizada, recursos empresariais totalmente prontos

🚀 Servidor MCP empresarial para processamento inteligente e análise de dados Excel - Solução de processamento de dados de alto desempenho baseada em FastMCP

chatExcel-mcp é um servidor empresarial de processamento inteligente de Excel baseado em MCP (Model Context Protocol), oferecendo recursos poderosos de análise de arquivos Excel, processamento de dados, cálculo de fórmulas e visualização.

🚀 Recursos Principais

📊 31 Ferramentas MCP Profissionais

Leitura de dados e análise de metadados (2 ferramentas): Detecção inteligente de codificação, análise estrutural
Processamento e execução de dados (9 ferramentas): Execução segura de código, recomendação de parâmetros, geração de modelos
Visualização de dados (3 ferramentas): Geração de gráficos interativos (Chart.js)
Validação de dados e controle de qualidade (12 ferramentas): Verificação de qualidade em vários níveis, limpeza inteligente
Processamento de fórmulas Excel (5 ferramentas): Análise, compilação, execução e validação de fórmulas

🏗️ Arquitetura de Motor Duplo

Motor Python: Processamento tradicional baseado em pandas/openpyxl, suporta análise de dados complexa
Motor Go: Processamento concorrente de alto desempenho, adequado para processamento de dados em larga escala (opcional)

🧮 Motor de Fórmulas Excel (Novo)

Análise de fórmulas: Análise sintática AST e validação de segurança, suporta fórmulas aninhadas complexas
Compilação de fórmulas: Geração de código e análise de dependências, otimização do desempenho de execução
Execução de fórmulas: Ambiente de execução seguro e validação de resultados, suporta cálculo contextual
Análise de dependências: Geração de gráfico de dependências e detecção de ciclos, evita deadlocks de cálculo
Validação de fórmulas: Verificação sintática e avaliação de riscos, garante a segurança das fórmulas

🔍 Controle de Qualidade de Dados (Aprimorado)

Verificação de qualidade em vários níveis: Validação abrangente de integridade, consistência e precisão dos dados
Limpeza inteligente de dados: Limpeza automatizada de dados e padronização de formatos
Processamento em lote: Processamento paralelo de vários arquivos Excel, melhorando a eficiência
Extração avançada: Extração de dados com múltiplas condições e análise de conteúdo
Mesclagem inteligente: Mesclagem de dados de múltiplas tabelas e processamento configurável
Conversão de formato de caracteres: Conversão automatizada de formato de caracteres e configuração de regras

🛡️ Segurança Empresarial

Segurança de código: Análise AST e lista de permissões de funções, evita execução de código malicioso
Sandbox de execução: Ambiente de execução isolado, protege a segurança do sistema
Controle de acesso: Controle de acesso granular e auditoria de operações
Varredura de dependências: Análise inteligente de dependências e detecção de vulnerabilidades de segurança

⚡ Otimização de Desempenho

Cache inteligente: Estratégia de cache em vários níveis, reduz cálculos repetidos
Processamento concorrente: Execução de tarefas assíncronas, melhora a velocidade de processamento
Gerenciamento de memória: Processamento em blocos de arquivos grandes, otimiza o uso de memória
Recuperação de erros: Mecanismo de nova tentativa automática e monitoramento de saúde

📋 Visão Geral do Projeto

O ChatExcel MCP Server é um servidor de protocolo de contexto de modelo (MCP) poderoso, projetado especificamente para processamento de arquivos Excel, análise de dados e visualização. O projeto integra as melhores bibliotecas de processamento de dados do ecossistema Python e fornece recursos de operação Excel de alto desempenho através da biblioteca Go excelize.

🎯 Recursos Principais

31 ferramentas MCP profissionais - Cobre todo o fluxo de leitura, processamento, validação, visualização, cálculo de fórmulas e controle de qualidade de dados
Arquitetura de motor duplo - Motor de processamento híbrido Python pandas + Go excelize
Motor de fórmulas Excel - Sistema completo de análise, compilação e execução de fórmulas Excel baseado na biblioteca formulas
Controle de qualidade de dados - 7 ferramentas profissionais de qualidade de dados, suporta limpeza e validação avançada de dados
Recomendação inteligente de parâmetros - Detecta automaticamente a estrutura do arquivo Excel e recomenda os melhores parâmetros de leitura
Segurança empresarial - Mecanismos de segurança em várias camadas, ambiente de execução de código em sandbox, validação de segurança de fórmulas
Otimização de desempenho - Mecanismo de cache, processamento concorrente, otimização de memória
Monitoramento de saúde - Monitoramento completo de serviços, registro de logs e rastreamento de erros
Suporte à visualização - Geração de gráficos interativos (Chart.js, Plotly, Matplotlib)

🛠️ Lista de Ferramentas MCP

Este projeto oferece 31 ferramentas MCP profissionais, cobrindo todo o ciclo de vida de processamento de dados Excel, análise, validação, cálculo de fórmulas e controle de qualidade de dados.

📊 Ferramentas de Leitura de Dados e Metadados (4 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`read_metadata`	Leitura de metadados de arquivos CSV e análise inteligente	Detecção de codificação, identificação de delimitadores, estatísticas de dados
`read_excel_metadata`	Leitura de metadados de arquivos Excel e validação de integridade	Análise de múltiplas planilhas, detecção inteligente de codificação
`excel_read_enhanced`	Ferramenta de leitura Excel aprimorada	Integração Go excelize, recomendação inteligente de parâmetros
`excel_info_enhanced`	Obtenção de informações de arquivos Excel aprimorada	Análise detalhada de arquivos, estatísticas de planilhas

🔧 Ferramentas de Processamento e Execução de Dados (6 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`run_excel_code`	Motor de execução de código Excel	Sandbox seguro, suporte a parâmetros de formato complexos, ✅ importação pandas totalmente corrigida
`run_code`	Motor de execução de código CSV	Ambiente seguro, integração pandas, ✅ ambiente de execução aprimorado
`excel_write_enhanced`	Ferramenta de escrita Excel aprimorada	Otimização de formato, suporte a estilos
`excel_chart_enhanced`	Geração de gráficos Excel aprimorada	Vários tipos de gráficos, estilos personalizados
`excel_performance_comparison`	Análise comparativa de desempenho Excel	Teste de desempenho Go vs Python
`batch_data_verification_tool`	Ferramenta de validação de dados em lote	Processamento concorrente, relatórios em lote

📈 Ferramentas de Visualização de Dados (3 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`bar_chart_to_html`	Geração de gráfico de barras interativo	Chart.js, design responsivo
`pie_chart_to_html`	Geração de gráfico de pizza interativo	Efeitos de animação, rótulos de dados
`line_chart_to_html`	Geração de gráfico de linhas interativo	Dados multidimensionais, análise de tendências

🔍 Ferramentas de Validação e Qualidade de Dados (3 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`verify_data_integrity`	Validação de integridade de dados e verificação comparativa	Vários modos de validação, relatórios detalhados
`validate_data_quality`	Validação de qualidade de dados e sugestões de melhoria	Pontuação de qualidade, sugestões de otimização
`comprehensive_data_verification_tool`	Ferramenta abrangente de validação e verificação de dados	Validação abrangente, avaliação de qualidade, verificação comparativa

🤖 Ferramentas de Assistência Inteligente (3 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`suggest_excel_read_parameters_tool`	Recomendação inteligente de parâmetros de leitura Excel	Análise estrutural, otimização de parâmetros
`detect_excel_file_structure_tool`	Detecção de estrutura de arquivos Excel	Cabeçalhos de múltiplos níveis, identificação de áreas de dados
`create_excel_read_template_tool`	Geração de modelos de código de leitura Excel	Modelos inteligentes, configuração de parâmetros

🧮 Ferramentas de Processamento de Fórmulas Excel (5 ferramentas)

Nome da Ferramenta	Descrição	Principais Recursos
`parse_formula`	Analisador de fórmulas Excel	Análise AST, análise sintática, validação de segurança
`compile_workbook`	Compilador de pastas de trabalho Excel	Compilação de fórmulas, geração de código, análise de dependências
`execute_formula`	Motor de execução de fórmulas Excel	Execução segura, suporte contextual, validação de resultados
`analyze_dependencies`	Análise de dependências de fórmulas Excel	Geração de gráfico de dependências, detecção de ciclos, análise de impacto
`validate_formula`	Validador de fórmulas Excel	Verificação de segurança, validação sintática, avaliação de riscos

🔍 Ferramentas de Controle de Qualidade de Dados (7 ferramentas) - Novo

Nome da Ferramenta	Descrição	Principais Recursos
`enhanced_data_quality_check`	Verificação aprimorada de qualidade de dados	Verificação de qualidade em vários níveis, relatórios abrangentes
`extract_cell_content_advanced`	Extração avançada de conteúdo de células	Extração de múltiplos tipos, conteúdo formatado
`convert_character_formats`	Conversão automatizada de formato de caracteres	Conversão em lote, configuração de regras
`extract_multi_condition_data`	Extração de dados com múltiplas condições	Condições complexas, filtragem flexível
`merge_multiple_tables`	Mesclagem de dados de múltiplas tabelas	Mesclagem inteligente, processamento configurável
`clean_excel_data`	Limpeza de dados Excel	Limpeza abrangente, melhoria de qualidade
`batch_process_excel_files`	Processamento em lote de arquivos Excel	Processamento paralelo, configuração unificada

📋 Manual de Uso do Workflow - Guia Completo do Fluxo de 31 Ferramentas MCP

Este capítulo classifica e associa as 31 ferramentas MCP de acordo com os cenários de uso reais dos usuários e o fluxo completo de processamento de dados, fornecendo um guia completo de uso do workflow.

🎯 Visão Geral do Fluxo Completo de Processamento de Dados

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 Um: Exploração e Preparação de Dados (7 ferramentas)

📋 Cenário de Uso

Quando você recebe um novo arquivo Excel, primeiro precisa entender a estrutura do arquivo, as características dos dados e a melhor forma de leitura.

🛠️ Combinação de Ferramentas Principais

Etapa	Nome da Ferramenta	Objetivo de Uso	Resultado de Saída
1️⃣	`excel_info_enhanced`	Obter informações básicas do arquivo	Lista de planilhas, tamanho do arquivo, informações de formato
2️⃣	`read_excel_metadata`	Análise profunda de metadados	Tipos de dados, formato de codificação, informações estatísticas
3️⃣	`detect_excel_file_structure_tool`	Detecção inteligente de estrutura	Posição do cabeçalho, área de dados, células mescladas
4️⃣	`suggest_excel_read_parameters_tool`	Recomendação inteligente de parâmetros	Melhor configuração de parâmetros de leitura
5️⃣	`create_excel_read_template_tool`	Geração de modelo de leitura	Modelo de código de leitura executável

💡 Exemplo 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 Pastas de Trabalho

# 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 Execução 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` - Analisador de Dependências

# 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

Recursos de Segurança

Análise de segurança AST: Detecta padrões de código potencialmente maliciosos
Lista de permissões de funções: Permite apenas funções Excel seguras
Validação de referências: Valida a legitimidade das referências de células
Sandbox de execução: Ambiente de execução de fórmulas isolado

Otimização de Desempenho

Mecanismo de cache: Cache inteligente de resultados de análise
Suporte a concorrência: Processamento paralelo de múltiplas fórmulas
Gerenciamento de memória: Processamento em blocos de arquivos grandes
Recuperação de erros: Tratamento elegante de exceções

📋 Log de Atualizações de Versão

v2.1.1 (2025-06-19) - Versão de Correção da Importação do pandas

🔧 Correções Principais

✅ Problema de importação do pandas totalmente corrigido: Resolvido definitivamente o problema de falha na importação do pandas no servidor MCP
- Ambiente de execução da função fallback_enhanced_run_excel_code aprimorado
- Adicionado suporte a múltiplas formas de referência ao pandas e numpy (pd, pandas, np, numpy)
- Importação de funções internas e módulos comuns aprimorada
- Tratamento de erros e formato de retorno melhorados
✅ Otimização da estrutura do projeto: Organização de arquivos do projeto e otimização estrutural concluídas
- Arquivos de documentação movidos para o diretório record/ para gerenciamento unificado
- Arquivos redundantes limpos, estrutura de diretórios otimizada
- Arquivos de configuração e gerenciamento de dependências aprimorados

🆕 Novos Módulos

enhanced_globals_config.py - Módulo de configuração global aprimorado
pandas_fix_patch.py - Patch de correção da importação do pandas
mcp_pandas_integration.py - Módulo de correção de integração do servidor MCP
Suíte completa de testes de validação

v2.1.0 (2025-06-18) - Edição Empresarial Aprimorada

🎉 Atualizações Principais

✅ Integração completa da biblioteca tabulate: Problema de ImportError do tabulate totalmente resolvido, suporte à função pandas.to_markdown()
✅ Motor de fórmulas Excel aprimorado: Sistema completo de processamento de fórmulas baseado em formulas==1.2.10
✅ 31 ferramentas MCP: 7 novas ferramentas de controle de qualidade de dados adicionadas, cobrindo todo o ciclo de vida de processamento de dados
✅ Otimização de mecanismos de segurança: Sandbox de execução de código aprimorado, mecanismos de validação de segurança aperfeiçoados
✅ Melhoria de desempenho: Integração Go excelize, mecanismo de cache, otimização de processamento concorrente
✅ Monitoramento de saúde: Sistema completo de monitoramento de serviços, registro de logs e rastreamento de erros
✅ Compatibilidade de ambiente: Suporte completo a ambiente virtual e verificação de dependências

v2.0.0 (2025-06-18) - Atualização Principal

🎉 Atualizações Principais

✅ Expansão de ferramentas MCP: Expandido de 24 para 31 ferramentas profissionais
✅ Arquitetura de motor duplo: Processamento de alto desempenho Python + Go
✅ Validação de dados aprimorada: Validação em vários níveis e controle de qualidade
✅ Visualização atualizada: Gráficos interativos Chart.js
✅ Segurança reforçada: Sandbox de execução de código e controle de acesso
✅ Remoção da restrição da biblioteca tabulate: Restrição de segurança da biblioteca tabulate completamente removida, suporte à funcionalidade de formatação de tabelas
✅ Otimização da configuração de segurança: Arquivo security.json atualizado, tabulate adicionado à lista de módulos seguros
✅ Execução de código aprimorada: secure_code_executor.py otimizado, segurança de execução de código melhorada
✅ Cobertura de testes aprimorada: Testes independentes da biblioteca tabulate e testes de integração MCP adicionados
✅ Documentação atualizada: README e informações de versão do requirements.txt aprimorados

🚀 Início Rápido

📋 Requisitos de Ambiente

Componente	Versão Necessária	Descrição
Python	3.11+	Recomenda-se Python 3.11 ou superior
Sistema Operacional	macOS, Linux, Windows	Suporte a todas as plataformas
Memória	4GB+	Recomenda-se 8GB para melhor desempenho
Espaço em Disco	1GB+	Inclui dependências e espaço de cache
Go	1.21+ (opcional)	Para processamento Excel de alto desempenho

📦 Gerenciamento de Dependências

Dependências Principais

Protocolo MCP: mcp>=1.9.4, fastmcp>=2.8.0
Processamento de dados: pandas>=1.5.3, numpy>=1.26.4, pandasai>=2.3.0
Processamento Excel: openpyxl>=3.1.5, xlsxwriter>=3.2.5
Aprendizado de máquina: torch>=2.1.0, transformers>=4.39.2, scikit-learn>=1.2.2
Visualização: matplotlib>=3.10.1, seaborn>=0.13.2, plotly>=6.0.1
Serviços Web: fastapi>=0.115.12, uvicorn>=0.30.6, gradio>=5.23.3

📦 Notas de Compatibilidade de Dependências

Este projeto resolveu os seguintes problemas de conflito de dependências:

✅ Correção da importação do pandas: Problema de falha na importação do pandas no ambiente MCP totalmente resolvido (v2.1.1)
✅ Ambiente de execução aprimorado: Suporte a múltiplas formas de referência ao pandas/numpy (pd, pandas, np, numpy)
✅ Versão do Torch: Rebaixada para torch==2.1.0 para compatibilidade com torchvision==0.16.0
✅ Compatibilidade PandasAI: Atualizada para pandasai==2.3.0 mantendo pandas==1.5.3
✅ Versão do Pydantic: Atualizada para pydantic==2.11.7 para suportar MCP e outras dependências modernas
✅ Problema de certificado SSL: Solução com o parâmetro --trusted-host fornecida
✅ Otimização da estrutura do projeto: Documentos organizados no diretório record/, arquivos redundantes limpos

Solução de Problemas

Se encontrar conflitos de dependências, siga os passos abaixo:

Verificar o status das dependências

pip check
python scripts/health_check.py

Reinstalar as dependências

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

Validar a correção

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

🔧 Implantação 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

📊 Verificação de Status do Serviço

# 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

🔧 Instalação Manual

Passo 1: Preparação do Ambiente

# 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

Passo 2: Instalação das Dependências

# 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

Passo 3: Configuração do Serviço

# 生成MCP配置文件
python3 generate_mcp_config.py

# 检查环境配置
python3 check_env.py

Passo 4: Iniciar o Serviço

# 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 &

🐳 Implantação com Docker

Usando imagem pré-construída

# 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

Construção 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

🔍 Verificação da Instalação

# 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

🔧 Guia de Desenvolvimento

Estrutura do Projeto

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

Verificação de Saúde do Ambiente

O projeto inclui um mecanismo completo de verificação de saúde:

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

A verificação de saúde inclui:

✅ Validação da versão do Python
✅ Detecção de ambiente virtual
✅ Validação das versões dos pacotes de dependências
✅ Integridade da estrutura de arquivos do projeto
✅ Teste de importação dos módulos do servidor

Compatibilidade de Versões

O ambiente atual foi validado como compatível com:

Python: 3.8+
Torch: 2.1.0 (compatível com torchvision 0.16.0)
PandasAI: 2.3.0 (compatível com pandas 1.5.3)
Pydantic: 2.11.7 (suporta MCP 1.9.4)
Todas as dependências: Sem conflitos

🔧 Configuração e Integração MCP

Configuração do Cliente MCP

Configuração do Claude Desktop

Adicione em ~/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"
      }
    }
  }
}

Geração Automática de Configuração

# 生成MCP配置文件
python3 generate_mcp_config.py

# 查看生成的配置
cat mcp_config_absolute.json

Configuração de Variáveis de Ambiente

Crie o arquivo .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

📖 Exemplos de Uso

🔍 Leitura 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']}")

🤖 Recomendação Inteligente de Parâmetros

# 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']}")

📊 Processamento e Análise de Dados

# 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}")
        """
    }
)

📈 Geração de Gráficos de Visualização

# 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']}")

🧮 Processamento de Fórmulas 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']}")

🔍 Controle de Qualidade de Dados

# 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']}")

🏗️ Arquitetura do Projeto

Diagrama de Arquitetura do 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 Principais

📁 Estrutura Principal de Arquivos

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/

🔧 Design das Classes de Motor

ExcelEnhancedProcessor: Motor de processamento Excel de alto desempenho
DataVerificationEngine: Motor de validação de dados e verificação de qualidade
ComprehensiveDataVerifier: Validador abrangente de dados
SecureCodeExecutor: Executor seguro de código

Arquitetura de Fluxo de Dados

Fluxo de Processamento 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

Fluxo de Validação de Dados

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

Fluxo de Execução 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

Arquitetura de Otimização de Desempenho

Mecanismo de Cache

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]

Processamento Concorrente

# 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

Design de Arquitetura de Segurança

Proteção de Segurança em Múltiplas Camadas

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 Tratamento de Erros

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]

Design de Extensibilidade

Arquitetura de Plugins

# 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

Gerenciamento de Configuração

# 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

Arquitetura de Monitoramento e Operações

Verificação de Saúde

# 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()
        }

Logs e Monitoramento

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

🧪 Testes e Validação

Executar Suíte de Testes

# 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

Verificação de Saúde

# 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

Validação de Dependências Principais

# 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

🔒 Considerações de Segurança

Segurança de Execução de Código

Filtro de lista negra: Operações perigosas proibidas (os, sys, subprocess, etc.)
Ambiente sandbox: Ambiente de execução de código isolado
Limites de recursos: Limites de memória, CPU e tempo de execução
Validação de entrada: Validação rigorosa de parâmetros e verificação de tipos

Segurança de Acesso a Arquivos

Validação de caminhos: Previne ataques de travessia de diretórios
Limite de tamanho de arquivo: Previne ataques de arquivos grandes
Validação de formato: Garante a corretude do formato do arquivo
Verificação de permissões: Validação de permissões de leitura/escrita de arquivos

Segurança de Rede

Suporte HTTPS: Transmissão criptografada
Mecanismo de autenticação: Validação de chave de API
Limite de taxa: Previne ataques DDoS
Logs de auditoria: Registro completo de operações

🛠️ Ferramentas de Operações

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

Gerenciamento de Cache

# 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

Gerenciamento de Logs

# 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

⚡ Otimização de Desempenho

Otimização de Memória

Leitura em blocos: Processamento em blocos de arquivos grandes
Pool de memória: Mecanismo de reutilização de objetos
Coleta de lixo: Limpeza proativa de memória
Estratégia de cache: Eliminação de cache LRU

Otimização de Concorrência

Processamento assíncrono: Modelo de concorrência asyncio
Pool de threads: Processamento paralelo de tarefas intensivas em CPU
Pool de conexões: Reutilização de conexões de banco de dados
Mecanismo de filas: Gerenciamento de filas de tarefas

Otimização de I/O

Operações em lote: Redução do número de operações de I/O
Transmissão compactada: Transmissão de dados compactada
Pré-leitura: Pré-carregamento inteligente de dados
Acerto de cache: Melhoria da taxa de acerto de cache

🐛 Solução 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

🔧 Soluções para Problemas Comuns

1. 🚫 Falha ao Iniciar o Serviço

Sintomas do Problema: O serviço não inicia ou sai imediatamente

# 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

Soluções:

# 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. 📊 Falha na Leitura de Excel

Sintomas do Problema: Não é possível ler o arquivo Excel ou o resultado da leitura está anormal

# 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

Soluções:

# 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. 🔗 Falha na Conexão com o Serviço Go

Sintomas do Problema: O serviço Go excelize não consegue conectar ou o tempo de resposta 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

Soluções:

# 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 Permissão e Segurança

Sintomas do Problema: A execução de código é bloqueada ou a verificação de segurança falha

# 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)
"

Soluções:

# 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 Memória e Desempenho

Sintomas do Problema: Memória insuficiente ou resposta lenta ao processar arquivos 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

Soluções:

# 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

🔍 Ferramentas de Depuração

Depuração 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

Depuração Avançada

# 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

Análise de Logs

# 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

📞 Obter Ajuda

Se as soluções acima não resolverem o problema, por favor:

Coletar informações de diagnóstico:

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

Criar um exemplo mínimo reproduzível:
```
python3 test/create_minimal_test.py
```
Enviar Issue: Acesse GitHub Issues e anexe as informações de diagnóstico

📄 Licença

Este projeto é licenciado sob a Licença MIT.

🤝 Guia de Contribuição

Aceitamos contribuições da comunidade! Siga os passos abaixo:

Fork este repositório
Crie um branch de funcionalidade (git checkout -b feature/AmazingFeature)
Envie as alterações (git commit -m 'Add some AmazingFeature')
Envie para o branch (git push origin feature/AmazingFeature)
Abra um Pull Request

Padrões de Desenvolvimento

Siga o estilo de código PEP 8
Adicione casos de teste apropriados
Atualize a documentação relevante
Garanta que todos os testes passem

Verificação de Qualidade de Código

# 代码格式化
black .

# 代码检查
flake8 .

# 类型检查
mypy .

# 安全检查
bandit -r .

📞 Contato

Mantenedor do Projeto: ChatExcel Team
Relatar Problemas: GitHub Issues
Sugestões de Funcionalidades: GitHub Discussions
Suporte Técnico: lillardw459@gmail.com

🙏 Agradecimentos

Agradecemos o suporte dos seguintes projetos de código aberto:

FastMCP - Framework de servidor MCP
pandas - Biblioteca de análise de dados
openpyxl - Processamento de arquivos Excel
excelize - Biblioteca Excel para Go
formulas - Mecanismo de análise e execução de fórmulas Excel
Chart.js - Visualização de gráficos
Plotly - Gráficos interativos

⭐ Se este projeto foi útil para você, dê-nos uma estrela!

⬆ Voltar ao topo

ChatExcel

Documentação

ChatExcel MCP Server - Edição Empresarial Aprimorada v2.1.1

🚀 Recursos Principais

📊 31 Ferramentas MCP Profissionais

🏗️ Arquitetura de Motor Duplo

🧮 Motor de Fórmulas Excel (Novo)

🔍 Controle de Qualidade de Dados (Aprimorado)

🛡️ Segurança Empresarial

⚡ Otimização de Desempenho

📋 Visão Geral do Projeto

🎯 Recursos Principais

🛠️ Lista de Ferramentas MCP

📊 Ferramentas de Leitura de Dados e Metadados (4 ferramentas)

🔧 Ferramentas de Processamento e Execução de Dados (6 ferramentas)

📈 Ferramentas de Visualização de Dados (3 ferramentas)

🔍 Ferramentas de Validação e Qualidade de Dados (3 ferramentas)

🤖 Ferramentas de Assistência Inteligente (3 ferramentas)

🧮 Ferramentas de Processamento de Fórmulas Excel (5 ferramentas)

🔍 Ferramentas de Controle de Qualidade de Dados (7 ferramentas) - Novo

📋 Manual de Uso do Workflow - Guia Completo do Fluxo de 31 Ferramentas MCP

🎯 Visão Geral do Fluxo Completo de Processamento de Dados

🚀 Fase Um: Exploração e Preparação de Dados (7 ferramentas)

📋 Cenário de Uso

🛠️ Combinação de Ferramentas Principais

💡 Exemplo 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 Pastas de Trabalho

3. execute_formula - Motor de Execução de Fórmulas

4. analyze_dependencies - Analisador de Dependências

5. validate_formula - Validador de Fórmulas

Recursos de Segurança

Otimização de Desempenho

📋 Log de Atualizações de Versão

v2.1.1 (2025-06-19) - Versão de Correção da Importação do pandas

v2.1.0 (2025-06-18) - Edição Empresarial Aprimorada

v2.0.0 (2025-06-18) - Atualização Principal

🚀 Início Rápido

📋 Requisitos de Ambiente

📦 Gerenciamento de Dependências

Dependências Principais

📦 Notas de Compatibilidade de Dependências

Solução de Problemas

🔧 Implantação Manual

📊 Verificação de Status do Serviço

🔧 Instalação Manual

Passo 1: Preparação do Ambiente

Passo 2: Instalação das Dependências

Passo 3: Configuração do Serviço

1. `parse_formula` - 公式解析器

2. `compile_workbook` - Compilador de Pastas de Trabalho

3. `execute_formula` - Motor de Execução de Fórmulas

4. `analyze_dependencies` - Analisador de Dependências

5. `validate_formula` - Validador de Fórmulas