首先我们得大致浏览一下这个工具能实现什么功能，不然你也不知道要AI帮你操作什么，打开工具的github页面看下简介
可以看到，这个工具能创建修改工作簿、读取写入数据、应用格式样式、创建图表、生成透视表等感觉功能还不是很多
那么我们来测试一下AI是否能用这个工具帮我们干活
案例我选择了之前我讲过的Excel必知必会的案例
01
从透视表开始吧
目标：透视A列至I列，求每种销售模式的收入之和↓
在Cherry Studio中的交互过程：
提问：
这里我按我平时操作透视表的直觉，把我认为需要创建透视表的信息都提示全了，包括Excel文档路径、Sheet名称、透视范围、选择的字段和计算方式
AI的回复全文：
首先他理解了我的需求，并且成功的运用了刚刚我们的MCP工具，调用了工具的create_pivot_table方法，但是调用了3次
第一次函数调用失败了，应该是参数传错了
第二次调用成功了，但是选错了列，没有按我预期的销售模式来
第三次看起来是成功了
接下来打开文档看下结果：
首先他创建了一个sheet，不过这个表格..好像和我想象的透视表不一样，右上角出现了表设计选项卡，这应该是一个超级表而不是透视表，销售模式只有1个而且这个金额好像也不太对（和目标比）
于是我们看下上方的工具调用记录：
大致扫了一眼传参，大模型并没有按我的要求，透视A列至I列，而是自作主张地给我限制了100行，导致最后的结果错了
经过多次测试都无法正确创建透视表，不知道是这个工具的函数写的有问题还是模型调的有问题
选择数据透视作为测试场景的原因在于，当前模型在处理长上下文时的精准度会显著下降，容易产生所谓的“幻觉”，即生成不准确或虚构的信息。对于包含大量数据的表格，我们显然不能直接将所有数据输入给模型处理。
通过数据透视的方式可以对数据进行分类、汇总，从而大幅减少数据量，理论上能够提高模型响应的精准度。然而，如果这一基本任务都无法有效完成的话，那么基于这些数据进行更复杂的处理也就无从谈起。
02
填充空白单元格
目标：将A列的空单元格的值填充为上方的非空单元格的值，平常就直接Ctr+G定位空单元格，然后批量填充公式就行了，看看AI的操作
提问：
AI的回复全文：
看起来很顺利，他先用了read_data函数读取了Excel的A列数据
然后他生成了一个Python脚本来处理这个数据，再用write_data写入Excel文档中，看起来很合理
但是这个Python代码看起来就没法解决这个问题
先打开Excel文档看看
果然结果错了，我以为他会读取的A列的数据，然后把A列的数据处理好再写回去，问题应该出在处理数据这一步了，这个数据完全是大模型生成的，虽然写了一个Python脚本，但是实际上并没有运行这个脚本拿结果（即使用这个脚本结果也是错的）
之后重新尝试了几个提示词依然达不到目的，放弃
03
写入Excel文档
前两个都失败了，那再退一步弄个简单的吧，我们让模型先读入一段文本，然后整理格式再写入Excel文档
我在巨潮上随便找了一个PDF年报，然后复制了PDF中一个表格的数据，让AI帮忙写到Excel内，这个场景我认为以后可以让AI帮忙清洗一些网页或者pdf中格式不标准的数据再写入Excel，感觉还是比较接地气的
好吧，经过我反复的测试和调试，都没法顺利完成这个场景，这里他调用了工具中的创建工作簿函数、创建工作表函数，写入数据的函数，经过测试每一个步骤都有可能发生错误，任何一个步骤错了，最终都无法完成任务，花了半小时没有搞定这个我理解最简单的场景
在测试了上方的案例之后，我已经失去了继续测试下去的信心
对于用AI操作Excel这个场景，无论是用模型生成VBA代码来跑，还是用模型来调用MCP工具的形式操作文档，当前阶段我测下来是很难投入到审计的实际工况中的（2025/4/20的结论，不排除以后有更强的模型和更好用的MCP工具
01
点进去就是找AI生成VBA代码，然后自己放进去F5运行
实话实说，我之前也想写一篇这样的，毕竟小帮手中的ai助手更加优雅，可以在vba生成代码出来以后直接执行。但是要成功完成任务，可能得提问多次，然后拿成功的那一次截图，感觉有点自欺欺人
作为VBA零基础的小白，大概率是没法在实际工况下完成自己需求的，代码跑偏了，报错了，自己没有调试能力的话基本只能两眼抓瞎，不信可以自己试试，当然如果你愿意学习一下VBA，简单学一下调试的技巧，还是很香的，这就不得不提我的VBA从零入门课了
《财审VBA从零入门系列视频课程》
02
模型调用MCP工具操作Excel的场景，也就是我上面演示的，让我难受的几个点：
1、工具能力和边界的不明确
我把这个工具给AI了，但是我其实并不了解这个工具的能力和边界，比如我以为他能创建透视表，结果他给我创建的是超级表，我想让他填充单元格的空值，让他写入Excel内容，他都失败了，可能是我并不了解这个工具的特点吧，如果我去读一下他的代码可能成功率会更高一些
不过这一点其实可以通过自己写工具来避免，这也是MCP协议的优势，自己写的工具自己一定是最了解的，不用完全依赖于别人，特别是针对特殊的场景，最终还是得靠自己
2、提示词需要极度精准
我让他在Excel中做的事，得在提示词中精准地避开这个操作里所有的坑，比如创建透视表，我要告诉他文档路径、sheet名、透视范围、字段、透视的方式，少了任何一个信息他都会自己猜着给你填上，也就是说我让AI做这个操作，我自己必须得非常熟悉这个操作
3、抛出错误难以处理
比如在数据源中，表头有一个字段是空值，模型会不断循环重复尝试，如果我们不细心或者甚至对于Excel不熟练的同学来说，忘了有空值的表格是无法创建透视表的，那这个任务就永远完不成了，对于同时没有代码能力的同学来说，没有调试这种问题的能力，只能干瞪眼
整体用下来给我是什么感觉呢，以下只针对AI来操作Excel场景：
无论AI、Mcp工具还是Excel，都是工具，尽管表面上看起来简单，但要精通它们并不容易，说白了光是能把Excel玩明白的人都不多。
现在的情况相当于让一个实习生（AI）使用MCP工具来操作Excel，这就要求使用者不仅要清楚地知道如何操作，还要了解Excel操作的关键点和陷阱，并确保所使用的MCP工具足够强大以应对各种情况。
实际上，对于我们使用模型的人从心态上来说，我们希望的是给出一个任务而非一连串详细的步骤，期待AI能自主解决问题并返回正确的结果。
然而在Excel这个非常开放且自由的场景下，我认为目前AI+MCP的能力是没法胜任的
即使是这样，我依然对MCP工具的发展前景充满信心。目前MCP的工具还处于起步阶段，我们已经看到了一些能够支持多种功能的MCP工具出现。随着技术的进步和时间的推移，无论是MCP工具本身的能力，还是驱动工具的模型能力，都会不断进化。未来有一天我们可能就真的解放双手，放心让AI去做这些基础性的事务了。
end
