用AI+MCP带你玩转本地Office，跨文档协作一句话一杯茶，工作竟如此轻松

最新推荐文章于 2025-06-19 16:10:18 发布

大模型部署

最新推荐文章于 2025-06-19 16:10:18 发布

阅读量901

点赞数 19

CC 4.0 BY-SA版权

文章标签：人工智能自然语言处理 LLM 程序员大模型应用大模型教程 AI大模型

本文链接：https://blog.csdn.net/huang9604/article/details/148401993

今天给大家分享一个工作中真实有用的AI功能：大模型+MCP实现word、excel的协作，通过大模型直接在本地创建word文档，编辑excel文档。

先看效果，后面会有详细的配置过程。我这里使用的工具是Cherry Studio，模型使用的DeepSeek v3。用端午节南北方粽子对比这个例子来说明这次的功能。在这里我要求写一篇文章，并且文章中带有表格数据。

通过下图，可以看到MCP的工作过程，包括：创建文档、增加标题、增加表格等等。

下图是大模型对于我的诉求的一个整体分析过程，这部分完全依赖于大模型的能力，所以选择优秀的大模型对于任务的完成还是很有必要的。

在大模型运行完毕后，会在工具的安装路径下生成对应的文件。

下图是生成后的文档内容，太次了，没关系，因为我第一次描述的内容也没有具体说明文档要写到哪个程度，我们可以继续让大模型帮助修改。

这里我要求模型丰富内容的输出，并将修改后的内容保存到之前的文档中。

在接收到修改要求后，大模型会对文章内容进行规划，列出详细的修改计划，并根据要去完善文章内容。

为了演示word、excel的联动功能，上文我特意要求生成的文档中包括大量的表格数据，接下来演示excel-MCP的功能。

这里我要求大模型继续将word中出现过的表格提取到excel中，如下图：

可以看到在接收到命令后，模型开始调用excel-mcp服务来完成这项工作。这里要注意一点：要写成excel文件所在的绝对路径。

如上图，可以看到大模型将word中出现的表格已经通过MCP服务提取到我本地指定的excel中，并且sheet页的命名都已经修改过来了。

MCP配置说明

本例中使用到了2个MCP服务，一个是word-mcp，一个是excel-mcp，这两个服务均开源在Github。先来说word-mcp服务的配置。

有两种方式，一种是本地安装服务，另外一种是使用uvx直接使用，本地安装也不难，但是偷懒了，使用在线能力。下图是本地部署的方法。

使用uvx方式配置很简单，打开Cherry Studio，找到MCP服务器，添加服务器，在里面如下图一样配置即可。

配置完成后点击右上角的保存按钮，如果配置参数填写的没有错误，就会提示保存成功。之后就可以看到这个MCP都支持哪些能力。

功能:文档管理 创建带有元数据的新 Word 文档 提取文本并分析文档结构 查看文档属性和统计信息 列出目录中的可用文档 创建现有文档的副本 将多个文档合并为一个文档 将 Word 文档转换为 PDF 格式内容创建 添加不同级别的标题 插入可选样式的段落 创建带有自定义数据的表格 添加按比例缩放的图片插入分页符 向文档添加脚注和尾注 将脚注转换为尾注 自定义脚注和尾注样式丰富文本格式化 格式化特定文本部分（粗体、斜体、下划线） 更改文本颜色和字体属性 将自定义样式应用于文本元素 在整个文档中搜索和替换文本表格格式化 用边框和样式格式化表格 创建具有不同格式的表头行 应用单元格阴影和自定义边框 构建表格以提高可读性高级文档操作 删除段落 创建自定义文档样式 在整个文档中应用一致格式 对特定文本范围进行详细控制格式化文档保护 向文档添加密码保护 实施可编辑区域的限制编辑 向文档添加数字签名 验证文档的真实性和完整性

excel-mcp服务的配置同样简单，见下图：

在配置完成后，返回对话窗口，在下面的mcp服务器中选择刚刚配置好的。

之后再与大模型对话，大模型就会根据需求自己选择调用合适的mcp服务了。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望