# AI操作Excel实战测评：MCP工具在审计场景中的表现与局限 本文将深入探讨AI借助MCP工具操作Excel的实用性与挑战，通过三个精心设计的审计场景测试，带你直观了解当前技术能力边界。 ## 一、MCP工具简介与功能全景 要测试AI操作Excel的能力，首先需要了解**MCP工具**是什么。MCP工具相当于AI操作Excel的“桥梁”，它提供了一系列预设功能供AI调用。 打开MCP工具的GitHub页面，可以看到它支持以下核心功能： - **创建和修改工作簿** - **读取和写入数据** - **应用格式和样式** - **创建图表** - **生成透视表** 从功能列表来看，目前支持的能力还不够丰富，但已经覆盖了Excel的大部分基础操作。接下来我们将通过具体案例来检验AI能否利用这个工具真正帮我们干活。 ## 二、测试案例1：创建数据透视表 ### 目标 对A列至I列的数据进行透视，计算**每种销售模式的收入之和**。 ### 操作过程 在Cherry Studio中，我按照平时操作透视表的直觉，将完整的提示信息都给了AI，包括： - Excel文档路径 - Sheet名称 - 透视范围（A列至I列） - 选择的字段（销售模式） - 计算方式（收入求和） ### AI的响应 AI理解了我的需求，并成功调用了MCP工具的`create_pivot_table`方法。但问题出现了：它共调用了3次。 **第一次调用：失败** 参数传递错误，导致函数调用失败。 **第二次调用：成功但选择错误** 函数调用成功了，但选错了列，没有按照预期的“销售模式”来分组。 **第三次调用：看起来成功了** 表面上看本次调用没有问题。 ### 结果验证 打开Excel文档查看结果，发现AI创建了一个新的Sheet，但出现两个明显问题： 1. **表格类型错误**：右上角出现了“表设计”选项卡，说明这是一个**超级表（Super Table）**，而非我们需要的**数据透视表（PivotTable）**。 2. **数据错误**：销售模式只显示了1个，并且金额与目标值严重不符。 通过查看上方的工具调用记录，发现：大模型并没有按照要求透视A列至I列，而是自作主张地将范围限制在前100行，最终导致结果错误。 后续进行了多次测试，均无法正确创建透视表。目前尚不清楚是MCP工具的函数编写有问题，还是模型参数调优不到位。

小提示

选择数据透视作为测试场景的原因在于：处理大量数据时，模型容易出现“幻觉”。数据透视能够将数据分类汇总、大幅减少数据量，理论上能提高模型响应的精准度。如果连这一步都做不好，更复杂的处理就无从谈起。

常见问题

**问：为什么AI创建的不是真正的透视表而是超级表？** 答：这可能是MCP工具接口设计的问题，`create_pivot_table`底层实现可能调用了Excel的超级表功能，而不是真正的数据透视表。建议检查MCP工具的具体实现代码。 **问：如何避免AI自作主张限制数据范围？** 答：在提问时，建议**明确指定“使用A列至I列的全部数据，不要限制行数”**。但即便这样，由于模型的“幻觉”特性，仍有可能出现偏差。 ## 三、测试案例2：填充空白单元格 ### 目标 将A列中所有空单元格的值填充为**上方的第一个非空单元格**的值。常规操作中，我们使用`Ctrl+G`定位空单元格，然后批量填充公式即可。 ### 操作过程 ### AI的响应 AI的回复看起来非常顺利，主要步骤为： 1. **读取数据**：使用`read_data`函数读取Excel中A列的数据。 2. **生成脚本**：编写Python脚本来处理数据（填充逻辑）。 3. **写入结果**：使用`write_data`函数将处理后的数据写回Excel。 ### 结果验证 打开Excel文档后发现结果完全错误。查看Python脚本代码，发现脚本本身就没有正确实现填充逻辑。

问题根源

关键在于：AI虽然生成了一个Python脚本，但实际根本没有运行这个脚本来获取真正的处理结果。脚本中的数据完全是AI凭空生成的，即使脚本本身逻辑正确，也不会自动执行。因此，写入Excel的实际上是AI直接创建的错误数据。 后续尝试了多个提示词，始终无法达到预期效果，最终放弃。

小提示

填充空白单元格看似简单，但实际上涉及对数据位置关系的准确理解。AI目前无法理解“上方非空单元格”这种相对位置关系，也没有能力真正执行一个外部脚本并获取结果。

常见问题

**问：我可以让AI调用VBA来解决这个填充问题吗？** 答：理论上可以，但需要VBA代码逻辑完备且能被正确执行。对于零基础用户来说，调试VBA代码仍然困难重重（参见第五部分）。 **问：为什么AI不能真正运行Python脚本？** 答：当前MCP工具的设计中，AI只是通过API调用工具的函数，并没有提供一个沙箱环境让AI去执行生成的脚本并获取结果。这是一个架构层面的限制。 ## 四、测试案例3：写入Excel文档 ### 目标 从PDF年报中复制一段表格数据（从巨潮资讯网随机找的），让AI将数据整理格式后写入Excel文档。这个场景在未来可以帮助AI清洗网页/PDF中格式不标准的数据。 ### 操作过程 提交数据文本给AI后，AI的回复看起来很合理，调用了一系列函数： - `创建工作簿` - `创建工作表` - `写入数据` ### 结果验证 经过反复测试和调试，始终无法顺利完成这个场景。任何一个步骤都可能发生错误： - 创建工作簿时失败 - 创建工作表时参数错误 - 写入数据时格式不对 花了半小时仍未能完成这个“最简单的场景”。

小提示

这个案例暴露了当前AI+Excel操作的核心问题：多个步骤串联时，任何一个环节出错都会导致整个任务失败。模型必须保证每个函数调用都绝对正确，这对当前的AI能力来说是极高要求。

常见问题

**问：为什么这种简单的数据写入都做不好？** 答：问题的根源在于：AI需要处理非标准格式的文本（PDF复制出来的），并正确解析为结构化数据，再映射到Excel的行列结构中。这要求AI具备精准的文本理解和结构化能力。 **问：如果我给AI提供标准格式的文本（如CSV），结果会好吗？** 答：理论上会更好，但即便如此，函数的参数传递、工作簿管理等环节仍可能出现错误。建议在测试时使用最简化的数据格式。 ## 五、关于模型生成VBA代码方案的反思 在很多公众号中，我们经常看到“让DeepSeek、Kimi帮你XX工作表”的推广文章。点进去通常就是**让AI生成VBA代码，然后复制到Excel中F5运行**。 实话实说，我之前也想写一篇这样的教程，因为VBA生成代码后可以直接执行，看似更优雅。但问题在于：要成功完成任务，可能需要提问多次，然后只截取成功的那一次出来宣传，这有自欺欺人的嫌疑。 对于**VBA零基础的用户**，在实际工况下完成自己的需求几乎不可能： - 代码跑偏了，不知道哪里错了 - 运行报错了，无法调试 - 结果不对，无法修正 当然，如果你愿意学习一下VBA的基础调试技巧（比如单步执行、查看变量、设置断点），那么AI生成VBA代码的方案确实很香。 ## 六、整体结论与展望 经过上述三个测试案例，我对用AI操作Excel的结论是（截至2025年4月20日）：当前阶段很难投入到审计的实际工况中。 ### 核心问题分析 无论是**模型生成VBA代码**还是**模型调用MCP工具**，都面临同样的挑战：使用者不仅要清楚知道如何操作Excel，还要了解Excel操作的关键点和陷阱，同时确保所用的MCP工具足够强大。 现在的情况相当于让一个**实习生（AI）**使用一个**不熟悉的新工具（MCP）**去操作一个**功能复杂的软件（Excel）**。实际上，我们希望的是给出一个任务（而非一连串详细步骤），期待AI能自主解决问题并返回正确结果。 在Excel这个**非常开放且自由**的场景下，目前AI+MCP的能力还无法胜任这样的期望。 ### 对未来的期待 尽管当前测试结果不如人意，但我依然对MCP工具的发展前景充满信心。目前MCP工具还处于起步阶段，但随着技术进步，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。 未来可期：也许有一天，我们真的可以解放双手，放心让AI去处理那些基础性的事务。但在此之前，掌握基本的Excel操作和调试技巧，仍然是每个审计人员必须具备的能力。