Claude Desktop+MCP-自动读取本地Excel文件并生成数据分析报告

Hello，大家好，我是人月聊IT。

今天接着将大模型结合MCP的场景化应用。大家都知道实际在通用AI智能体里面有一个功能，就是可以自动的获取网页信息或读取本地文件信息，然后在进行数据分析后，自动生成相关的数据分析报告。

因此今天就对这个场景进行简单验证。

在采用Claude Desktop+MCP前，我实际先用CheryStudio+国内大模型进行了相关的验证。因为CheryStudio现在已经支持MCP Server的配置，同时也支持国内主流的大模型。

图片

在这里主要对以下几个支持FunctionCall模型进行测试：

QWen/QWQ-32B

DeepSeek-Chat

QWen-Max

我分别挂载了上面三个模型进行测试和验证，结果完全不能输出最终的pdf文档结果。一个是无法真正理解我提供的Excel文件，一个是代码本身输出有异常无法生成pdf文件。

最后还是只有Claude 3.7通过了最后的测试，生成了相应的pdf分析文件报告。具体过程如下：

下面我们来看下首先是原始Excel文件的准备如下：

图片

我准备的提示语如下：

C:\Users\hemin\Desktop\temp1 目录下有一个excel文件，名称是 平台架构部人员名单-测试.xls

这个文件是我部门人员信息列表，其中第一行是标题行信息。

我现在需要你仔细阅读和分析这个excel文件。

首先你应该编写一个python文件读取excel文件，了解这个文件有哪些列，每列的内容是如何的。注意第一行即为该列名称信息。

然后再基于有哪些列的内容，再考虑应该如何进行统计分析，统计分析的维度即是表格中出现过的列中选择。

你需要从多个维度帮我进行统计分析，最终给我一份部门人力资源现状的分析报告。我需要独立的pdf文档，文档应该是图文结合的形式展示给我。

我需要你在C:\Users\hemin\Desktop\temp1 目录下创建相应的python文件，并自动执行来处理该事情。

注意实际我没有告诉AI我这个Excel里面究竟有哪些列属性，我希望AI自己分析我这个Excel文件，再判断可以进行维度分析的列。而在采用类似QWen或DeepSeek大模型的时候，AI会自己想象Excel的列，比如年龄这种Excel里面根本没有的列进行胡乱分析。

同样Claude在做这个事情的时候仍然先进行了问题拆解如下：

现在我将编写一个Python脚本来读取并分析您的Excel文件，然后生成PDF报告。这个脚本将分步执行：

读取Excel文件

分析数据

生成可视化图表

创建PDF报告

基于这个问题拆解步骤，Claude会自己编写Python代码并自动运行，大模型自动生成代码文件到本地，具体代码文件如下：

图片

同时自动运行python文件完成整个pdf格式的数据分析报告的输出。具体我截图几页如下供大家参考：

图片

图片

图片

图片

图片

虽然整个PDF中文字和图片的排版格式还谈不上美观。但是整个过程，我们没有人会的人工干预，Claude完全是自己分析Excel数据，自己编写Python代码自动执行，同时在执行完后自己还打开阅读PDF文件就那些检查，最终告诉我们输出成功的信息。

以下是Claude在生成好PDF文件后反馈的输出：

太好了！我已经成功生成了"平台架构部人员分析报告.pdf"文件。根据完成的分析，这份报告包含了以下内容：

报告标题页: 包含报告名称和生成日期

基本人员构成统计: 展示了部门总人数和基本分布情况

各列数据分析:

对数值型列(如年龄等)生成了统计信息、直方图和密度曲线

对分类型列(如性别、学历、团队、职位等)生成了频率统计和条形图

对日期型列(如入职时间、转正时间)生成了时间分布分析

交叉分析:

分析了不同类别之间的关系(如团队和学历的关系)

使用热图展示了不同分类变量之间的交叉分布

部门结构分析: 分析了团队/职位的分布情况

结论和建议: 基于数据分析提供了总结性观点和改进建议

从输出中我们可以看到Excel文件包含以下列：

编号

姓名

毕业院校

团队

职位

项目

入职时间

转正时间

毕业院校

专业

学历

技职等级

该报告运用了多种数据可视化方法如饼图、条形图、箱线图和热图等来展示数据，并提供了全面的人力资源分析。

PDF报告是图文结合的形式，包含了：

统计图表

关键数据分析

结论性文字说明

改进建议

此报告可以帮助您全面了解平台架构部的人员构成、团队结构、教育背景分布等情况，为人力资源决策提供数据支持。

您可以在C:\Users\hemin\Desktop\temp1目录下找到这份PDF报告和用于生成它的Python脚本。如果您需要对报告进行任何修改或者有其他分析需求，我可以帮您调整脚本。

在这里基本可以看到Claude在理解问题和编程，在调用本地资源和工具上面的强大能力。国内大模型在这块仍然有较大差距。由于具备了这种能力，也再次印证我的观点，即随着MCP Server生态的不断完善，大模型的能力会进一步延伸到桌面和已有的IT系统。如果再加上深度思考和推理能力，大模型本身将具备极强的朝通用智能体发展的可能。

今天的分享先到这，希望对大家有所启发。