大家好，我是九歌AI

今天手把手教大家使用AI编程工具 Trae + Dify 构建一个能根据大模型对话处理 Excel 的智能体。当然，全程下来 10 分钟是不可能的，代码确实是 Trae 几分钟就生成的，但是我调 Bug 就花了 2 个小时啊！本来还想加上 Pyecharts 数据可视化部分，但是一口气吃成胖子也不好，先做个简单的吧。话不多说，我们撸起袖子开干。

打开 Trae

打开国内最新版的 AI 编程工具 Trae（字节能不能给我点广告费，这个编程工具其实也让人头疼），在新建 Builder 地方，输入下面的提示词，大模型选择 DeepSeek R1。提示词为什么这么写，当然是给大家避坑了！

DeepSeek R1 提示词我要使用 MCP server 搭建 1 个服务，接受 Excel 路径和大模型对话中的数据处理要求，这个 server 服务里的 llm(使用 deepseek) 将数据处理要求转变成真实的 pandas 代码，然后服务执行这个代码，将代码运行结果返回。请根据我的要求，一步步给出完整的解决办法和创建完整代码。

代码结构可以参考下面这样：

excel_mcp/

├── config.py

├── llm_integration.py

├── main.py

├── safe_exec.py

└── requirements.txt

数据处理库使用 Pandas

LLM 使用 DeepSeek，DeepSeek 的请求使用参考下方代码

from openai import OpenAI
client = OpenAI(api_key="", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[