Tables MCP Server

MCP数据服务

提供方 trilogy-group

数据服务 stdio · 本地进程 OAuth 授权 社区 / 第三方
查看接入方式

一个基于MCP协议的服务器,支持从Google Drive加载、查询和分析表格数据文件,包括电子表格和CSV文件,支持SQL查询和内存数据处理。

一句话选型结论

按资料字段整理

Tables MCP Server 属于数据服务类 MCP 服务器,stdio · 本地进程,OAuth 授权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权OAuth 授权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

表格数据处理Python本地部署GoogleDrive集成SQL查询数据分析自动化管理

安装与配置

stdio · 本地进程 OAuth 授权
客户端在本机拉起子进程,数据不出本机
uv run python main.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好OAuth 授权对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Tables MCP Server当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方trilogy-group上游标注的维护方 trilogy-group
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式OAuth 授权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.8 KB
来自项目仓库与上游目录的原文,未做删改

MCP服务器表

模型上下文协议(MCP)服务器,使AI助手能够从Google Drive加载、查询和分析表格数据文件。加载电子表格和CSV文件,使用DuckDB运行SQL查询,并使用pandas处理内存中的数据。

快速设置

1.安装依赖项

使用紫外线(推荐):```bash
uv sync


### 2.设置谷歌云OAuth

1. 首选 谷歌云控制台
1. 创建新项目或选择现有项目
1. 启用 **Google Drive API**
1. 首选 **凭证** → **创建凭据** → **OAuth客户端ID**
1. 选择 **桌面应用** 作为应用程序类型
1. 下载JSON文件并将其另存为 `credentials/client_secrets.json`

### 3.配置环境```bash
cp env.example .env

编辑 .env 自定义设置(可选-默认值适用于大多数情况)。

4.运行服务器

首次设置(通过Google验证):```bash
uv run python main.py


- 浏览器打开进行谷歌身份验证
- 授予对Google Drive的访问权限
- 保存令牌以备将来使用

使用MCP Inspector进行测试:```bash
uv run mcp dev main.py

注: 跑 python main.py 使用前先完成一次身份验证 mcp dev.

可用的MCP工具

所有工具都会在需要时自动从Google云端硬盘下载文件。文件在本地缓存,并在后台线程不活动10分钟后自动清理。

info

获取有关文件DataFrame结构的元数据。如果尚未缓存,则自动下载文件。

参数:

  • file_id (string):Google Drive文件ID

退货: 形状、列、数据类型、空计数、内存使用、工作表信息

例子:```python
info("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU")

Returns: {status, file_id, num_sheets, sheets: [{sheet_number, sheet_name, shape: {rows, columns}, columns: [{name, dtype, non_null_count, null_count}], memory_usage_bytes}], total_memory_usage_bytes}


### `get_rows_csv`

将文件中的行导出为CSV格式。如果尚未缓存,则自动下载文件。

**参数:**

- `file_id` (string):Google Drive文件ID
- `start` (int,可选):起始行索引(从0开始,默认值:0)
- `end` (int,可选):结束行索引(独占,默认:所有行)
- `sheet_number` (int,可选):Excel文件的工作表编号(从0开始,默认值:0)

**退货:** 具有指定行的CSV字符串(每次调用最多100行)

**示例:**```python
# Get first 10 rows from sheet 0
get_rows_csv("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", 0, 10)

# Get rows 50-100 from sheet 1
get_rows_csv("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", 50, 100, 1)

query_file

使用DuckDB对文件运行SQL查询。如果尚未缓存,则自动下载文件。

参数:

  • file_id (string):Google Drive文件ID
  • sql_query (string):要执行的SQL查询(对于单表使用“data”或“data_0”,对于有多表的Excel文件使用“data_0”、“data_1”等)

退货: 带列和行的查询结果(每次查询最多100行)

示例:```python

Select from single-sheet file or first sheet

query_file("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", "SELECT * FROM data LIMIT 10")

Query specific sheet in Excel file

query_file("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", "SELECT * FROM data_1 WHERE column1 > 100")

Join multiple sheets

query_file("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", "SELECT * FROM data_0 JOIN data_1 ON data_0.id = data_1.id")

Aggregation query

query_file("1KliqOOx9hdU6fOJ0oQznuctvF3AphcJU", "SELECT column1, COUNT(*) as count FROM data GROUP BY column1")
```

自动文件管理

  • 自动下载: 当您拨打电话时,文件会自动从谷歌云端硬盘下载 info, get_rows_csv,或 query_file
  • 缓存: 下载的文件在本地缓存以提高性能
  • 自动清理: 后台线程会删除10分钟内未被访问的文件
  • 内存管理: DataFrames按需加载到内存中并跟踪以进行清理

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Tables MCP Server 怎么安装?

在客户端按下面的安装命令接入:uv run python main.py。装完在客户端配置里引用同一个包或端点。

Tables MCP Server 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Tables MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Tables MCP Server 需要 API Key 吗?

资料标注需要OAuth 授权认证,使用前准备好对应凭据,并按最小权限配置。

Tables MCP Server 能提供哪些能力?

资料显示能力标签包括 数据分析、Python、自动化管理。具体工具清单以官方文档为准。

Tables MCP Server 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Tables MCP Server 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。