零基础也能搞定！Trae+MCP实战：从天气查询到Excel自动化，解锁AI协作新姿势-平芜编程栈

1. 为什么你需要Trae和MCP？

如果你经常需要处理天气数据查询、Excel表格整理这类重复性工作，或者想让不同AI工具协同完成复杂任务，Trae+MCP的组合就是为你量身定制的解决方案。这就像给你的工作流程装上了"自动驾驶"系统——原本需要手动操作的任务，现在只需简单配置就能自动完成。

我最近用这套方案帮市场部同事解决了大问题：他们每天要收集全国20个城市的天气数据，整理成Excel报表发给管理层。过去这需要人工查询天气网站、复制粘贴数据、调整表格格式，现在通过Trae配置MCP服务后，整个过程完全自动化，每天节省3小时工作量。

2. 5分钟搭建你的第一个MCP服务

2.1 环境准备：比泡面还简单

打开终端（Windows用CMD/PowerShell，Mac用Terminal），执行以下命令安装必要工具：

# 安装Python环境（如果已有可跳过） python --version # 安装MCP核心包 pip install mcp-core trae-client

验证安装是否成功：

mcp --version # 应该输出类似：mcp, version 0.8.2

2.2 创建天气查询服务

新建weather_server.py文件，写入以下代码：

from mcp.server import FastMCP import requests server = FastMCP("WeatherService") @server.tool() def get_weather(city: str) -> str: """获取指定城市天气数据""" api_url = f"https://api.openweathermap.org/data/2.5/weather?q={city}&appid=你的API密钥&units=metric" response = requests.get(api_url) data = response.json() return f"{city}当前天气：{data['weather'][0]['description']}，温度：{data['main']['temp']}℃" if __name__ == "__main__": server.run()

提示：记得替换代码中的API密钥（去openweathermap.org免费注册获取）

启动服务：

python weather_server.py

看到"Server started at http://127.0.0.1:8000"就说明服务已就绪。

3. 在Trae中调用MCP服务

3.1 配置Trae连接MCP服务

打开Trae客户端，按以下步骤操作：

点击左下角"设置"图标
选择"MCP配置"
点击"添加服务"
填写配置信息：
- 服务名称：MyWeather
- 类型：HTTP
- 地址：http://localhost:8000

保存后状态灯变绿表示连接成功。

3.2 测试天气查询

在Trae聊天窗口输入：

@MyWeather 查询北京天气

你会立即收到结构化天气数据回复。我第一次看到这个自动返回的结果时，简直像发现了新大陆——原来编程可以这么简单！

4. 进阶实战：Excel自动化处理

4.1 创建Excel处理服务

新建excel_server.py文件，写入：

from mcp.server import FastMCP import pandas as pd from io import BytesIO server = FastMCP("ExcelService") @server.tool() def process_excel(file_bytes: bytes, operations: list) -> bytes: """处理Excel文件""" df = pd.read_excel(BytesIO(file_bytes)) # 执行操作序列 for op in operations: if op["action"] == "remove_duplicates": df = df.drop_duplicates() elif op["action"] == "fill_na": df = df.fillna(op.get("value", 0)) output = BytesIO() df.to_excel(output, index=False) return output.getvalue() if __name__ == "__main__": server.run()

这个服务支持两种操作：

删除重复行
填充空值（默认填0）

4.2 配置Excel服务

重复之前的配置步骤，添加新服务：

服务名称：MyExcel
类型：HTTP
地址：http://localhost:8001

4.3 在Trae中处理Excel

上传一个测试Excel文件，然后输入：

@MyExcel 处理这个文件，操作：[{"action":"remove_duplicates"},{"action":"fill_na","value":0}]

你会立即收到处理后的Excel文件。我团队的数据分析师小张用这个功能后，处理报表的时间从2小时缩短到5分钟。

5. 串联工作流：从天气查询到Excel报告

5.1 创建组合服务

新建workflow_server.py：

from mcp.server import FastMCP from excel_server import process_excel from weather_server import get_weather import pandas as pd from datetime import datetime server = FastMCP("WorkflowService") @server.tool() def generate_weather_report(cities: list) -> bytes: """生成城市天气报告""" weather_data = [] for city in cities: weather = get_weather(city) weather_data.append({"城市": city, "天气": weather}) df = pd.DataFrame(weather_data) df["更新时间"] = datetime.now().strftime("%Y-%m-%d %H:%M") output = process_excel( df.to_excel(index=False), [{"action": "fill_na", "value": "数据缺失"}] ) return output

5.2 调用完整工作流

在Trae中输入：

@Workflow 生成天气报告，城市：["北京","上海","广州","深圳"]

10秒内你就会收到一份格式规范的天气报告Excel文件。市场总监看到这个自动化报告时惊讶地问："这是魔法吗？"我笑着回答："不，这只是AI协作的常规操作。"

6. 避坑指南与性能优化

在实际使用中我踩过几个坑，分享给你避免重复犯错：

服务稳定性：MCP服务默认超时是30秒，处理大文件时需要调整：
```
server.run(timeout=300) # 设置为5分钟
```

错误处理：务必添加异常捕获：

@server.tool() def safe_get_weather(city: str): try: return get_weather(city) except Exception as e: return f"查询失败：{str(e)}"

性能优化：频繁调用的服务可以启用缓存：

from functools import lru_cache @lru_cache(maxsize=100) @server.tool() def cached_get_weather(city: str): return get_weather(city)

安全建议：对外暴露的服务一定要添加认证：
```
server.run(auth_token="你的安全密钥")
```

7. 扩展应用场景

除了天气和Excel，MCP还能做更多：

数据库查询：让AI直接查询公司数据库生成报告
图像处理：自动调整上传图片尺寸并添加水印
邮件自动化：定期发送定制化报表给指定人员
API聚合：将多个第三方API封装成统一接口

我们技术团队最近用MCP做了个智能客服系统，对接了CRM、订单系统和知识库，客服人员现在可以直接问AI："客户12345的最新订单状态是什么？"AI会通过MCP查询各系统后生成完整回复。

零基础也能搞定！Trae+MCP实战：从天气查询到Excel自动化，解锁AI协作新姿势