Google Sheets MCP
通过服务账号 JSON 与
mcp-google-sheets把 Google 试算表封装成可被 AI Agent 调用的标准 MCP 工具，用于读写表格并与其他 MCP 做跨系统编排。
简介
Google Sheets MCP 指把 Google Sheets 接入 MCP 模型上下文协议 生态后，AI 不再靠临时生成 Python 才能碰表格，而是像调用标准工具一样执行 read_sheet、update_sheet 等操作。Wayne Tu 在 vocus 文《5 分鐘 AI Agent 串接 google sheets MCP》中给出可复现路径：共用 GCP 服务账号基建，再用 uvx mcp-google-sheets@latest 把凭据路径注入 MCP server。
它与「把 JSON 交给 AI 写抛弃式 pandas 脚本」形成对照：后者适合一次性复杂 ETL 与精确数值计算；前者适合常驻维运、跨 Atlassian/Jira/Confluence 编排，以及不会写代码的 PM 用自然语言驱动同步。两者都依赖同一服务账号「编辑者」权限模型。
关键信息
- 类型：工具（MCP Server / 办公数据连接器）
- 领域：AI Agent 工具生态、办公自动化、表格协作
- 常见包名/启动：
mcp-google-sheets@latest（经uvx拉起） - 认证方式：Google Cloud 服务账号 JSON；环境变量
GOOGLE_APPLICATION_CREDENTIALS指向本地路径 - 依赖 API：Google Sheets API + Google Drive API（均需在 GCP 项目中启用）
- 相关概念：MCP 模型上下文协议、Cursor、AI Agent 智能体、AI办公自动化、Atlassian MCP（Jira/Confluence）
核心特性
安装方式
- 在 GCP 启用 Sheets API、Drive API，创建服务账号并下载 JSON 金钥。
- 将目标试算表「共用」给 JSON 内
client_email，权限设为「编辑者」。 - 在 MCP 配置（如
mcp_config.json或 Cursor MCP 设置）中注册 server：
{
"mcpServers": {
"google-sheets": {
"command": "uvx",
"args": ["mcp-google-sheets@latest"],
"env": {
"GOOGLE_APPLICATION_CREDENTIALS": "/Users/your_username/credentials/google-service-account.json"
}
}
}
}基本用法
- 常驻路径：Agent 直接调用 Sheets 相关 MCP 工具读需求表、写回状态/单号，无需再生成读写脚本。
- 跨系统路径：与 Atlassian MCP 同挂时，可形成
read_sheet→create_jira_issue→update_sheet闭环。 - 对照路径（非 MCP）：仅提供 JSON 路径，让 AI 写 pandas/Python 做一次性清洗、折旧公式、摊提等复杂计算。
关键参数/配置
GOOGLE_APPLICATION_CREDENTIALS：服务账号 JSON 的绝对路径；应出现在 env 中，而不是把密钥内容写进 config。- 服务账号
client_email：必须出现在每张需编辑表格的共享名单中，角色至少为编辑者。 - API 启用范围：缺少 Drive API 时，部分共享/文件访问场景可能失败；教程要求 Sheets + Drive 双开。
适用场景
| 场景 | 更推荐路径 | 原因 |
|---|---|---|
| 一次性大量 ETL、跨表合并、复杂财务公式 | 方法一：JSON + Python/pandas | 脚本可控、计算精度高于纯 LLM 推算 |
| PoC / 尚未决定是否架 MCP | 方法一 | 启动成本低 |
| 跨 Jira/Confluence 与 Sheets 的自动化 | 方法二：Google Sheets MCP | 同上下文多工具，无需生成胶水代码 |
| 每日进度表对齐、标准维运 | 方法二 | 执行路径稳定、可复用 |
| 非技术 PM 用自然语言同步数据 | 方法二 | 配置一次后自然语言驱动 |
不适合：把 token/JSON 明文塞进可被 AI 随意改写的 config；大规模多表却不愿批量管理服务账号共享权限时，运维成本会上升。
不同素材中的观点
- 2026-07-20-vocus-ai-agent-google-sheets-mcp：作者实测两套串接均可跑通。强调 MCP 的核心是解耦——能力封装成工具，AI 做决策与排程。安全上坚持 config 只放路径；权限上承认「每表都加编辑者」长期麻烦，但单表需求管理可接受。跨系统示例明确点名
read_sheet/create_jira_issue/update_sheet工具链。
实用信息
快速上手步骤
- GCP 建项目 → 启用 Sheets API + Drive API。
- 建服务账号
sheet-bot→ 下载 JSON → 记下client_email。 - 目标 Sheets 共用给该 Email（编辑者）。
- 二选一：
- 脚本路径：把 JSON 路径告诉 AI/写入 Skill，做一次性处理；
- MCP 路径：配置
uvx mcp-google-sheets@latest+GOOGLE_APPLICATION_CREDENTIALS。
- 用只读查询先验证权限，再开放写回字段。
常用命令/配置片段
# 凭据路径只通过环境变量注入，勿提交进 git
export GOOGLE_APPLICATION_CREDENTIALS="$HOME/credentials/google-service-account.json"注意事项/避坑指南
- 密钥外泄：不要让 token/完整 JSON 内容出现在 MCP config；AI 协助改 config 时只会看到路径。
- 权限漏配：忘记把服务账号加为编辑者 → 工具调用鉴权失败或只能读不能写。
- API 未启用：只开 Sheets 未开 Drive，可能导致部分文件访问异常。
- 规模化痛点：表很多时「逐表加编辑者」会变运维瓶颈，需另做批量共享或权限治理方案。
- 路径选择：复杂数值逻辑优先 Python 脚本；稳定跨系统流程优先 MCP。