2026-07-20-vocus-ai-agent-google-sheets-mcp

5 分鐘 AI Agent 串接 Google Sheets MCP

AI 接 Google Sheets 有两条路径：服务账号 JSON + 抛弃式 Python（适合一次性 ETL/复杂计算），或 mcp-google-sheets MCP Server（适合跨系统常驻自动化）；共用 GCP 凭据基建，config 只放路径不放 token。

基本信息

• 来源类型：文章（vocus 创作平台）
• 原文位置：raw/articles/2026-07-20-152508-tg-05eee4.md
• 原文 URL：https://vocus.cc/article/6a55d71cfd897800019c8404
• 作者：Wayne Tu
• 发布时间：2026-07-19
• 消化日期：2026-07-20
• 抓取备注：Telegram 桩文件 → baoyu-url-to-markdown（defuddle）+ vocus captured HTML 的 content 字段回填正文
• 备用路径：raw/extracts/20260720-152558/vocus.cc/5-ai-agent-google-sheets-mcp.md（与 canonical raw 的 extract_path 同源）

核心观点

1. 同一份 GCP 服务账号基建，支撑两种完全不同的接入范式：先在 Google Cloud 启用 Sheets API + Drive API，建服务账号并下载 JSON，再把试算表「共用」给 client_email 并授予「编辑者」。方法一和方法二都吃这套基建，差别只在 AI 侧如何消费凭据。
2. 方法一 = 抛弃式 Python（含 pandas）：把 JSON 路径交给 AI/做成 Skill，让模型写一次性脚本完成复杂 ETL、跨表合并、财务折旧/摊提等「单点复杂逻辑」。适合 PoC、尚未值得架 MCP 的验证阶段。
3. 方法二 = 把 Google Sheets 封成 MCP 工具：用 uvx mcp-google-sheets@latest + 环境变量 GOOGLE_APPLICATION_CREDENTIALS 指向 JSON 路径。MCP 的价值是解耦——系统操作封装成标准工具，AI 专注决策与排程。
4. 跨系统编排是 MCP 路径的杀手场景：同时挂 Atlassian MCP（Jira/Confluence）与 Google Sheets MCP 时，可在同一对话里 read_sheet → create_jira_issue → update_sheet 写回单号，中间不必生成任何 Python。也适合每天从 Confluence 对齐到 Sheets 进度表的常驻维运，以及赋能不会写代码的 PM。
5. 安全纪律：config 只放路径，不放 token：mcp_config.json / Cursor MCP 配置里不要内嵌密钥；token 与凭据放独立文件，config 只引用路径，避免 AI 改配置时读到密钥外泄。作者同时承认「每张表都要加服务账号编辑者」在大规模维护时会痛，但单表需求管理可接受。

实操内容保留

代码/配置

mcp-google-sheets 启动配置示例（config 只放路径）：

{
  "mcpServers": {
    "google-sheets": {
      "command": "uvx",
      "args": [
        "mcp-google-sheets@latest"
      ],
      "env": {
        "GOOGLE_APPLICATION_CREDENTIALS": "/Users/your_username/credentials/google-service-account.json"
      }
    }
  }
}

跨系统工具调用链示例（概念层）：

read_sheet（Google Sheets MCP）
  → create_jira_issue（Atlassian MCP）
  → update_sheet（写回单号）

Prompt 模板

（本文无独立 Prompt 模板；方法一是把 JSON 路径告诉 AI / 做成 Skill，让其读写在线表格。）

操作步骤

共用前置：GCP 服务账号 JSON

1. 打开 Google Cloud API Library，新建/切换项目。
2. 启用 Google Sheets API 与 Google Drive API。
3. 打开 凭据页 →「建立凭证」→「服务账号」（如 sheet-bot）→ 完成。
4. 进入该服务账号 →「金钥」→「新增金钥」→ JSON，下载到本地。
5. 从 JSON 读取 client_email（例：sheet-bot@carplus-ai.iam.gserviceaccount.com）。
6. 打开目标 Google 试算表 →「共用」→ 粘贴该 Email → 权限选「编辑者」。

方法一（Python/Skill）：把 .json 放到本机，把路径告诉 AI，或做成 Skill，让 AI 直接读/在线编辑该表。

方法二（MCP）：在 mcp_config.json 或 Cursor MCP 设置中按上表配置 mcp-google-sheets，GOOGLE_APPLICATION_CREDENTIALS 指向 JSON 绝对路径。

关键概念

• MCP 模型上下文协议 — 把 Sheets 操作封装成标准工具，与 Atlassian 等 MCP 同对话编排
• Google Sheets MCP — 本文核心工具实体：uvx mcp-google-sheets@latest + 服务账号凭据
• Cursor — 文中点名可在 Cursor 的 MCP 设置界面挂载 google-sheets server
• AI Agent 智能体 — 消费 MCP 工具做决策与排程，而不是自己生成全部读写代码
• AI办公自动化 — 从 Excel/VBA 内嵌走向 Google Sheets 跨 SaaS 维运
• Google Cloud 服务账号 — 共用基建层（纯文本，未单独建实体）
• Atlassian MCP — 文中跨系统示例（Jira/Confluence，纯文本）

与其他素材的关联

• 与 2026-05-13-ai-agent-productivity-20x / 2026-05-18-ai-agent-week-into-day：同一「MCP 当跨 SaaS 翻译层」叙事，本文补上 Google Sheets 具体安装与双路径选型。
• 与 2026-07-19-juejin-ai-skills-specialized-employee：Skills 写「怎么做」、MCP 写「能碰什么」；本文方法一偏 Skill/脚本，方法二偏 MCP 工具面。
• 与 2026-04-29-deepseek-excel-integration：Excel VBA+API 是 Office 内嵌路径；本文是 云端 Sheets + 服务账号/MCP，对象都是表格，集成面不同。
• 与 2026-07-20-youtube-shopify-ai-toolkit-headless-store：都展示「MCP 作为官方/社区工具入口」；Shopify 侧重开发资源 MCP，本文侧重办公数据表读写 MCP。
• 与 MCP工具生态：从天气等垂直 MCP 评测扩展到 办公协作类 Sheets MCP 落地教程。

原文精彩摘录

MCP 的價值在於解耦，把系統操作能力封裝成標準工具，讓 AI 專心負責決策與排程。

當你的環境中同時掛載了 Atlassian MCP (Jira/Confluence) 與 Google Sheets MCP，AI 就能在同一個對話上下文中，直接調用 read_sheet 擷取需求，接著調用 create_jira_issue 建立任務，最後用 update_sheet 寫回單號。中間不需要生成任何一行 Python 程式碼。

要注意如果有 token 直接寫在 config 檔會有外露風險，所以建議是把 token 相關的環境部屬放在其他檔案，config 只放參照路徑，這樣 AI 在調整 config 就不讀到 token 囉~

相关页面

• Google Sheets MCP
• MCP 模型上下文协议
• MCP工具生态
• AI办公自动化
• Cursor
• AI Agent 智能体