效果图
步骤一：准备工作
创建飞书企业自建应用 (个人也可以)
- 登录飞书开发者后台
- 创建企业自建应用，添加机器人能力
在权限管理页面开通以下权限：
bitable:app（查看、评论、编辑和管理多维表格）多维表 相关权限- 发布版本
安装 lark-mcp 工具
需要有 node.js 环境
npm install -g @larksuiteoapi/lark-mcp步骤二：客户端侧授权：配置用户身份登录
复制 <your_app_id> <your_app_secret>
打开终端，执行登录命令：
lark-mcp login -a <your_app_id> -s <your_app_secret>- 访问终端回显的授权 URL，完成用户授权
- 授权成功后，终端会显示
success步骤三：多维表侧授权
- 进入多维表，点击 【添加文档应用】
2. 搜索你的前面创建的应用名称 并添加应用 ( 你不搜名字 这里 嘛都没有 [doge] )
右侧小三角注意一下， 可管理 或 可编辑 都行
步骤四：配置 MCP 服务
- 在 Trae 中打开AI 侧栏 > AI 功能管理 > MCP > 添加 > 手动添加配置以下 JSON 内容（替换为你的应用信息）：
注意：原本的 mcp 名称为 lark-mcp ，这里改成了 feishu
这种方式，同样适用于其他 AI IDE 或者支持 MCP 协议的应用
如: kiro cursor 等
{ "mcpServers": { "feishu": { "command": "lark-mcp", "args": [ "mcp", "-a", "<your_app_id>", "-s", "<your_app_secret>", "-t", "preset.base.default", "--oauth" ] } }}步骤四：使用 MCP 应用操作多维表格
输入包含以下信息的提示词：
- 多维表格的唯一标识（app_token）具体操作需求（增删改查）操作的数据表字段信息（可选，比如先让 ai 查询字段配置）数据内容和格式要求
示例提示词：
Command: use feishu - 利用飞书多维表 API 操作 app_token 为 ___ 的表格： 重要：在执行任何新增或更新操作前，必须先查询表结构！以每个字段的描述作为所有操作的约束依据。 - “___” 表（table_id: ___）—— ___ {你这表是干啥的} - “___” 表（table_id: ___）—— ___ {你这表又是干啥的}Command: use feishu - Use the Feishu multidimensional-table API to operate on the table whose app_token is ___: **Important: before any add/update operation, first query the table structure! Use the description of each field as the governing constraint for all operations.** - “___” table (table_id: ___) — ___ {WTF?} - “___” table (table_id: ___) — ___ {WTF?}步骤五：起飞
起飞前需要先去设计一下 多维表的 字段，这块可以自行发挥...
或者偷点懒直接找个 多维表 模板，再不济 让 ai 来设计 [doge]
推荐一个提示词项目:
能够看到 ai 的大致思考过程
注意：不推荐在消耗 token 的环境下使用！brainstorming_block 会消耗大量的 token ！
github/langyamu/super-ai-system-prompt
效果展示
