---

name: dingtalk-ai-table description: 钉钉 AI 表格（多维表）操作技能。使用 mcporter CLI 连接钉钉 MCP server 执行表格创建、数据表管理、字段操作、记录增删改查。需要配置 DINGTALK_MCP_URL 凭证。使用场景：创建 AI 表格、管理数据表结构、批量导入导出数据、自动化库存/项目管理等表格操作任务。 version: 0.3.5 metadata: openclaw: requires: env: - DINGTALK_MCP_URL bins: - mcporter primaryEnv: DINGTALK_MCP_URL homepage: https://github.com/aliramw/dingtalk-ai-table

钉钉 AI 表格操作

通过 MCP 协议连接钉钉 AI 表格 API，执行表格和数据操作。

⚠️ 安全须知

安装前请阅读：

1. 本技能需要外部 CLI 工具 - 需安装 mcporter (npm/bun 全局安装)
2. 需要配置认证凭证 - Streamable HTTP URL 包含访问令牌，请妥善保管
3. 脚本审查建议 - scripts/ 目录包含 Python 辅助脚本，建议先审查再运行
4. 测试环境优先 - 首次使用建议在测试表格中验证，确认无误后再操作生产数据

🔒 安全加固措施（v0.3.4+）

脚本已实施以下安全保护：

配置建议：

# 设置工作目录限制（推荐）
export OPENCLAW_WORKSPACE=/Users/marila/.openclaw/workspace

前置要求

安装 mcporter CLI

本技能依赖 mcporter 工具。安装前请确认来源可信：

• 官方仓库: https://github.com/mcporter/mcporter (请验证)
• npm 包: npm install -g mcporter

# 使用 npm 安装
npm install -g mcporter

# 或使用 bun 安装
bun install -g mcporter

验证安装：

mcporter --version

注意: 全局安装的 CLI 工具具有用户级执行权限，请确保从可信来源安装。

配置 MCP Server

获取 Streamable HTTP URL：

1. 访问钉钉 MCP 广场：https://mcp.dingtalk.com/#/detail?mcpId=1060&detailType=marketMcpDetail
2. 在页面右侧点击“获取 MCP Server 配置”按钮，然后找到 Streamable HTTP URL
3. 复制该 URL 并用于下方配置

方式一：使用 mcporter config（推荐）

# 添加钉钉 AI 表格服务器配置（持久化存储）
mcporter config add dingtalk-ai-table --url "<Streamable_HTTP_URL>"

方式二：使用环境变量

# 临时设置（当前终端会话有效）
export DINGTALK_MCP_URL="<Streamable_HTTP_URL>"

将 <Streamable_HTTP_URL> 替换为实际获取的完整 URL。

⚠️ 凭证安全: Streamable HTTP URL 包含访问令牌，等同于密码：

• 不要提交到版本控制系统
• 不要分享给他人
• 推荐使用 mcporter config 持久化存储，避免在命令历史中暴露

基本命令模式

所有操作通过 mcporter call dingtalk-ai-table <tool> 执行：

# 获取文档根节点
mcporter call dingtalk-ai-table get_root_node_of_my_document --output json

# 创建 AI 表格
mcporter call dingtalk-ai-table create_base_app filename="表格名" target="<rootDentryUuid>" --output json

# 搜索可访问的表格
mcporter call dingtalk-ai-table search_accessible_ai_tables keyword="关键词" --output json

核心工作流

创建表格并初始化

# 1. 获取根节点
ROOT_UUID=$(mcporter call dingtalk-ai-table get_root_node_of_my_document --output json | jq -r '.rootDentryUuid')

# 2. 创建表格
mcporter call dingtalk-ai-table create_base_app filename="我的表格" target="$ROOT_UUID" --output json

# 3. 记录返回的 dentryUuid 用于后续操作

数据表操作

# 创建数据表（可带初始字段）
mcporter call dingtalk-ai-table add_base_table \
  --args '{"dentryUuid":"<表格 UUID>","name":"新数据表","fields":[{"name":"字段 1","type":"text"},{"name":"字段 2","type":"number"}]}' \
  --output json

# 列出所有数据表
mcporter call dingtalk-ai-table list_base_tables dentry-uuid="<表格 UUID>" --output json

# 重命名数据表
mcporter call dingtalk-ai-table update_base_tables \
  --args '{"dentryUuid":"<UUID>","oldSheetIdOrName":"原表名","newName":"新表名"}' \
  --output json

# 删除数据表
mcporter call dingtalk-ai-table delete_base_table \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名"}' \
  --output json

字段操作

# 查看字段列表
mcporter call dingtalk-ai-table list_base_field \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名"}' \
  --output json

# 添加字段（支持类型：text, number, singleSelect, multipleSelect, date, user, attachment）
mcporter call dingtalk-ai-table add_base_field \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名","addField":{"name":"字段名","type":"text"}}' \
  --output json

# 删除字段
mcporter call dingtalk-ai-table delete_base_field \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名","fieldIdOrName":"字段名"}' \
  --output json

记录操作

# 查询记录
mcporter call dingtalk-ai-table search_base_record \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名"}' \
  --output json

# 添加记录
mcporter call dingtalk-ai-table add_base_record \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名","records":[{"fields":{"字段 1":"值 1","字段 2":100}}]}' \
  --output json

# 更新记录
mcporter call dingtalk-ai-table update_records \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名","records":[{"id":"记录 ID","fields":{"字段":"新值"}}]}' \
  --output json

# 删除记录
mcporter call dingtalk-ai-table delete_base_record \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"表名","recordIds":["记录 ID1","记录 ID2"]}' \
  --output json

支持的字段类型

使用脚本

对于批量操作，使用 scripts/ 目录中的工具脚本：

# 批量添加字段
python scripts/bulk_add_fields.py <dentryUuid> <sheetName> fields.json

# 批量导入记录（支持 CSV 和 JSON）
python scripts/import_records.py <dentryUuid> <sheetName> data.csv
python scripts/import_records.py <dentryUuid> <sheetName> data.json [batch_size]

🔒 脚本安全特性:

• ✅ 路径沙箱：防止目录遍历攻击（../etc/passwd 等）
• ✅ UUID 格式验证：严格校验输入格式
• ✅ 文件扩展名白名单：仅允许 .json / .csv
• ✅ 文件大小限制：JSON 10MB / CSV 50MB
• ✅ 字段类型白名单：防止无效类型注入
• ✅ 命令超时保护：60-120 秒自动终止

测试验证: 运行 python3 tests/test_security.py 执行 25 项安全测试

⚠️ 注意事项:

• 脚本仅调用 mcporter 命令和处理本地文件，无网络请求
• 首次运行前建议审查脚本源码
• 处理敏感数据时请在受控环境中执行

参考文档

• API 详情: 见 references/api-reference.md
• 错误码说明: 见 references/error-codes.md

注意事项

1. dentryUuid 识别: 创建表格后返回多个 ID，使用 uuid 字段作为 dentryUuid 参数
2. 表名匹配: 默认创建的表名为"数据表"，操作前需确认实际表名
3. 字段值格式: 单选/多选字段返回对象格式 {"name":"选项","id":"xxx"}
4. 日期格式: 日期字段使用 Unix 时间戳（毫秒）或 YYYY-MM-DD 格式
5. 批量操作: 添加/删除记录支持批量，单次最多 1000 条