dingtalk-ai-table

name	dingtalk-ai-table
description	钉钉 AI 表格（多维表）操作技能。使用 mcporter CLI 连接钉钉官方新版 AI 表格 MCP server，基于 baseId / tableId / fieldId / recordId 体系执行 Base、Table、Field、Record 的查询与增删改。适用于创建 AI 表格、搜索表格、读取表结构、批量增删改记录、批量建字段、更新字段配置、按模板建表等场景。需要配置 DINGTALK_MCP_URL 或直接使用 Streamable HTTP URL。
version	0.6.0
metadata	{"author":"Marila@Dingtalk","category":"productivity","tags":["dingtalk","spreadsheet","mcp","automation","data-management"],"documentation":"https://github.com/aliramw/dingtalk-ai-table","support":"https://github.com/aliramw/dingtalk-ai-table/issues","openclaw":{"requires":{"env":"[Truncated]","bins":"[Truncated]"},"primaryEnv":"DINGTALK_MCP_URL","homepage":"https://github.com/aliramw/dingtalk-ai-table"}}

钉钉 AI 表格操作（新版 MCP）

🚀 5 分钟快速开始

1️⃣ 列出我的表格

mcporter call '<DINGTALK_MCP_URL>' .list_bases limit=5

2️⃣ 创建新表格

mcporter call '<DINGTALK_MCP_URL>' .create_base baseName='我的项目'

3️⃣ 添加记录

mcporter call '<DINGTALK_MCP_URL>' .create_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","records":[{"cells":{"fld_name":"张三"}}]}'

4️⃣ 查询记录

mcporter call '<DINGTALK_MCP_URL>' .query_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","limit":10}'

5️⃣ 批量导入

python3 scripts/import_records.py base_xxx tbl_xxx data.csv

---

核心概念

按 新版 MCP schema 工作：

• Base：baseId
• Table：tableId
• Field：fieldId
• Record：recordId

不要再用旧版 dentryUuid / sheetIdOrName / fieldIdOrName。

推荐使用 mcporter 0.8.1 及以上版本。

输出模式兼容说明：

• mcporter 0.8.1+ 可直接调用
• 更低版本需要显式加 --output text
• AI 表格 MCP 无论使用哪种模式，返回体本身都是标准 JSON；差异主要在 mcporter 的输出处理方式

版本守门规则（每个 MCP Server 地址只强制检查一次）

在真正开始任何 AI 表格操作前，必须先检查当前 mcporter 注册的 dingtalk-ai-table MCP server 实际返回的 tools schema。但这个检查不该每次都重复做；同一个 MCP Server 地址只需要强制检查一次。

一次性检查策略

1. 先读取当前 mcporter 里 dingtalk-ai-table 对应的 MCP Server 地址。
2. 用这个地址生成一个本地检查标记（例如基于完整 URL 或其 hash）。
3. 在工作区保存检查结果，例如放到：

~/.openclaw/workspace/.cache/dingtalk-ai-table/

建议文件名模式：

schema-check-<url-hash>.json

4. 如果当前地址对应的检查标记已经存在，并且结果是“已确认新版 schema”，则跳过重复检查，直接继续后续 AI 表格操作。
5. 只有在以下情况才重新强制检查：
   • 第一次运行，没有检查标记
   • mcporter 里的 MCP Server 地址变了
   • 之前检查结果是旧版 schema / 检查失败
   • 用户明确要求重新验证

强制检查时执行

mcporter list dingtalk-ai-table --schema

判断标准

如果返回的 tools 仍然是旧版这一套，例如出现：

• get_root_node_of_my_document
• create_base_app
• list_base_tables
• add_base_record
• search_base_record
• list_base_field

或者整体仍然基于：

• dentryUuid
• sheetIdOrName
• fieldIdOrName

那么说明：虽然 skill 文件已经是新版，但 mcporter 里注册的 MCP server 地址还是旧的，不能继续操作。

遇到旧版 schema 时的强制提示

此时必须明确提示用户：

1. 打开这个页面： https://mcp.dingtalk.com/#/detail?mcpId=9555&detailType=marketMcpDetail
2. 点击右侧 「获取 MCP Server 配置」 按钮
3. 复制新的 MCP Server 地址
4. 用新的地址替换 mcporter 里已经注册的 dingtalk-ai-table 地址
5. 替换完成后，再重新执行：

mcporter list dingtalk-ai-table --schema

只有当返回的 tools 已经变成新版 schema，例如出现：

• list_bases
• get_base
• get_tables
• get_fields
• query_records
• create_records
• update_records
• delete_records
• prepare_attachment_upload

才允许继续真正的 AI 表格操作。

通过检查后的处理

一旦确认当前 MCP Server 地址返回的是新版 schema，就把结果写入本地检查标记。后续只要 mcporter 里的 dingtalk-ai-table 地址没变，就不要再重复做这一步守门检查。

用户提示文案（可直接复用）

当前 mcporter 里注册的 dingtalk-ai-table 还是旧版 MCP schema，暂时不能按新版技能操作。
请打开 https://mcp.dingtalk.com/#/detail?mcpId=9555&detailType=marketMcpDetail ，点击右侧“获取 MCP Server 配置”按钮，复制新的 MCP Server 地址，并替换 mcporter 里已注册的 dingtalk-ai-table 地址。替换后重新检查 schema，确认出现 list_bases / get_base / create_records 等新版 tools 后，再继续操作 AI 表格。

前置要求

安装 mcporter CLI

npm install -g mcporter
# 或
bun install -g mcporter

验证：

mcporter --version

配置 MCP Server

在钉钉 MCP 广场 https://mcp.dingtalk.com/#/detail?mcpId=9555&detailType=marketMcpDetail 获取新版钉钉 AI 表格 MCP 的 Streamable HTTP URL。

方式一：直接配置到 mcporter

mcporter config add dingtalk-ai-table --url "<Streamable_HTTP_URL>"

方式二：使用环境变量

export DINGTALK_MCP_URL="<Streamable_HTTP_URL>"

这个 URL 带访问令牌，等同密码，不要泄露。

工作区沙箱

脚本读取本地文件时，会优先使用 OPENCLAW_WORKSPACE 作为允许根目录：

export OPENCLAW_WORKSPACE="$HOME/.openclaw/workspace"

未设置时默认使用当前工作目录。

核心工具集

Base 层

• list_bases
• search_bases
• get_base
• create_base
• update_base
• delete_base
• search_templates

Table 层

• get_tables
• create_table
• update_table
• delete_table

Field 层

• get_fields
• create_fields
• update_field
• delete_field

Record 层

• query_records
• create_records
• update_records
• delete_records

附件层

• prepare_attachment_upload

推荐工作流

1. 先找 Base

mcporter call dingtalk-ai-table list_bases limit=10
mcporter call dingtalk-ai-table search_bases query="销售"

2. 再拿 Table 目录

mcporter call dingtalk-ai-table get_base baseId="base_xxx"

3. 再展开表结构

mcporter call dingtalk-ai-table get_tables \
  --args '{"baseId":"base_xxx","tableIds":["tbl_xxx"]}'

4. 字段复杂时读完整配置

mcporter call dingtalk-ai-table get_fields \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","fieldIds":["fld_xxx"]}'

5. 再查 / 写记录

mcporter call dingtalk-ai-table query_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","limit":20}'

mcporter call dingtalk-ai-table create_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","records":[{"cells":{"fld_name":"张三"}}]}'

6. 写入附件字段

attachment 字段支持三种写法：

方式一：先上传，再写 fileToken（推荐，可靠）

# Step 1：申请上传地址（返回 uploadUrl 和 fileToken）
mcporter call dingtalk-ai-table prepare_attachment_upload \
  --args '{"baseId":"base_xxx","fileName":"report.pdf","size":102400,"mimeType":"application/pdf"}'

# Step 2：把文件 PUT 到 uploadUrl（必须带 Content-Type，值必须与 mimeType 完全一致）
curl -X PUT "<uploadUrl>" \
  -H "Content-Type: application/pdf" \
  --data-binary @report.pdf

# Step 3：把 fileToken 写入记录
mcporter call dingtalk-ai-table create_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","records":[{"cells":{"fld_attach":[{"fileToken":"ft_xxx"}]}}]}'

方式二：直接传外链 URL（异步转存，best-effort）

mcporter call dingtalk-ai-table create_records \
  --args '{"baseId":"base_xxx","tableId":"tbl_xxx","records":[{"cells":{"fld_attach":[{"url":"https://example.com/file.pdf"}]}}]}'

URL 转存是 best-effort 异步链路，返回成功仅表示已受理，不保证立即可读。可靠写入请用 fileToken 方式。

方式三：原样回传已有附件数据（保留 / 追加已有附件时使用）

从 query_records 读出的 attachment 单元格数据是完整对象数组，字段形状如下：

[
  {
    "filename": "a.xlsx",
    "size": 92250,
    "type": "xls",
    "resourceId": "<id>",
    "resourceUrl": "<resourceUrl>"
  }
]

其中 type 是文件类别枚举，常见值为 "xls"、"image" 等；resourceUrl 通常为有时效的下载链接。

如需保留已有附件，把读出的值原样塞回即可。如需追加新附件，把新的 {"fileToken":"ft_xxx"} 与已有对象合并成一个数组一起传入。

update_records 的 attachment 字段格式相同，传入后会整体覆盖该字段。

脚本

批量新增字段

python3 scripts/bulk_add_fields.py <baseId> <tableId> fields.json

fields.json 示例：

[
  {"fieldName":"任务名","type":"text"},
  {"fieldName":"优先级","type":"singleSelect","config":{"options":[{"name":"高"},{"name":"中"},{"name":"低"}]}}
]

兼容项：

• name 会自动映射为 fieldName
• phone 会自动映射为 telephone

批量导入记录

python3 scripts/import_records.py <baseId> <tableId> data.csv
python3 scripts/import_records.py <baseId> <tableId> data.json 50

说明：

• CSV 表头默认按 fieldId 解释
• JSON 支持：
  • [{"cells": {...}}]
  • [{"fld_xxx": "value"}]

安全规则

• 文件路径受 OPENCLAW_WORKSPACE 沙箱限制
• 仅允许读取工作区内 .json / .csv 文件
• Base / Table / Field / Record ID 都做格式校验
• 批量上限按 MCP server 实际限制控制：
  • create_fields：最多 15
  • get_tables / get_fields：最多 10
  • create_records / update_records / delete_records：最多 100

调试原则

• 先 get_base，再 get_tables，必要时 get_fields
• 不要猜 fieldId
• 复杂参数一律用 --args JSON
• singleSelect / multipleSelect 过滤时必须传 option ID，不是 option name

参考

• API 参考：references/api-reference.md
• 错误排查：references/error-codes.md