Dingtalk Ai Table

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...

Security Scan

The skill's declared purpose, required binaries/env, runtime instructions, and included scripts are consistent: it needs mcporter and a DINGTALK_MCP_URL (tokenized MCP server URL) to operate, and the bundled Python scripts respect a workspace sandbox and include input validation and size limits.

Purpose & Capability

Name/description (DingTalk AI table operations) match the declared requirements: mcporter CLI + DINGTALK_MCP_URL to call the MCP server. The scripts operate on baseId/tableId/fieldId/recordId as documented and do not request unrelated credentials or system access.

Instruction Scope

SKILL.md instructs running mcporter commands and local scripts and includes a one-time 'schema check' that writes a cache file under the workspace. The scripts read local JSON/CSV only from OPENCLAW_WORKSPACE (or cwd if unset) and enforce extension/size checks; they call mcporter via subprocess without a shell. The only minor note: SKILL.md suggests a specific cache path (~/.openclaw/workspace/.cache/...), which is inside the declared workspace — expected but worth noting because it writes state to disk.

Install Mechanism

This is instruction-only (no remote install step). The README documents installing mcporter (npm/bun). No exotic downloads or archive extraction are included in the skill package itself. The primary external install risk is trusting the mcporter package from your package manager — not from the skill bundle.

Credentials

Only DINGTALK_MCP_URL (primary credential) and OPENCLAW_WORKSPACE are required. DINGTALK_MCP_URL is a tokenized Streamable HTTP URL (sensitive) and is appropriate for this integration — the skill warns not to leak it. OPENCLAW_WORKSPACE is used as a sandbox root; metadata lists it as required though the scripts fall back to cwd if not set (minor metadata vs runtime behavior mismatch).

Persistence & Privilege

always:false and no request to modify other skills or global agent settings. The skill writes per-server schema-check cache into the workspace and runs only when invoked. Autonomous invocation is allowed but is the platform default; nothing in the skill grants excessive or unexpected always-on privileges.

Assessment

This skill appears internally consistent and targeted: it legitimately needs mcporter and your DINGTALK_MCP_URL (a URL that includes an access token) to call DingTalk's MCP server. Before installing: (1) only provide DINGTALK_MCP_URL if you trust the MCP server URL and its token; treat it as a secret. (2) Install mcporter from an official source (npm/bun) and verify its integrity. (3) Set OPENCLAW_WORKSPACE to a dedicated directory you control so the skill's file reads/writes and cache stay isolated. (4) Review any local files you pass to the scripts (fields.json, data.csv/json) — the scripts enforce file-type and size checks and use subprocess.run without a shell, which reduces injection risk. (5) Remember mcporter will send data to the declared MCP server, so ensure that endpoint is trusted. If you need higher assurance, run the scripts manually in a sandbox first and inspect mcporter calls and network traffic.

钉钉 AI 表格操作（新版 MCP）

按 新版 MCP schema 工作：

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

不要再用旧版 dentryUuid / sheetIdOrName / fieldIdOrName。

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

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

推荐工作流

1. 先找 Base

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

2. 再拿 Table 目录

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

3. 再展开表结构

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

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"]}' \
  --output json

5. 再查 / 写记录

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

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

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