你将学到什么
- 用 Python 直接调用工具的最小思路
- 用 MCP 在 AI 客户端触发生成的最小思路
- 知道 cwprep 与 cwtwb 在流程中的分工
前置条件
- 已完成 MCP 配置与连通验证
- 本机有可用于演示的数据源（数据库表或 CSV）
案例 A：cwprep（数据流）
cwprep 用来生成 Tableau Prep 流程（.tfl/.tflx）。
Python 脚本思路
下面是最小流程定义思路：
flow = {
"flow_name": "orders_filter_demo",
"connection": {"type": "database", "host": "localhost", "db_class": "mysql", "username": "root", "dbname": "demo"},
"nodes": [
{"type": "input_table", "name": "orders", "table": "orders"},
{"type": "filter", "name": "sales_filter", "parent": "orders", "expression": "[sales] > 100"},
]
}MCP 指令思路
请使用 cwprep：
1) 输入表 orders
2) 过滤 sales > 100
3) 生成 tfl 到本地 output/demo.tfl案例 B：cwtwb（看板）
cwtwb 用来生成 Tableau 工作簿（.twb/.twbx）。
Python 脚本思路
核心动作通常是：
- 新建工作簿
- 连接数据源
- 新建工作表
- 配置图表
- 保存为
.twb/.twbx
MCP 指令思路
请使用 cwtwb：
1) 读取 superstore 数据
2) 创建一个按 Category 展示 Sales 的柱状图工作表
3) 保存为 output/sales_by_category.twb两个工具怎么配合
- 先用
cwprep处理并输出干净数据 - 再用
cwtwb基于结果数据生成看板文件
验证清单
- 成功生成一个
.tfl/.tflx - 成功生成一个
.twb/.twbx - 明确知道先
cwprep再cwtwb的流程
第一次实操建议
- 先跑最小案例，不要一上来做复杂仪表板
- 每一步都保留命令与输出，便于复现
- 失败时先缩小问题：先看 Python 命令，再看 MCP 配置