计算机终端用户在完成日常任务（如表格数据处理和项目时间表安排）上已经花费了数十亿小时。这些任务大多具有重复性和易出错的特点，然而大多数终端用户缺乏自动化这些繁琐工作的技能。随着大规模语言模型（LLMs）的出现，通过自然语言指令来控制软件成为了一个可实现的目标。在这项研究中，我们提出了一种名为SheetCopilot的代理，该代理能够接收自然语言任务并操作电子表格以满足需求。我们定义了一组原子动作作为电子表格软件功能的抽象。此外，我们设计了一种基于状态机的任务规划框架，使大规模语言模型能够稳健地与电子表格进行交互。我们整理了一个包含221个电子表格控制任务的代表性数据集，并建立了一条完全自动化的评估流水线，用于严格测试大规模语言模型在软件控制任务中的能力。我们的SheetCopilot在单次生成中正确完成了44.3%的任务，显著优于强大的代码生成基线方法。项目页面：https://sheetcopilot.github.io/。