ghcr.io/canner/wren-engine:sha-197f2ba

Wren Engine — 已归档

[!IMPORTANT] 本仓库已合并至 https://github.com/Canner/WrenAI 的 core/ 目录下，目前处于归档状态（只读）。

新的 issue 和 PR 请提交至 → https://github.com/Canner/WrenAI/issues 完整迁移详情（路径映射、已归档模块、迁移原因）→ https://github.com/Canner/wren-engine/discussions/1592

---

Wren Engine

AI 智能体的开放上下文引擎

Wren Engine 是 https://github.com/Canner/WrenAI 的开源基础：为业务数据提供语义化、受治理、支持智能体的上下文层。

为什么选择 Wren Engine

AI 智能体已能调用工具、浏览文档和编写代码，但它们仍难以处理业务上下文。

企业数据不只是数据仓库中的行。它包含定义、指标、关系、权限、血缘和意图。一个能连接 PostgreSQL 或 *** 的智能体，依然无法理解贵公司的"净收入"、"活跃客户"或"销售 pipeline 覆盖率"的实际含义。

这不仅是我们的观点。在 a16z 的文章 Your Data Agents Need Context 中，作者指出：仅具备连接能力和 SQL 生成功能的数据智能体会失效，因为它们缺乏业务定义、事实来源上下文以及解释公司实际运营方式的业务知识。

Wren Engine 正是为解决这一差距而存在。

它为 AI 智能体提供可推理的上下文引擎，使其能够：

• 理解模型而非原始表
• 使用可信指标而非生成 SQL
• 遵循关系而非猜测连接
• 尊重治理而非绕过治理
• 将自然语言转化为准确、可解释的数据访问

这是为构建下一代智能体体验的团队提供的开源上下文引擎。

愿景

我们相信 AI 的未来不仅是工具调用。而是上下文丰富的系统，智能体可在共享业务现实理解的基础上进行推理、检索、规划和行动。

Wren Engine 是我们对这一未来的开源贡献。

它是 Wren AI 底层的语义和执行基础，其设计目标远超单一产品的范畴：

• 嵌入 MCP 服务器和智能体工作流
• 连接现代数据仓库、数据库和文件系统
• 足够表达通过 MDL 建模业务含义
• 足够健壮以支持企业级治理用例
• 足够开放以让社区扩展、集成和构建

如果说 Wren AI 是完整愿景，Wren Engine 则是使该愿景具备互操作性的开源核心。

Wren Engine 的功能

Wren Engine 将业务数据转化为智能体可用的上下文。

从高层视角：

1. 使用 Wren 的语义模型和 MDL 描述业务领域。
2. Wren Engine 捕获智能体所需的上下文：模型、指标、关系和访问规则。
3. 分析意图并跨底层数据源规划正确查询。
4. MCP 客户端和 AI 智能体通过简洁接口与此上下文交互。
5. 随着业务逻辑和系统的演进，团队持续优化模型。

这是从文本到 SQL 迈向上下文感知数据智能体的实用开源路径。

这意味着您的智能体不再问："我应该查询哪个原始表？"

而是问："我需要哪个业务概念、指标或受治理的上下文片段才能正确完成此任务？"

为智能体构建者打造

Wren Engine 对在以下工具中构建智能体原生工作流的开源社区特别有用：

• OpenClaw
• Claude Code
• VS Code
• Claude Desktop
• Cline
• Cursor

如果您的环境能支持 MCP、调用 HTTP API 或嵌入语义服务，Wren Engine 可成为智能体背后的上下文层。

使用它来支持以下场景：

• 基于可信业务定义的自然语言分析
• 能跨受治理企业数据回答问题的 AI copilots
• 生成仪表板、报告和工作流决策的智能体
• 需要真实业务上下文而非仅模式转储的代码助手
• 基于语义模型而非临时 SQL 的内部 AI 工具

这在面向开发者的智能体环境中尤为重要——助手可能理解您的代码库，但仍缺乏正确回答数据问题所需的业务上下文。

支持的数据源

Wren Engine 旨在跨现代数据栈工作，包括数据仓库、数据库和基于文件的数据源。

当前开源版本支持的连接器包括：

• Amazon S3
• Apache Spark
• Apache Doris
• Athena
• BigQuery
• ClickHouse
• Databricks
• DuckDB
• Google Cloud Storage
• 本地文件
• MinIO
• MySQL
• Oracle
• PostgreSQL
• Redshift
• SQL Server

• ---

• Trino

有关最新连接模式和功能，请参阅项目文档中的连接器 API 文档。

快速开始

通过 AI 智能体使用 Wren Engine

如果您希望从 Claude Code 或其他 AI 智能体使用 Wren Engine，请从以下资源开始：

• 安装
• 快速入门：使用 Wren Engine + Claude Code 与 jaffle_shop 对话
• 理解 Wren AI 项目结构

MCP 服务器包含：

• 用于连接和 MDL 设置的本地 Web UI
• 用于更安全智能体使用的只读模式
• 清单部署和验证工具
• 用于远程模式发现的元数据工具

学习核心概念

• 什么是上下文？
• 什么是建模定义语言 (MDL)？
• Wren Engine 与 LLM 结合的优势
• Your Data Agents Need Context
• 使用 Apache DataFusion 为 AI 智能体提供语义 SQL 支持

Wren Engine 与其他数据工具的对比

人们常将 Wren Engine 与 DataHub 等数据目录服务、原始数据库 MCP 服务器、BI 语义工具或文本转 SQL 智能体进行比较。

核心区别在于：

• 这些工具通常帮助智能体查找数据或生成 SQL
• Wren Engine 帮助智能体理解业务含义并通过上下文引擎生成正确查询

许多团队会同时需要：

• 用于盘点和记录数据资产的数据目录
• 将数据转化为智能体可用上下文的 Wren Engine

这之所以重要：

• 答案更准确，因为连接和指标是明确定义的而非猜测的
• 答案更一致，因为每个智能体使用相同的业务定义
• 数据访问更安全，因为治理可融入查询规划
• 提示工程需求减少，因为上下文存在于引擎中而非提示中

没有 Wren，智能体可能知道数据在哪里，但仍不知道如何正确回答问题。

仓库结构

本仓库包含核心引擎模块：

支持模块包括 wren-core-legacy、example、mock-web-server 和基准测试工具。

开发者入口

• wren-core/README.md
• wren-core-py/README.md
• ibis-server/README.md
• mcp-server/README.md

本地开发

常用工作流：

# Rust 上下文引擎
cd wren-core
cargo check --all-targets

# Python + 连接器服务器
cd ibis-server
just install
just dev

# MCP 服务器
cd mcp-server
# 参见模块 README 了解基于 uv 的设置

项目状态

Wren Engine 正在开源环境中积极发展。当前重点是增强上下文引擎、执行路径和 MCP 集成，以支持实际的智能体工作流。

如果您正在构建智能体，现在是参与的好时机。

社区

• 加入我们的 *** 社区
• 提交 https://github.com/Canner/wren-engine/issues
• 探索 https://github.com/Canner/WrenAI 了解更广泛的产品愿景
• 阅读 a16z 的市场观点：Your Data Agents Need Context

Wren Engine 面向那些相信 AI 需要更好上下文而非仅更好提示的构建者。