Wren

Wren

Canner

研究与数据
访问服务器

README

<p align="center"> <a href="https://getwren.ai"> <picture> <source media="(prefers-color-scheme: light)" srcset="./misc/wrenai_logo.png"> <img src="./misc/wrenai_logo.png"> </picture> <h1 align="center">Wren 引擎</h1> </a> </p>

<p align="center"> <a aria-label="关注我们" href="https://x.com/getwrenai"> <img alt="" src="https://img.shields.io/badge/-@getwrenai-blue?style=for-the-badge&logo=x&logoColor=white&labelColor=gray&logoWidth=20"> </a> <a aria-label="许可证" href="https://github.com/Canner/wren-engine/blob/main/LICENSE"> <img alt="" src="https://img.shields.io/github/license/canner/wren-engine?color=blue&style=for-the-badge"> </a> <a aria-label="加入 GitHub 社区" href="https://discord.gg/5DvshJqG8Z"> <img alt="" src="https://img.shields.io/badge/-加入%20社区-blue?style=for-the-badge&logo=discord&logoColor=white&labelColor=grey&logoWidth=20"> </a> <a aria-label="Canner" href="https://cannerdata.com/"> <img src="https://img.shields.io/badge/%F0%9F%A7%A1-由%20Canner%20制造-blue?style=for-the-badge"> </a> </p>

Wren 引擎是 MCP 客户端和 AI 代理的语义引擎。 Wren AI GenBI AI 代理基于 Wren 引擎。

😫 今天的挑战

在企业层面,风险和复杂性都更高。企业依赖于存储在云仓库、关系数据库和安全文件系统中的结构化数据运行。从 BI 仪表板到 CRM 更新和合规工作流程,AI 不仅必须执行命令,还必须理解并检索正确的数据,具有精确性和上下文

虽然许多社区和官方 MCP 服务器已经支持连接到主要的数据库,如 PostgreSQL、MySQL、SQL Server 等,但存在一个问题:原始数据访问是不够的

企业需要:

  • 对其数据模型的准确语义理解
  • 报告中可信的计算和聚合
  • 对业务术语的清晰理解,如“活跃客户”、“净收入”或“流失率”
  • 基于用户的权限和访问控制

仅凭自然语言不足以驱动跨企业数据系统的复杂工作流程。您需要一个层来解释意图,将其映射到正确的数据,准确地应用计算,并确保安全性。

🎯 我们的使命

<img src="./misc/mcp_wren_engine.webp">

Wren 引擎的使命是通过模型上下文协议 (MCP) 来推动 MCP 客户端和 AI 代理的未来——这是一种新的开放标准,将 LLM 与工具、数据库和企业系统连接起来。

作为 MCP 生态系统的一部分,Wren 引擎提供了一个语义引擎,它支持下一代语义层,使 AI 代理能够以准确性、上下文和治理来访问业务数据。

通过将语义层直接构建到 MCP 客户端中,例如 Claude、Cline、Cursor 等,Wren 引擎使 AI 代理能够获得精确的业务上下文,并确保跨各种企业环境的准确数据交互。

我们相信企业 AI 的未来在于上下文感知、可组合的系统。这就是 Wren 引擎被设计为:

  • 🔌 可嵌入到任何 MCP 客户端或 AI 代理工作流程中
  • 🔄 与现代数据堆栈(PostgreSQL、MySQL、Snowflake 等)互操作
  • 🧠 语义优先,使 AI 能够“理解”您的数据模型和业务逻辑
  • 🔐 准备好治理,尊重角色、访问控制和定义

借助 Wren 引擎,您可以跨团队扩展 AI 的采用——不仅通过更好的自动化,还通过更好的理解。

查看我们的完整文章

🤩 我们的使命 - 推动下一波 AI 代理:为未来的 MCP 客户端和企业数据访问构建基础

🚀 MCP 入门

MCP 服务器 README

https://github.com/user-attachments/assets/dab9b50f-70d7-4eb3-8fc8-2ab55dc7d2ec

🤔 概念

🚧 项目状态

Wren 引擎目前处于 beta 版本。项目团队正在积极努力推进,并计划至少每两周发布新版本。

🛠️ 开发者指南

该项目由 4 个主要模块组成:

  1. ibis-server: 由 FastAPI 和 Ibis 驱动的 Wren 引擎 Web 服务器
  2. wren-core: 由 Apache DataFusion 驱动的 Rust 编写的语义核心
  3. wren-core-py: wren-core 的 Python 绑定
  4. mcp-server: 由 MCP Python SDK 驱动的 Wren 引擎 MCP 服务器

⭐️ 社区

推荐服务器

Crypto Price & Market Analysis MCP Server

Crypto Price & Market Analysis MCP Server

一个模型上下文协议 (MCP) 服务器,它使用 CoinCap API 提供全面的加密货币分析。该服务器通过一个易于使用的界面提供实时价格数据、市场分析和历史趋势。 (Alternative, slightly more formal and technical translation): 一个模型上下文协议 (MCP) 服务器,利用 CoinCap API 提供全面的加密货币分析服务。该服务器通过用户友好的界面,提供实时价格数据、市场分析以及历史趋势数据。

精选
TypeScript
MCP PubMed Search

MCP PubMed Search

用于搜索 PubMed 的服务器(PubMed 是一个免费的在线数据库,用户可以在其中搜索生物医学和生命科学文献)。 我是在 MCP 发布当天创建的,但当时正在度假。 我看到有人在您的数据库中发布了类似的服务器,但还是决定发布我的服务器。

精选
Python
mixpanel

mixpanel

连接到您的 Mixpanel 数据。 从 Mixpanel 分析查询事件、留存和漏斗数据。

精选
TypeScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Nefino MCP Server

Nefino MCP Server

为大型语言模型提供访问德国可再生能源项目新闻和信息的能力,允许按地点、主题(太阳能、风能、氢能)和日期范围进行筛选。

官方
Python
Vectorize

Vectorize

将 MCP 服务器向量化以实现高级检索、私有深度研究、Anything-to-Markdown 文件提取和文本分块。

官方
JavaScript
Mathematica Documentation MCP server

Mathematica Documentation MCP server

一个服务器,通过 FastMCP 提供对 Mathematica 文档的访问,使用户能够从 Wolfram Mathematica 检索函数文档和列出软件包符号。

本地
Python
kb-mcp-server

kb-mcp-server

一个 MCP 服务器,旨在实现便携性、本地化、简易性和便利性,以支持对 txtai “all in one” 嵌入数据库进行基于语义/图的检索。任何 tar.gz 格式的 txtai 嵌入数据库都可以被加载。

本地
Python
Research MCP Server

Research MCP Server

这个服务器用作 MCP 服务器,与 Notion 交互以检索和创建调查数据,并与 Claude Desktop Client 集成以进行和审查调查。

本地
Python
Cryo MCP Server

Cryo MCP Server

一个API服务器,实现了模型补全协议(MCP),用于Cryo区块链数据提取,允许用户通过任何兼容MCP的客户端查询以太坊区块链数据。

本地
Python