Wren AI：GenBI 与上下文引擎平台

1. 核心定位

Wren AI 是一个开源的 GenBI（生成式商业智能） 与 上下文引擎平台。它致力于解决传统 Text-to-SQL 工具缺乏业务语义定义和企业治理规则的问题，在 AI Agent 与企业数据库之间构建透明、可控的“业务上下文层”。

2. 架构模式

Wren AI 采用 Open-Core（开源核心） 架构模式：

1. 底层开源核心：包含上下文引擎、MDL（建模定义语言）、Text-to-SQL 管道、MCP 服务及 CLI。该层托管于 GitHub，遵循 Apache-2.0 协议代码公开可审计，可直接集成进各种 AI Coding 工具与 Agent。
2. 上层商业平台：基于开源引擎构建，提供可视化 GenBI UI、仪表盘、Agentic 交互模式、团队权限管理、行列级数据安全防护以及云端/私有化托管服务。

3. 主要功能特性

1. MDL 语义建模：将业务指标、实体关系和计算公式定义为代码并存入 Git 仓库，避免 LLM 在生成 SQL 时因缺少业务上下文而出现幻觉。
2. 自然语言转图表（Text-to-SQL & Chart）：支持将自然语言问题准确转化为具备语法与语义校验的 SQL，并自动生成可视化图表与分析报表。
3. 原生 MCP 支持与 Agent 集成：提供 MCP Server 接口，可与 Cursor、Claude Code、Cline 等 AI Agent 工具原生对接。
4. 多数据源支持：原生对接 20+ 主流数据库与数据仓库（如 PostgreSQL、Snowflake、BigQuery、ClickHouse、Redshift、Databricks 等），实现原地查询，确保 Data stays in place。
5. 干跑验证与错误修复：生成 SQL 后在后端先行校验并自愈，降低执行失败率。

4. 适用人群划分

1. 数据工程师 / AI Agent 开发者：希望在 Agent 项目中引入准确的数据查询能力，使用 CLI/MCP 构建自然语言分析工作流。
2. 数据分析师 / BI 团队：减少重复的 SQL 编写工作，统一团队业务指标定义（MDL），快速响应业务部门的灵活查询需求。
3. 企业管理与业务人员：通过自然语言直接与数据库交互，自助式获取报表与图表，无需依赖数据团队排期。

5. 版本类型与费用方案

Wren AI 划分为开源版与商业托管版，具体配置如下：

1. Open Source（开源版）：包含核心上下文引擎、MDL 建模、MCP 服务、CLI 工具及 20+ 数据库连接器（不含默认图形界面 UI）。费用标准为免费。
2. Essential Cloud：在开源引擎功能基础上，增加 Web UI 界面、仪表盘、GenBI 应用模式及托管运行能力。费用约为 $179/月（按年计费）。
3. Enterprise Cloud：包含 Essential 版所有功能，并提供强化安全控制、高级审计与权限管理以及更多 API 调用额度。费用约为 $559/月（按年计费）。
4. Enterprise Plus（私有化部署）：可部署于企业 VPC 或物理隔离环境（Air-gapped），提供行列级数据安全防护及专属 SLA 与支持方案，价格按并发与需求定制。

6. 使用指南

方式一：开发者命令行 / AI Agent 模式（免费开源）

1. 安装 CLI：运行命令 pip install wrenai 以完成核心组件的安装。
2. 配置 Agent Skill：在环境中执行 npx skills add Canner/WrenAI，将 Wren 能力注入到 AI Tools。
3. 引导初始化：向 Agent 提示 Use Wren to set up my database，系统将按交互式步骤连接数据库并生成 MDL 建模文件。

方式二：云端 Web UI 模式（Teams & 企业）

1. 账号注册：访问 Wren AI Cloud 官网进行账号创建与登录。
2. 数据源连接：输入数据库连接串，确保数据保留在原库不迁移。
3. AI 自动建模：引导 AI 扫描 Data Schema，辅助定义 MDL 业务指标文件。
4. 交互式查询：在 Web 界面中通过自然语言对话发起查询、生成仪表盘并分享给团队。

7. 注意事项与最佳实践

1. 开源版无默认 UI：开源引擎定位为 AI Agent 的底层上下文层（支持 CLI/MCP），若需可视化 Dashboard，请使用 Cloud 版本或自建适配。
2. MDL 语义至关重要：单纯依赖 LLM 猜 Schema 容易出错，使用 Wren AI 前须认真梳理关键业务指标与关联关系，规范的 MDL 能显著提升 Text-to-SQL 准确率。
3. 数据隐私保护：查询过程仅将 Schema/MDL 上下文发送给大模型，原始数据仍在本地仓库执行；若对安全敏感建议私有化部署并搭配企业私有 LLM API。