Wren Engine是一款专为MCP客户端和AI Agent设计的语义引擎，旨在弥合LLM与企业数据之间的鸿沟。它通过构建在MCP客户端中的语义层，为AI Agent提供精确的业务上下文，确保AI能够准确、有上下文地访问业务数据，实现对业务数据的精确访问和治理。Wren Engine与现代数据栈（如PostgreSQL、MySQL、Snowflake等）无缝互操作，使AI能够“理解”数据模型和业务逻辑，同时尊重角色、访问控制和定义，保证数据安全。开发者可将其嵌入到任何MCP客户端或AI Agent工作流中，利用其建模定义语言(MDL)定义数据模型。Wren Engine通过解释意图，将其映射到正确的数据，准确地应用计算，并确保安全性，从而解决企业在数据理解和可信计算方面的挑战。

语义层构建

Wren Engine的核心在于其语义层，它构建于MCP客户端之中，为AI Agent提供精确的业务上下文。这意味着AI不再直接处理原始数据，而是通过Wren Engine理解数据的含义、关系和业务规则。该语义层充当了AI Agent与底层数据之间的桥梁，确保AI能够准确地解释用户意图，并将其转化为对数据的有效操作。例如，当用户询问“过去一个月销售额最高的五款产品是什么？”时，Wren Engine能够理解“销售额”、“产品”等业务术语，并将其映射到数据库中相应的字段和表，从而生成正确的查询。这避免了AI因误解数据含义而产生错误结果，提高了数据交互的准确性和可靠性。

建模定义语言 (MDL)

Wren Engine使用建模定义语言（MDL）来定义数据模型。MDL是一种声明式语言，允许开发者以简洁、易懂的方式描述数据的结构、关系和业务逻辑。通过MDL，开发者可以定义实体、属性、关系、计算字段等，从而构建一个完整的业务数据模型。这个模型不仅包含了数据的物理结构，还包含了数据的语义信息。例如，可以使用MDL定义一个“客户”实体，包含“姓名”、“地址”、“订单”等属性，并定义“订单”与“客户”之间的关系。AI Agent可以通过查询MDL模型，了解数据的结构和含义，从而更好地理解用户意图，并生成正确的查询。MDL的使用简化了数据模型的管理和维护，提高了AI Agent的开发效率。

治理就绪与权限控制

Wren Engine的设计充分考虑了企业数据治理的需求，内置了角色、访问控制和定义等功能。这意味着Wren Engine可以根据用户的角色和权限，限制其对数据的访问和操作。例如，可以定义一个“销售经理”角色，允许其查看所有客户的销售数据，但禁止其修改客户信息。Wren Engine会将这些权限规则应用到AI Agent的查询中，确保AI Agent只能访问其有权访问的数据。这有效地保护了企业数据的安全性和合规性，避免了数据泄露和滥用风险。通过与企业现有的身份验证和授权系统集成，Wren Engine可以实现细粒度的数据访问控制，满足企业严格的数据安全要求。