Wren AI가 0.18.0에서 프로젝트 규칙을 따르는 에이전트 서비스와 외부 도구의 데이터 질의를 관리하는 경로를 추가했다. 데이터·분석팀은 외부 에이전트에 보여줄 프로젝트 정보를 정하고, 질의가 내부 업무 규칙에 맞는지 실행 전에 검사하도록 구성할 수 있다.

1. 질의 위임과 직접 실행에 같은 규칙 적용

이번 버전은 wren serve agent와 wren serve mcp --service-config를 추가했다. 에이전트 서비스에서는 외부 에이전트가 질문을 맡기면 내부 작업자가 프로젝트 정보를 읽고 SQL을 작성한다. 관리형 MCP에서는 외부 도구가 SQL을 직접 보내며, 두 경로 모두 읽기 전용 질의를 정책 검사 뒤 실행한다.

이는 프로젝트 자료실과 실행 창구를 함께 관리하는 방식이다. 외부 에이전트에게 보여줄 자료와 내부 작업자가 질의를 만드는 데 쓰는 자료를 따로 정할 수 있다. 두 서비스는 선택 사항으로, 일반 질의 실행과 기존 비관리형 MCP 동작은 유지된다.

서비스를 쓰려면 프로젝트와 서비스 설정, 에이전트 프로필, 프로그램을 실행하는 환경인 런타임과 코드를 실행용으로 바꾸는 컴파일러 경로를 지정하고 외부 클라이언트의 MCP 연결에 등록한다. 관리형 MCP도 이 구성을 사용한다. 아래 원문 예제의 서비스 설정은 정책, 연결 정보, 작업자 모델, 공개할 데이터의 구조와 속성을 설명하는 메타데이터와 실행 제한을 담는다.

config_version: 2
caller: local-planner
project_id: synthetic-orders
policy: policy.cedar
connection: {datasource: local_file, url: ../data, format: duckdb}   # optional; see below
metadata_selection: []
private_model: {id: nvidia/nemotron-3.5-lightning-30b-a3b, base_url: https://integrate.api.nvidia.com/v1, credential_env: NVIDIA_INFERENCE_API_KEY}
execution: {deadline_ms: 120000}

관리자는 문서와 결과 근거의 공개 범위를 묶은 미리 정한 설정 묶음인 프리셋을 고를 수 있다. 예제는 네 가지 프리셋을 제공하며, 기본값은 외부 에이전트에게 메타데이터를 보여주지 않고 결과 근거도 가장 좁게 공개한다.

기본 연결은 표준 입출력을 쓴다. 에이전트 서비스에는 같은 기기 안에서 로컬 토큰으로 접속하는 HTTP 연결도 있으며, 관리형 MCP는 표준 입출력으로 연결한다.

2. 프로젝트 문서가 질의 검사 기준으로

서비스는 시작할 때 프로젝트의 데이터 구조와 관계, 지식 문서, 저장된 질의·대시보드를 읽어 질의 작성에 참고하는 배경 정보인 컨텍스트와 한 요소가 다른 요소를 참조하는 관계인 의존 관계를 만든다. 외부에 내보내는 메타데이터는 정책으로 제한하고 내부 작업자는 프로젝트 컨텍스트를 사용해 질의를 구성한다.

관리형 경로에서 SQL은 실행 전에 모델·열 제한과 프로젝트가 선언한 기본 규칙을 검사한다. 검사기가 허용 여부를 판단하지 못하는 경우에도 실행을 거부한다. 예를 들어 프로젝트가 테스트 주문 제외나 통화 환산 규칙을 선언했다면 각 질의가 그 조건에 맞는지 확인한다. 에이전트 경로는 환율표를 연결하는 방식이 선언된 규칙에 맞는지도 구조적으로 검사한다.

차단할 열은 프로젝트 규칙 파일에 선언한다. 해당 열은 메타데이터에서 제외되고 그 열을 읽는 SQL도 권한을 확인해 허용하는 절차인 인가 단계에서 거절된다. 결과에는 질의가 읽은 데이터와 적용 규칙 등의 증거를 담아 계획자가 허용된 범위 안에서 판단하도록 한다.

3. 공개 범위 통제의 대가는 설정 관리

이 구조는 프로젝트마다 규칙과 노출 범위를 고정해, 외부 에이전트의 질의가 내부 기준을 벗어나기 전에 차단하고 판단 근거를 남긴다. 대신 운영자는 프로젝트 설정과 정책, 사설 작업자 런타임을 관리하고 외부에 공개할 문서 범위를 정해야 한다. 작업자 모델과 연결 정보를 구성하는 일도 서비스 도입 과정에 포함된다.

감사 기록 저장에 실패하면 서비스는 통제된 결과 전달을 멈추고, 운영자가 저장 위치를 복구한 뒤 재시작하도록 한다. 질의 결과를 내보내는 단계까지 감사 기록과 묶어 운영하는 구조다.

검사는 실제 데이터 값이나 조인으로 행이 늘어나는 영향을 모두 증명하지 않으며, 저장 질의를 표처럼 다루는 가상 데이터 표인 뷰의 보장 조건도 작성자의 선언에 의존한다. 관리형 에이전트 질의에서는 뷰가 다른 뷰를 읽는 구성이 거부되므로 도입 전에 프로젝트의 뷰 의존 관계를 살펴야 한다.

4. 공개된 기능과 로컬 시험 결과

Wren AI는 2026년 11월 10일 0.18.0을 공개했다. 기능을 담은 변경 요청에서 보고한 최종 코드의 로컬 결정론적, 같은 입력에 같은 결과를 내는, 런타임 시험 결과는 회사 발표 기준 3,572건 통과, 6건 건너뜀이다. 이 수치는 정해진 로컬 런타임 시험 묶음의 통과 현황으로 읽을 수 있다.

Wren AI 0.18.0의 핵심은 프로젝트 문맥과 규칙을 외부 에이전트 질의의 경계로 삼아, 통제된 데이터 활용을 서비스 구성으로 제공한 점이다.