Wren AI 在 0.18.0 中新增了遵循项目规则的智能体服务，以及管理外部工具数据查询的通道。数据与分析团队可以设定向外部智能体展示的项目信息，并配置为在执行前检查查询是否符合内部业务规则。

1. 委托查询与直接执行适用相同规则

此版本新增了 wren serve agent 和 wren serve mcp --service-config。在智能体服务中，外部智能体委托问题后，内部工作器会读取项目信息并编写 SQL。在托管式 MCP 中，外部工具直接发送 SQL，两条通道均在策略检查后执行只读查询。

这种方式同时管理项目资料库和执行入口。可以分别设定向外部智能体展示的资料，以及内部工作器用于生成查询的资料。两项服务均为可选，常规查询执行和现有非托管式 MCP 的行为保持不变。

使用服务时，需要指定项目与服务配置、智能体配置文件、运行程序的运行时，以及将代码转换为可执行形式的编译器路径，并将其注册到外部客户端的 MCP 连接中。托管式 MCP 也使用这套配置。下方原文示例的服务配置包含策略、连接信息、工作器模型、描述公开数据结构与属性的元数据，以及执行限制。

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}

管理员可选择预设，即预先定义的文档及结果依据公开范围的配置组合。示例提供四种预设，默认不向外部智能体展示元数据，结果依据的公开范围也最窄。

默认连接使用标准输入输出。智能体服务还支持通过本地令牌在同一设备内接入的 HTTP 连接，托管式 MCP 则通过标准输入输出连接。

2. 项目文档成为查询检查依据

服务启动时会读取项目的数据结构与关系、知识文档、已保存的查询及仪表板，构建用于辅助编写查询的背景信息，即上下文，以及元素之间的引用关系，即依赖关系。对外输出的元数据受策略限制，内部工作器则使用项目上下文构建查询。

在托管通道中，SQL 执行前会检查模型与列限制，以及项目声明的基本规则。即使检查器无法判断是否允许，也会拒绝执行。例如，若项目声明了排除测试订单或货币换算规则，就会检查每条查询是否符合这些条件。智能体通道还会从结构上检查汇率表的关联方式是否符合声明的规则。

需屏蔽的列在项目规则文件中声明。这些列会从元数据中排除，读取这些列的 SQL 也会在核验权限并决定是否放行的授权阶段被拒绝。结果中包含查询读取的数据、应用的规则等证据，供规划器在允许范围内作出判断。

3. 控制公开范围的代价是配置管理

这种结构为每个项目固定规则和公开范围，在外部智能体的查询偏离内部标准之前将其拦截，并留下判断依据。相应地，运维人员需要管理项目配置、策略及私有工作器运行时，并确定对外公开的文档范围。配置工作器模型和连接信息也是引入服务的一部分。

若审计记录保存失败，服务会停止受控的结果交付，要求运维人员恢复存储位置后重启。这种结构将审计记录与查询结果输出阶段也绑定在一起运行。

检查并不能全面验证实际数据值，或连接操作导致行数增加的影响；将已保存查询作为表使用的虚拟数据表，即视图，其保证条件也依赖作者的声明。托管式智能体查询会拒绝视图读取其他视图的结构，因此引入前需检查项目的视图依赖关系。

4. 已发布功能与本地测试结果

Wren AI 于 2026年11月10日发布了 0.18.0。据公司公布，相关变更请求中报告的最终代码本地确定性运行时测试，即相同输入产生相同结果的测试，共有 3,572 项通过、6 项跳过。这些数字可理解为指定本地运行时测试集的通过情况。

Wren AI 0.18.0 的核心在于，以项目上下文和规则作为外部智能体查询的边界，通过服务配置提供受控的数据使用能力。