用途：该技能帮助用户端到端搭建 Wren Engine，从创建工作区到通过 MCP 执行第一次查询。各阶段委托给专门技能，需按顺序执行。
前置条件：须已安装依赖技能 wren-generate-mdl、wren-project、wren-mcp-setup、wren-connection-info；若缺失，先用 /wren-usage 处理安装，再返回此处。
第一阶段——创建工作区：若用户本地运行 ibis-server（而非仅用 Docker 版），需先建 Python 虚拟环境：python3 -m venv .venv，激活后 pip install --upgrade pip。建议将 venv 放在工作区目录内或相邻处，并加入 .gitignore。随后创建专用工作区目录（如 mkdir -p ${PWD}/wren-workspace），保存绝对路径为 <WORKSPACE_PATH>，该目录会挂载进 Docker 容器以便读写 MDL 文件。完成后推荐布局为 wren_project.yml、models/*.yml、relationships.yml、views.yml 及 target/mdl.json。
第二阶段——启动 Docker 并注册 MCP：调用 @wren-mcp-setup，并传入 <WORKSPACE_PATH> 作为挂载路径。该技能会以 -v <WORKSPACE_PATH>:/workspace 启动容器、设置 MDL_PATH=/workspace/target/mdl.json、注册 MCP 服务器并验证容器运行。容器运行后，打开 Web UI（http://localhost:9001）填写数据源凭据并保存，凭据不会暴露给对话；若数据库在本地，主机地址用 host.docker.internal 而非 localhost。随后必须开启新的 Claude Code 会话以加载 MCP 工具，未开启前不要进入第三阶段。
第三阶段——生成 MDL 并保存项目：先调用 @wren-generate-mdl：运行 health_check() 验证连接，询问数据源类型与可选 schema 过滤，通过 MCP 调用 list_remote_tables() 与 list_remote_constraints() 获取结构，构建含模型、列、关系的 MDL JSON，并用 deploy_manifest() 加 dry_run() 校验。随后调用 @wren-project，将项目文件写入 <WORKSPACE_PATH> 并编译出 target/mdl.json。
第四阶段——验证并查询：用 health_check() 确认 Wren Engine 可达（预期 SELECT 1 成功）。通过后即可开始查询，例如“orders 表中有多少订单？”。失败则按 wren-mcp-setup 的排查步骤处理。
限制与排查：MCP 工具仅在会话启动时加载，注册后需开新会话；不要直接调用 ibis-server API，始终使用 MCP 工具。若 wren-generate-mdl 失败，检查容器是否运行（docker ps --filter name=wren-mcp）、Web UI 连接信息是否配置、注册后是否开新会话。Docker 内连接被拒时，将 localhost/127.0.0.1 改为 host.docker.internal。版本检查：可获取 https://raw.githubusercontent.com/Canner/wren-engine/main/skills/versions.json，若远端较新则提示用户更新：npx skills add Canner/wren-engine --skill wren-quickstart --agent claude-code。