mcpField
V
Vero

Vero

本地服务
github.com/kpi-zone数据与分析351 周前更新
代码仓库

关于 Vero

Vero 是面向团队的开源、可自托管分析与 AI 编排栈，将数据分析与 Agent 工作流结合。其模块化架构涵盖数据摄取、建模、仪表板、自然语言查询和编排。

主要功能

  1. 01模块化分析栈
  2. 02数据摄取与仓库层
  3. 03Cube.js 语义建模
  4. 04Metabase 仪表板
  5. 05自然语言查询 Agent
  6. 06多 Agent 工作流编排

适用场景

  1. 01在本地或自有基础设施部署分析
  2. 02用自然语言查询建模数据
  3. 03自动执行多 Agent 任务及后续流程

MCP 相关

Vero 包含基于 Agno 构建的 AI Agent 接口和 MCP 服务，用于将分析栈接入自然语言 Agent 工作流。

#kpis#cubejs#mcp-server

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "Vero": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "compose"
      ]
    }
  }
}
启动命令docker run -i --rm compose

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
ocicompose

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

许可证：GPL v3

Vero

Vero 是一套现代化的开源分析与 AI 编排技术栈，旨在帮助组织实现数据驱动和 Agent 驱动，而无需依赖黑盒 SaaS 平台或臃肿的企业级 BI 工具。

它将一流的开源技术整合到模块化架构中，让你能够通过交互式仪表板和自然语言 Agent，实现数据摄取、建模、可视化和查询。

但 Vero 不止于分析。

它还支持 Agentic AI，实现多 Agent 工作流、动态编排和感知性能的协同，让 AI 系统能够在复杂环境中采取实际行动，同时保持可观测、可审计和可治理。

Vero 技术栈

为什么选择 Vero？

让中小型团队能够轻松采用现代、开放且可自托管的分析 + AI 技术栈，同时不放弃控制权。

❌ 常见痛点
  • 供应商平台不透明，逻辑不清晰
  • 数据工具复杂且缺乏灵活性，难以集成
  • 仅仅为了获取基本指标，就要将数据发送到第三方云
  • 无法了解 AI Agent 在做什么，也不知道原因
  • 难以将 AI 工作流扩展到一次性脚本之外

✅ Vero 解决的问题

Vero 旨在通过一套简洁、可组合的参考架构来应对这些挑战，将现代分析与智能、可治理的 Agent 编排结合起来。

🚀 我们的目标
  • Agent 优先的编排：原生支持多 Agent 环境，提供工作流自动化、决策委派和感知性能的编排
  • 可自托管的分析：在自己的基础设施上运行整个技术栈，不受供应商锁定，也没有隐藏费用
  • 数据主权：你的数据留在它应该在的地方——你的基础设施内
  • 模块化且现代：基于当今最优秀的开源工具构建（Cube.js、Metabase、n8n、Streamlit、PostgreSQL 等）
  • 自然语言界面：用户可以通过集成的大模型 Agent 提出复杂问题并获得答案
  • 可扩展架构：专为既需要实时洞察又需要 AI 可执行性的环境设计
  • 团队友好：旨在同等支持工程师、分析师和领域专家，无需专业化分工

借助 Vero，你不只是使用数据，还在构建能够推理、决策和行动的智能系统。

而且，整个流程都由你掌控。

从数据摄取到可视化，从原始事实到编排后的 Agent，Vero 让你的团队能够清晰掌握、有效控制并灵活组合，安全、透明且可规模化地从洞察走向行动。

🧱 架构概览

Vero 由六个层组成：

  1. 数据摄取 – 由 Airbyte 提供支持
  2. 数据仓库 – 默认使用 PostgreSQL（可替换为 Apache Doris 或 DuckDB）
  3. 语义建模 – Cube.js
  4. AI Agent 界面 – Agno + MCP 服务
  5. Agentic AI 工作流编排 – 使用 n8n 自动化 Agent 任务和后续跟进
  6. BI 与仪表板 – Metabase（可选：Superset、Tableau、Power BI 等）

各层之间的耦合度较低，可按需替换或扩展。

📦 包含哪些内容？

  • 预构建的 Docker 环境，可用于本地或本地部署
  • 基于 Contoso Retail 模型的示例数据集
  • Cube.js 中可直接使用的语义模型和视图
  • 由 GPT 或 Claude 驱动的自然语言查询 Agent
  • 借助 n8n 实现自动化工作流和 Agent 式 AI 编排
  • 通过 Metabase 提供传统仪表板和可视化
  • 用于路由和流量管理的 NGINX 反向代理配置
  • 通过 nginx-proxy 和 docker-gen 自动配置 Let's Encrypt SSL 证书，开箱即用地提供安全 HTTPS

🧪 快速开始

# 1. Clone the repository
$ git clone https://github.com/kpi-zone/Vero.git
$ cd Vero
🐳 选择合适的 Docker Compose 文件

Vero 支持两种版本的 Docker Compose 配置。

之所以需要这两个版本，是因为默认的 Metabase 镜像（metabase/metabase:latest）开箱即用时不支持 ARM64 架构。如果你在 ARM64 设备（例如 Apple Silicon）上运行 Vero，则需要使用兼容的镜像，以确保 Metabase 正常启动。

文件说明
docker-compose.yaml适用于大多数 x86_64 环境的默认版本
docker-compose.arm64.yaml适用于 Apple Silicon（M1/M2 芯片）等 ARM 系统的专用版本

查看系统架构：

uname -m
  • x86_64 → 使用 docker-compose.yaml
  • arm64 → 使用 docker-compose.arm64.yaml
运行整个服务栈：
# For x86_64:
docker compose --env-file .env.dev -f docker-compose.yaml up --build

# For ARM64 (Apple Silicon):
docker compose --env-file .env.dev -f docker-compose.arm64.yaml up --build

完整说明和环境配置请参阅 docs/quickstart.md。

📚 文档

❤️ 欢迎贡献

这是一个面向社区的参考项目。我们欢迎：

  • 功能建议和 Bug 报告
  • 文档、UX 和新手引导方面的改进
  • 新的数据源、转换流程和 AI 插件

欢迎提交 PR 或 issue！

📄 许可证

Vero 使用 GPL-3.0 许可证。所有包含的第三方项目均遵循各自的许可证。

如需支持、交流想法或获取集成帮助，请通过 GitHub Discussions 联系我们，或提交 issue。我们正在打造 Vero，让它成为面向所有人的现代化、自主管理分析基础。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。