> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# استخدام خادم ClickHouse MCP مع LibreChat

> يشرح هذا الدليل كيفية إعداد LibreChat باستخدام خادم ClickHouse MCP عبر Docker.

export const Image = ({img, alt, size = "lg"}) => {
  const normalizedSize = ["sm", "md", "lg"].includes(size) ? size : "lg";
  return <div className={`ch-image-${normalizedSize}`}>
      <Frame>
        <img src={img} alt={alt} />
      </Frame>
    </div>;
};

> يشرح هذا الدليل كيفية إعداد LibreChat مع خادم ClickHouse MCP باستخدام Docker
> وربطه بمجموعات البيانات النموذجية في ClickHouse.

<Steps>
  <Step title="تثبيت Docker" id="install-docker">
    ستحتاج إلى Docker لتشغيل LibreChat وخادم MCP. للحصول على Docker:

    1. انتقل إلى [docker.com](https://www.docker.com/products/docker-desktop)
    2. نزّل Docker Desktop لنظام التشغيل الذي تستخدمه
    3. ثبّت Docker باتباع الإرشادات الخاصة بنظام التشغيل لديك
    4. افتح Docker Desktop وتأكد من أنه قيد التشغيل

    <br />

    لمزيد من المعلومات، راجع [وثائق Docker](https://docs.docker.com/get-docker/).
  </Step>

  <Step title="استنسخ مستودع LibreChat" id="clone-librechat-repo">
    افتح الطرفية (موجّه الأوامر أو Terminal أو PowerShell) واستنسخ
    مستودع LibreChat باستخدام الأمر التالي:

    ```bash theme={null}
    git clone https://github.com/danny-avila/LibreChat.git
    cd LibreChat
    ```
  </Step>

  <Step title="أنشئ وعدّل ملف .env" id="create-and-edit-env-file">
    انسخ ملف التهيئة النموذجي من `.env.example` إلى `.env`:

    ```bash theme={null}
    cp .env.example .env
    ```

    افتح ملف `.env` في محرر النصوص المفضل لديك. سترى أقسامًا للعديد من
    مزودي خدمات LLM الشائعين، بما في ذلك OpenAI وAnthropic وAWS bedrock وغيرها،
    مثل:

    ```text title=".venv" highlight={4} theme={null}
    #============#
    # Anthropic  #
    #============#
    ANTHROPIC_API_KEY=user_provided
    # ANTHROPIC_MODELS=claude-opus-4-20250514,claude-sonnet-4-20250514,claude-3-7-sonnet-20250219,claude-3-5-sonnet-20241022,claude-3-5-haiku-20241022,claude-3-opus-20240229,claude-3-sonnet-20240229,claude-3-haiku-20240307
    # ANTHROPIC_REVERSE_PROXY=
    ```

    استبدل `user_provided` بمفتاح واجهة برمجة التطبيقات الخاص بك لموفّر LLM الذي تريد استخدامه.

    <Info>
      **استخدام LLM محلي**

      إذا لم يكن لديك مفتاح واجهة برمجة تطبيقات، يمكنك استخدام LLM محلي مثل Ollama. سترى كيفية
      القيام بذلك لاحقًا في الخطوة ["تثبيت Ollama"](#add-local-llm-using-ollama). في الوقت الحالي،
      لا تُعدّل ملف .env وتابع الخطوات التالية.
    </Info>
  </Step>

  <Step title="أنشئ ملف librechat.yaml" id="create-librechat-yaml-file">
    نفّذ الأمر التالي لإنشاء ملف `librechat.yaml` جديد:

    ```bash theme={null}
    cp librechat.example.yaml librechat.yaml
    ```

    يؤدي هذا إلى إنشاء [ملف التهيئة](https://www.librechat.ai/docs/configuration/librechat_yaml) الرئيسي لـ LibreChat.
  </Step>

  <Step title="أضِف ClickHouse MCP server إلى Docker Compose" id="add-clickhouse-mcp-server-to-docker-compose">
    بعد ذلك، سنضيف ClickHouse MCP server إلى ملف Docker Compose الخاص بـ LibreChat
    حتى يتمكن نموذج اللغة الكبير من التفاعل مع
    [ClickHouse SQL playground](https://sql.clickhouse.com/).

    أنشئ ملفًا باسم `docker-compose.override.yml` وأضِف إليه التكوين التالي:

    ```yml title="docker-compose.override.yml" theme={null}
    services:
      api:
        volumes:
          - ./librechat.yaml:/app/librechat.yaml
      mcp-clickhouse:
        image: mcp/clickhouse
        container_name: mcp-clickhouse
        ports:
          - 8001:8000
        extra_hosts:
          - "host.docker.internal:host-gateway"
        environment:
          - CLICKHOUSE_HOST=sql-clickhouse.clickhouse.com
          - CLICKHOUSE_USER=demo
          - CLICKHOUSE_PASSWORD=
          - CLICKHOUSE_MCP_SERVER_TRANSPORT=sse
          - CLICKHOUSE_MCP_BIND_HOST=0.0.0.0
    ```

    إذا كنت تريد استكشاف بياناتك الخاصة، فيمكنك القيام بذلك باستخدام
    [المضيف واسم المستخدم وكلمة المرور](/docs/ar/get-started/setup/cloud#connect-with-your-app)
    لخدمة ClickHouse Cloud الخاصة بك.

    <Card title="ابدأ باستخدام ClickHouse Cloud" href="https://cloud.clickhouse.com/" icon="cloud">
      إذا لم يكن لديك حساب Cloud بعد، فابدأ باستخدام ClickHouse Cloud اليوم واحصل على رصيد بقيمة 300 دولار. بعد انتهاء الفترة التجريبية المجانية لمدة 30 يومًا، يمكنك المتابعة عبر خطة الدفع حسب الاستخدام، أو التواصل معنا لمعرفة المزيد عن الخصومات القائمة على حجم الاستخدام. تفضّل بزيارة صفحة الأسعار لمزيد من التفاصيل.
    </Card>
  </Step>

  <Step title="تهيئة خادم MCP في librechat.yaml" id="configure-mcp-server-in-librechat-yaml">
    افتح `librechat.yaml` وأضف التكوين التالي في نهاية الملف:

    ```yml theme={null}
    mcpServers:
      clickhouse-playground:
        type: sse
        url: http://host.docker.internal:8001/sse
    ```

    يؤدي ذلك إلى تهيئة LibreChat للاتصال بخادم MCP الذي يعمل على Docker.

    اعثر على السطر التالي:

    ```text title="librechat.yaml" theme={null}
    socialLogins: ['github', 'google', 'discord', 'openid', 'facebook', 'apple', 'saml']
    ```

    للتبسيط، سنلغي الحاجة إلى المصادقة في الوقت الحالي:

    ```text title="librechat.yaml" theme={null}
    socialLogins: []
    ```
  </Step>

  <Step title="أضِف نموذج LLM محليًا باستخدام Ollama (اختياري)" id="add-local-llm-using-ollama">
    ### ثبّت Ollama

    انتقل إلى [موقع Ollama](https://ollama.com/download) وثبّت Ollama على نظامك.

    بعد التثبيت، يمكنك تشغيل نموذج على النحو التالي:

    ```bash theme={null}
    ollama run qwen3:32b
    ```

    سيؤدي ذلك إلى تنزيل النموذج إلى جهازك المحلي إذا لم يكن موجودًا.

    للاطلاع على قائمة بالنماذج، راجع [مكتبة Ollama](https://ollama.com/library)

    ### إعداد Ollama في librechat.yaml

    بمجرد تنزيل النموذج، اضبطه في `librechat.yaml`:

    ```text title="librechat.yaml" theme={null}
    custom:
      - name: "Ollama"
        apiKey: "ollama"
        baseURL: "http://host.docker.internal:11434/v1/"
        models:
          default:
            [
              "qwen3:32b"
            ]
          fetch: false
        titleConvo: true
        titleModel: "current_model"
        summarize: false
        summaryModel: "current_model"
        forcePrompt: false
        modelDisplayLabel: "Ollama"
    ```
  </Step>

  <Step title="ابدأ جميع الخدمات" id="start-all-services">
    من المجلد الجذر لمشروع LibreChat، شغّل الأمر التالي لبدء الخدمات:

    ```bash theme={null}
    docker compose up
    ```

    انتظر حتى تعمل جميع الخدمات بالكامل.
  </Step>

  <Step title="افتح LibreChat في متصفحك" id="open-librechat-in-browser">
    بمجرد تشغيل جميع الخدمات، افتح متصفحك وانتقل إلى `http://localhost:3080/`

    أنشئ حسابًا مجانيًا على LibreChat إذا لم يكن لديك حساب بعد، ثم سجّل الدخول. ينبغي أن
    تظهر لك الآن واجهة LibreChat متصلة بخادم ClickHouse MCP، وربما أيضًا
    بنموذج LLM المحلي لديك.

    من واجهة الدردشة، حدّد `clickhouse-playground` بوصفه خادم MCP لديك:

    <Image img="https://mintcdn.com/private-7c7dfe99/F7iOqwDUBB9E2S65/images/use-cases/AI_ML/MCP/librechat.webp?fit=max&auto=format&n=F7iOqwDUBB9E2S65&q=85&s=7ee35425c42685cb0f7415cf65cd35ad" alt="حدّد خادم MCP لديك" size="md" width="1630" height="918" data-path="images/use-cases/AI_ML/MCP/librechat.webp" />

    يمكنك الآن مطالبة نموذج LLM باستكشاف مجموعات البيانات التجريبية في ClickHouse. جرّب ذلك:

    ```text title="Prompt" theme={null}
    What datasets do you have access to?
    ```
  </Step>
</Steps>

<Note>
  إذا لم يظهر خيار خادم MCP في واجهة مستخدم LibreChat،
  فتحقّق من ضبط الأذونات المناسبة في ملف `librechat.yaml`.
</Note>

إذا كانت قيمة `use` مضبوطة على `false` في قسم `mcpServers` ضمن `interface`، فلن تظهر القائمة المنسدلة لاختيار MCP في الدردشة:

```yml title="librechat.yaml" theme={null}
interface:
  mcpServers:
    use: true
    share: false
    create: false
    public: false
```