> ## 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. # Configurar el servidor MCP de ClickHouse con Ollama > Esta guía explica cómo configurar Ollama con el servidor MCP de ClickHouse. > Esta guía explica cómo usar el servidor MCP de ClickHouse con Ollama. Ollama es una biblioteca para ejecutar modelos de lenguaje de gran tamaño (LLM) en tu propia máquina. Tiene una [amplia variedad de modelos disponibles](https://ollama.com/library) y es fácil de usar. Puedes descargar Ollama para Mac, Windows o Linux desde la [página de descarga](https://ollama.com/download). Una vez que ejecutes Ollama, iniciará un servidor local en segundo plano que podrás usar para ejecutar modelos. También puedes iniciar el servidor manualmente con `ollama serve`. Una vez instalado, puedes descargar un modelo en tu máquina así: ```bash theme={null} ollama pull qwen3:8b ``` Esto descargará el modelo en tu máquina local si aún no está allí. Una vez descargado, puedes ejecutar el modelo así: ```bash theme={null} ollama run qwen3:8b ``` Solo [los modelos compatibles con herramientas](https://ollama.com/search?c=tools) funcionarán con los servidores MCP. Podemos listar así los modelos que hemos descargado: ```bash theme={null} ollama ls ``` ```text theme={null} NAME ID SIZE MODIFIED qwen3:latest 500a1f067a9f 5.2 GB 3 days ago ``` Podemos usar el siguiente comando para ver más información sobre el modelo que descargamos: ```bash theme={null} ollama show qwen3 ``` ```text theme={null} Model architecture qwen3 parameters 8.2B context length 40960 embedding length 4096 quantization Q4_K_M Capabilities completion tools Parameters repeat_penalty 1 stop "<|im_start|>" stop "<|im_end|>" temperature 0.6 top_k 20 top_p 0.95 License Apache License Version 2.0, January 2004 ``` Podemos ver en esta salida que el modelo qwen3 predeterminado tiene poco más de 8 mil millones de parámetros. En el momento de escribir esto (julio de 2025), no existe una funcionalidad nativa para usar Ollama con MCP servers. Sin embargo, podemos usar [MCPHost](https://github.com/mark3labs/mcphost) para ejecutar modelos de Ollama con MCP servers. MCPHost es una aplicación escrita en Go, por lo que tendrás que asegurarte de tener [Go instalado](https://go.dev/doc/install) en tu equipo. Después, puedes instalar MCPHost ejecutando el siguiente comando: ```bash theme={null} go install github.com/mark3labs/mcphost@latest ``` El binario se instalará en `~/go/bin`, por lo que debemos asegurarnos de que ese directorio esté en nuestro `PATH`. Podemos configurar servidores MCP con MCPHost en archivos YAML o JSON. MCPHost buscará archivos de configuración en tu directorio personal en el siguiente orden: 1. `.mcphost.yml` o `.mcphost.json` (preferido) 2. `.mcp.yml` o `.mcp.json` (compatibilidad con versiones anteriores) Utiliza una sintaxis similar a la del archivo de configuración estándar de MCP. Aquí tienes un ejemplo de configuración del servidor MCP de ClickHouse, que guardaremos en el archivo `~/.mcphost.json`: ```json theme={null} { "mcpServers": { "mcp-ch": { "type": "local", "command": ["uv", "run", "--with", "mcp-clickhouse", "--python", "3.10", "mcp-clickhouse" ] } } } ``` La principal diferencia con el archivo de configuración estándar de MCP es que debemos especificar un `type`. El valor de `type` se utiliza para indicar el tipo de transporte que usa el servidor MCP. * `local` → transporte stdio * `remote` → transporte de flujo * `builtin` → transporte en el mismo proceso También tendremos que configurar las siguientes variables de entorno: ```bash theme={null} export CLICKHOUSE_HOST=sql-clickhouse.clickhouse.com export CLICKHOUSE_USER=demo export CLICKHOUSE_PASSWORD="" ``` En teoría, deberías poder especificar estas variables en la clave `environment` del archivo de configuración de MCP, pero hemos comprobado que esto no funciona. Una vez configurado el ClickHouse MCP server, puedes ejecutar MCPHost con el siguiente comando: ```bash theme={null} mcphost --model ollama:qwen3 ``` O, si quieres que use un archivo de configuración específico: ```bash theme={null} mcphost --model ollama:qwen3 --config ~/.mcphost.json ``` Si no especificas `--model`, MCPHost buscará `ANTHROPIC_API_KEY` en las variables de entorno y usará el modelo `anthropic:claude-sonnet-4-20250514`. Deberíamos ver el siguiente resultado: ```text theme={null} ┃ ┃ ┃ Model loaded: ollama (qwen3) ┃ ┃ MCPHost System (09:52) ┃ ┃ ┃ ┃ ┃ ┃ Model loaded successfully on GPU ┃ ┃ MCPHost System (09:52) ┃ ┃ ┃ ┃ ┃ ┃ Loaded 3 tools from MCP servers ┃ ┃ MCPHost System (09:52) ┃ ┃ ┃ Enter your prompt (Type /help for commands, Ctrl+C to quit, ESC to cancel generation) ``` Podemos usar el comando `/servers` para ver la lista de servidores MCP: ```text theme={null} ┃ ┃ ┃ ## Configured MCP servers ┃ ┃ ┃ ┃ 1. mcp-ch ┃ ┃ MCPHost System (10:00) ┃ ┃ ``` Y `/tools` para ver las herramientas disponibles: ```text theme={null} ┃ ## Available Tools ┃ ┃ ┃ ┃ 1. mcp-ch__list_databases ┃ ┃ 2. mcp-ch__list_tables ┃ ┃ 3. mcp-ch__run_select_query ``` Luego, podemos hacerle al modelo preguntas sobre las bases de datos/tablas disponibles en el playground de ClickHouse SQL. Según nuestra experiencia, al usar modelos más pequeños (el modelo qwen3 predeterminado tiene 8 mil millones de parámetros), tendrás que ser más específico con lo que quieres que haga. Por ejemplo, tendrás que pedirle explícitamente que enumere las bases de datos y las tablas, en lugar de pedirle de entrada que consulte una tabla concreta. Puedes mitigar parcialmente este problema usando un modelo más grande (p. ej., qwen3:14b), pero se ejecutará más lentamente en hardware de consumo.