> ## 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.

# Utiliser le serveur MCP ClickHouse avec LibreChat

> Ce guide explique comment configurer LibreChat avec un serveur MCP ClickHouse à l’aide de 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>;
};

> Ce guide explique comment configurer LibreChat avec un serveur MCP ClickHouse à l’aide de Docker
> et le connecter aux jeux de données d’exemple de ClickHouse.

<Steps>
  <Step title="Installer Docker" id="install-docker">
    Vous aurez besoin de Docker pour exécuter LibreChat et le serveur MCP. Pour installer Docker :

    1. Rendez-vous sur [docker.com](https://www.docker.com/products/docker-desktop)
    2. Téléchargez Docker Desktop pour votre système d’exploitation
    3. Installez Docker en suivant les instructions pour votre système d’exploitation
    4. Ouvrez Docker Desktop et assurez-vous qu’il est bien en cours d’exécution

    <br />

    Pour en savoir plus, consultez la [documentation Docker](https://docs.docker.com/get-docker/).
  </Step>

  <Step title="Cloner le dépôt LibreChat" id="clone-librechat-repo">
    Ouvrez un terminal (invite de commandes, terminal ou PowerShell) et clonez le
    dépôt LibreChat à l’aide de la commande suivante :

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

  <Step title="Créez et modifiez le fichier .env" id="create-and-edit-env-file">
    Copiez le fichier de configuration d’exemple `.env.example` dans `.env` :

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

    Ouvrez le fichier `.env` dans votre éditeur de texte préféré. Vous verrez des sections pour
    de nombreux fournisseurs de LLM courants, dont OpenAI, Anthropic, AWS bedrock, etc., par
    exemple :

    ```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=
    ```

    Remplacez `user_provided` par votre clé API pour le fournisseur de LLM que vous souhaitez utiliser.

    <Info>
      **Utiliser un LLM local**

      Si vous n'avez pas de clé API, vous pouvez utiliser un LLM local comme Ollama. Vous verrez comment
      procéder plus tard à l'étape ["Installer Ollama"](#add-local-llm-using-ollama). Pour l'instant,
      ne modifiez pas le fichier .env et passez aux étapes suivantes.
    </Info>
  </Step>

  <Step title="Créez un fichier librechat.yaml" id="create-librechat-yaml-file">
    Exécutez la commande suivante pour créer un fichier `librechat.yaml` :

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

    Cela crée le [fichier de configuration](https://www.librechat.ai/docs/configuration/librechat_yaml) principal de LibreChat.
  </Step>

  <Step title="Ajouter le serveur MCP ClickHouse à Docker Compose" id="add-clickhouse-mcp-server-to-docker-compose">
    Ensuite, nous allons ajouter le serveur MCP ClickHouse au fichier Docker Compose de LibreChat
    afin que le LLM puisse interagir avec le
    [ClickHouse SQL playground](https://sql.clickhouse.com/).

    Créez un fichier nommé `docker-compose.override.yml` et ajoutez-y la configuration suivante :

    ```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
    ```

    Si vous souhaitez explorer vos propres données, vous pouvez le faire à l’aide de l’[hôte, du nom d’utilisateur et du mot de passe](/docs/fr/get-started/setup/cloud#connect-with-your-app)
    de votre service ClickHouse Cloud.

    <Card title="Premiers pas avec ClickHouse Cloud" href="https://cloud.clickhouse.com/" icon="cloud">
      Si vous n’avez pas encore de compte Cloud, lancez-vous avec ClickHouse Cloud dès aujourd’hui et recevez 300 \$ de crédits. À la fin de votre essai gratuit de 30 jours, passez à une tarification à l’usage, ou contactez-nous pour en savoir plus sur nos remises en fonction du volume. Consultez notre page de tarification pour plus de détails.
    </Card>
  </Step>

  <Step title="Configurer le serveur MCP dans librechat.yaml" id="configure-mcp-server-in-librechat-yaml">
    Ouvrez `librechat.yaml` et ajoutez la configuration suivante à la fin du fichier :

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

    Cela configure LibreChat pour qu’il se connecte au serveur MCP s’exécutant dans Docker.

    Repérez la ligne suivante :

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

    Pour simplifier, nous allons pour l’instant supprimer l’obligation de s’authentifier :

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

  <Step title="Ajouter un LLM local avec Ollama (facultatif)" id="add-local-llm-using-ollama">
    ### Installer Ollama

    Rendez-vous sur le [site d’Ollama](https://ollama.com/download) et installez Ollama pour votre système.

    Une fois l’installation terminée, vous pouvez exécuter un modèle comme ceci :

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

    Cela téléchargera le modèle sur votre machine locale s’il n’y est pas déjà.

    Pour obtenir une liste des modèles, consultez la [bibliothèque Ollama](https://ollama.com/library)

    ### Configurer Ollama dans librechat.yaml

    Une fois le modèle téléchargé, configurez-le dans `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="Démarrer tous les services" id="start-all-services">
    Depuis la racine du dossier du projet LibreChat, exécutez la commande suivante pour démarrer les services :

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

    Attendez que tous les services soient entièrement opérationnels.
  </Step>

  <Step title="Ouvrez LibreChat dans votre navigateur" id="open-librechat-in-browser">
    Une fois tous les services démarrés, ouvrez votre navigateur et accédez à `http://localhost:3080/`

    Créez un compte LibreChat gratuit si vous n’en avez pas encore, puis connectez-vous. Vous devriez
    désormais voir l’interface de LibreChat connectée au ClickHouse MCP server et, éventuellement,
    à votre LLM local.

    Dans l’interface de chat, sélectionnez `clickhouse-playground` comme serveur MCP :

    <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="Sélectionnez votre serveur MCP" size="md" width="1630" height="918" data-path="images/use-cases/AI_ML/MCP/librechat.webp" />

    Vous pouvez maintenant demander au LLM d’explorer les jeux de données d’exemple de ClickHouse. Essayez :

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

<Note>
  Si l’option de serveur MCP n’apparaît pas dans l’interface utilisateur de LibreChat,
  vérifiez que les autorisations appropriées sont définies dans votre fichier `librechat.yaml`.
</Note>

Si `use` est défini sur `false` dans la section `mcpServers` sous `interface`, la liste déroulante de sélection du MCP n’apparaîtra pas dans le chat :

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