> ## 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.

# LibreChat에서 ClickHouse MCP 서버 사용

> 이 가이드에서는 Docker를 사용해 ClickHouse MCP 서버로 LibreChat을 설정하는 방법을 설명합니다.

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>;
};

> 이 가이드에서는 Docker를 사용해 ClickHouse MCP 서버로 LibreChat을 설정하고
> ClickHouse 예시 데이터셋에 연결하는 방법을 설명합니다.

<Steps>
  <Step title="Docker 설치" id="install-docker">
    LibreChat과 MCP Server를 실행하려면 Docker가 필요합니다. Docker를 설치하려면 다음 단계를 따르세요.

    1. [docker.com](https://www.docker.com/products/docker-desktop)에 접속합니다
    2. 사용 중인 운영 체제에 맞는 Docker Desktop을 다운로드합니다
    3. 운영 체제별 안내에 따라 Docker를 설치합니다
    4. Docker Desktop을 열고 실행 중인지 확인합니다

    <br />

    자세한 내용은 [Docker 문서](https://docs.docker.com/get-docker/)를 참조하세요.
  </Step>

  <Step title="LibreChat 리포지토리 복제" id="clone-librechat-repo">
    터미널(command prompt, terminal 또는 PowerShell)을 열고 다음 명령으로
    LibreChat 리포지토리를 복제합니다:

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

  <Step title="`.env` 파일 생성 및 편집" id="create-and-edit-env-file">
    예시 설정 파일인 `.env.example`을 `.env`로 복사하세요:

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

    자주 사용하는 텍스트 편집기에서 `.env` 파일을 여십시오. OpenAI, Anthropic, AWS Bedrock 등
    널리 사용되는 여러 LLM 제공업체에 대한 섹션이 표시됩니다. 다음은
    예시입니다:

    ```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=
    ```

    사용할 LLM 제공업체의 API Key로 `user_provided`를 바꾸세요.

    <Info>
      **로컬 LLM 사용**

      API Key가 없으면 Ollama와 같은 로컬 LLM을 사용할 수 있습니다. 이 방법은 나중에
      단계 ["Ollama 설치"](#add-local-llm-using-ollama)에서 확인할 수 있습니다. 지금은
      .env 파일을 수정하지 말고 다음 단계로 진행하세요.
    </Info>
  </Step>

  <Step title="librechat.yaml 파일 생성" id="create-librechat-yaml-file">
    새 `librechat.yaml` 파일을 생성하려면 다음 명령을 실행하세요:

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

    LibreChat의 주 [설정 파일](https://www.librechat.ai/docs/configuration/librechat_yaml)이 생성됩니다.
  </Step>

  <Step title="Docker compose에 ClickHouse MCP 서버 추가" id="add-clickhouse-mcp-server-to-docker-compose">
    다음으로 LLM이
    [ClickHouse SQL playground](https://sql.clickhouse.com/)와 상호 작용할 수 있도록
    LibreChat Docker compose 파일에 ClickHouse MCP 서버를 추가합니다.

    `docker-compose.override.yml` 파일을 생성하고 다음 구성을 추가하십시오:

    ```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
    ```

    자체 데이터를 살펴보려면
    자체 ClickHouse Cloud 서비스의 [호스트, 사용자 이름, 비밀번호](/docs/ko/get-started/setup/cloud#connect-with-your-app)를
    사용하면 됩니다.

    <Card title="ClickHouse Cloud 시작하기" href="https://cloud.clickhouse.com/" icon="cloud">
      아직 Cloud 계정이 없다면 지금 ClickHouse Cloud를 시작하고 \$300 상당의 크레딧을 받으십시오. 30일 무료 체험이 종료된 후에는 종량제 요금제로 계속 사용하거나, 사용량 기반 할인에 대해 자세히 알아보려면 문의하십시오. 자세한 내용은 요금 페이지를 참조하십시오.
    </Card>
  </Step>

  <Step title="librechat.yaml에서 MCP server 구성하기" id="configure-mcp-server-in-librechat-yaml">
    `librechat.yaml`을 열고 다음 구성을 파일 맨 끝에 추가하세요:

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

    이렇게 하면 LibreChat이 Docker에서 실행 중인 MCP Server에 연결되도록 설정됩니다.

    다음 줄을 찾으십시오:

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

    간단히 진행하기 위해, 지금은 인증이 필요 없도록 하겠습니다:

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

  <Step title="Ollama를 사용해 로컬 LLM 추가하기 (선택 사항)" id="add-local-llm-using-ollama">
    ### Ollama 설치

    [Ollama 웹사이트](https://ollama.com/download)로 이동하여 사용 중인 시스템에 맞는 Ollama를 설치하세요.

    설치가 완료되면 다음과 같이 모델을 실행할 수 있습니다:

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

    모델이 없으면 로컬 머신으로 가져옵니다.

    모델 목록은 [Ollama library](https://ollama.com/library)에서 확인하십시오

    ### librechat.yaml에서 Ollama 구성

    모델 다운로드가 완료되면 `librechat.yaml`에서 설정하십시오:

    ```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="모든 서비스 시작" id="start-all-services">
    LibreChat 프로젝트 폴더의 루트 디렉터리에서 다음 명령을 실행하여 서비스를 시작하십시오:

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

    모든 서비스가 완전히 실행될 때까지 기다리세요.
  </Step>

  <Step title="브라우저에서 LibreChat 열기" id="open-librechat-in-browser">
    모든 서비스가 실행되면 브라우저를 열고 `http://localhost:3080/`으로 이동하십시오.

    아직 무료 LibreChat 계정이 없다면 계정을 만든 후 로그인하십시오. 이제
    ClickHouse MCP 서버에 연결된 LibreChat 인터페이스와 선택적으로
    로컬 LLM이 표시됩니다.

    채팅 인터페이스에서 MCP 서버로 `clickhouse-playground`를 선택하십시오:

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

    이제 LLM에 ClickHouse 예시 데이터셋을 탐색해 보도록 프롬프트를 입력할 수 있습니다. 직접 시도해 보십시오:

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

<Note>
  LibreChat UI에 MCP 서버 옵션이 표시되지 않으면
  `librechat.yaml` 파일에 올바른 permissions이 설정되어 있는지 확인하세요.
</Note>

`interface` 아래 `mcpServers` 섹션에서 `use`가 `false`로 설정되어 있으면 채팅에 MCP 선택 드롭다운이 표시되지 않습니다:

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