> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# LibreChat
> Comment LibreChat sert d’interface de chat et d’agents pour l’Agentic Data Stack
LibreChat est l’**interface de chat et d’agents** de l’[Agentic Data Stack](/fr/products/agentic-data-stack/overview). Au lieu d’écrire du SQL, l’utilisateur pose une question en langage naturel et un agent lui répond.
L’agent s’appuie sur le ClickHouse MCP server pour inspecter vos bases de données et vos tables, exécuter des requêtes en lecture seule et élaborer une réponse à partir des résultats. La stack s’occupe de tout cela pour vous, afin que LibreChat puisse interroger vos données dès la première connexion. Déployez la stack complète à l’aide du [guide de configuration Docker](/fr/products/agentic-data-stack/docker-setup).
## Fonctionnalités de LibreChat
| Fonctionnalité | Description |
| ------------------------------------------------------------------------------------------------------------------ | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| [Créer un agent à partir de vos données](https://www.librechat.ai/docs/features/agents) | Créez un agent réutilisable pour une question récurrente. Deux éléments lui permettent de comprendre ClickHouse : fournissez-lui des **Instructions** décrivant votre schéma et vos tables préférées, puis ajoutez le serveur MCP **ClickHouse-Local** afin qu'il puisse lister les bases de données et les tables, et exécuter des requêtes en lecture seule. |
| [Connecter davantage de serveurs MCP](https://www.librechat.ai/docs/features/mcp) | L'agent ne se limite pas à ClickHouse. Ajoutez n'importe quel serveur MCP via les paramètres MCP de LibreChat afin qu'une même conversation puisse accéder à d'autres bases de données, à des API internes ou à des outils SaaS. |
| [Générer des graphiques et des visualisations](https://www.librechat.ai/docs/features/artifacts) | Demandez à l'agent de visualiser vos résultats, par exemple « Trace les 10 produits générant le plus de chiffre d'affaires », et il renverra un graphique interactif que vous pourrez explorer et partager. Les visualisations reposent sur les Artifacts de LibreChat, activés pour chaque agent. |
| [Exécuter du code avec le code interpreter](https://www.librechat.ai/docs/features/code_interpreter) | Au-delà du SQL, l'agent peut exécuter du code dans un environnement sandbox sécurisé pour transformer ou analyser vos résultats, par exemple pour convertir une requête en fichier ou en métrique calculée. |
| [Exécuter de longues requêtes en arrière-plan](https://www.librechat.ai/docs/features/resumable_streams) | Une requête peut prendre du temps, et vous n'avez pas besoin d'attendre. Avec les flux reprenables, lancez une génération, passez à une autre conversation, puis revenez une fois la réponse prête. |
| [Partager une analyse sous forme de lien en lecture seule](https://www.librechat.ai/docs/features/shareable_links) | Partagez une conversation sous forme de lien en lecture seule pour permettre à d'autres de consulter une analyse sans la relancer. La vue partagée inclut les appels d'outil et le SQL derrière chaque réponse, offrant une traçabilité claire de la manière dont le résultat a été produit. |
| [Contrôler l'accès aux serveurs MCP](https://www.librechat.ai/docs/features/access_control) | Dans un déploiement en équipe, le contrôle d'accès basé sur les rôles détermine qui peut utiliser, créer et partager des serveurs MCP et des agents, ainsi qu'avec quel niveau d'accès (Viewer, Editor ou Owner). |
## Dans la stack
LibreChat est préconfiguré via `librechat.yaml`, et fonctionne donc immédiatement :
* Le [ClickHouse MCP server](/fr/products/agentic-data-stack/components/mcp-server) est enregistré comme source d’outils, ce qui permet à l’agent d’explorer et d’interroger ClickHouse sans configuration supplémentaire.
* Chaque conversation fait l’objet d’un traçage dans [Langfuse](/fr/products/agentic-data-stack/components/langfuse) pour l’observabilité, avec capture des prompts, des appels d’outils, des réponses, du coût et de la latence.
* L’[Admin Panel](https://github.com/ClickHouse/librechat-admin-panel) (port 3081) est une UI accessible dans le navigateur qui permet de modifier cette configuration (endpoints, serveur MCP et paramètres de l’agent) sans avoir à éditer `librechat.yaml` manuellement.
Pour connecter le ClickHouse MCP server à une instance LibreChat autonome, consultez le guide de référence : [Using ClickHouse MCP server with LibreChat](/fr/core/guides/use-cases/ai-ml/MCP/librechat). Pour une documentation complète des fonctionnalités de LibreChat, consultez la [documentation LibreChat](https://www.librechat.ai/docs).
**Vous préférez une expérience Managed ?** ClickHouse Cloud propose [ClickHouse Agents](/fr/products/cloud/features/ai-ml/agents) (Beta) : une expérience d’agent hébergée, sans configuration, bâtie sur la même base, avec des fonctionnalités de création d’agents disponibles depuis la console Cloud.