Rememberizer MCP Servers
Konfigurer og brug Rememberizer MCP-servere til at forbinde dine AI-assistenter med din viden
Den Model Context Protocol (MCP) er en standardiseret protokol designet til at integrere AI-modeller med forskellige datakilder og værktøjer. Den understøtter en klient-server-arkitektur, der letter opbygningen af komplekse arbejdsgange og agenter med forbedret fleksibilitet og sikkerhed.
Rememberizer MCP Server
Den Rememberizer MCP Server er en MCP-server skræddersyet til at interagere med Rememberizers dokument- og vidensstyrings-API. Den gør det muligt for LLM'er at effektivt søge, hente og administrere dokumenter og integrationer. Serveren er tilgængelig som en offentlig pakke på mcp-get.com og som et open-source projekt på GitHub.
Integrationsmuligheder
Rememberizer MCP-serveren kan installeres og integreres gennem flere metoder:
Via mcp-get.com
npx @michaellatman/mcp-get@latest install mcp-server-rememberizer
Via Smithery
npx -y @smithery/cli install mcp-server-rememberizer --client claude
Via SkyDeck AI Helper App
Hvis du har SkyDeck AI Helper-appen installeret, kan du søge efter "Rememberizer" og installere mcp-server-rememberizer.

Værktøjer tilgængelige
Rememberizer MCP Serveren tilbyder følgende værktøjer til interaktion med dit videnslager:
retrieve_semantically_similar_internal_knowledge
Finder semantisk lignende matches fra dit Rememberizer videnslager
Parametre:
match_this
(string, påkrævet): Den tekst, der skal findes matches for (op til 400 ord)n_results
(integer, valgfri): Antal resultater der skal returneres (standard: 5)from_datetime_ISO8601
(string, valgfri): Filtrer resultater fra denne datoto_datetime_ISO8601
(string, valgfri): Filtrer resultater indtil denne dato
smart_search_internal_knowledge
Udfører en agentisk søgning på tværs af dine videnskilder
Parametre:
query
(string, påkrævet): Din søgestreng (op til 400 ord)user_context
(string, valgfri): Yderligere kontekst for bedre resultatern_results
(integer, valgfri): Antal resultater der skal returneres (standard: 5)from_datetime_ISO8601
(string, valgfri): Filtrer resultater fra denne datoto_datetime_ISO8601
(string, valgfri): Filtrer resultater indtil denne dato
list_internal_knowledge_systems
Lister alle dine tilsluttede videnskilder
Ingen parametre kræves
rememberizer_account_information
Henter dine Rememberizer kontooplysninger
Ingen parametre kræves
list_personal_team_knowledge_documents
Returnerer en pagineret liste over alle dine dokumenter
Parametre:
page
(integer, valgfri): Sidetal for paginering (standard: 1)page_size
(integer, valgfri): Dokumenter pr. side (standard: 100, maks: 1000)
remember_this
Gemmer nye oplysninger i dit Rememberizer videnssystem
Parametre:
name
(string, påkrævet): Navn til at identificere disse oplysningercontent
(string, påkrævet): De oplysninger der skal huskes
Opsætning
Trin 1: Tilmeld dig en ny Rememberizer-konto på rememberizer.ai.
Trin 2: Tilføj din viden til Rememberizer-platformen ved at forbinde til Gmail, Dropbox eller Google Drive osv...

Trin 3: For at dele din viden selektivt, opsæt et Mementos Filter. Dette giver dig mulighed for at vælge, hvilken information der deles, og hvilken der forbliver privat. (Guide her)

Trin 4: Del din viden ved at oprette en "Fælles Viden" (Guide her og her)

Trin 5: For at få adgang til din viden via API'er, opret en API-nøgle (Guide her)

Trin 6: Hvis du bruger Claude Desktop-app, skal du tilføje dette til din claude_desktop_config.json
fil.
{
"mcpServers": {
"rememberizer": {
"command": "uvx",
"args": ["mcp-server-rememberizer"],
"env": {
"REMEMBERIZER_API_TOKEN": "your_rememberizer_api_token"
}
}
}
}
Trin 7: Hvis du bruger SkyDeck AI Helper-app, skal du tilføje env REMEMBERIZER_API_TOKEN
til mcp-server-rememberizer.

Tillykke, du er færdig!
Med støtte fra Rememberizer MCP-serveren kan du nu stille følgende spørgsmål i din Claude Desktop-app eller SkyDeck AI GenStudio
Hvad er min Rememberizer-konto?
Liste alle dokumenter, jeg har der.
Giv mig et hurtigt resumé om "..."
Rememberizer Vector Store MCP Server
Rememberizer VectorStore MCP Server muliggør interaktion mellem LLM'er og Rememberizer Vector Store, hvilket forbedrer dokumenthåndtering og -hentning gennem semantiske lighedssøgninger.
Integrationsmuligheder
Rememberizer Vector Store MCP-serveren kan installeres og integreres gennem lignende metoder som hoved-Rememberizer MCP-serveren:
Via Smithery
npx -y @smithery/cli install mcp-rememberizer-vectordb --client claude
Via SkyDeck AI Helper App
Hvis du har SkyDeck AI Helper-appen installeret, kan du søge efter "Rememberizer Vector Store" og installere mcp-rememberizer-vectordb.

Installation
For at installere Rememberizer Vector Store MCP Server, følg guiden her.
Opsætning
Trin 1: Tilmeld dig en ny Rememberizer-konto på rememberizer.ai.
Trin 2: Opret en ny Vector Store (Guide her)

Trin 3: For at administrere din Vector Store via API'er, skal du oprette en API-nøgle (Guide her)

Trin 4: Hvis du bruger Claude Desktop-appen, skal du tilføje dette til din claude_desktop_config.json
fil.
{
"mcpServers": {
"rememberizer": {
"command": "uvx",
"args": ["mcp-rememberizer-vectordb"],
"env": {
"REMEMBERIZER_VECTOR_STORE_API_KEY": "your_rememberizer_api_token"
}
}
}
}
Trin 5: Hvis du bruger SkyDeck AI Helper-appen, skal du tilføje env REMEMBERIZER_VECTOR_STORE_API_KEY
til mcp-rememberizer-vectordb.

Tillykke, du er færdig!
Med støtte fra Rememberizer Vector Store MCP-serveren kan du nu stille følgende spørgsmål i din Claude Desktop-app eller SkyDeck AI GenStudio
Hvad er min nuværende Rememberizer vector store?
List alle dokumenter, jeg har der.
Giv mig et hurtigt resumé om "..."
Konklusion
Rememberizer MCP-serverne demonstrerer de kraftfulde muligheder i Model Context Protocol ved at tilbyde en effektiv, standardiseret måde at forbinde AI-modeller med omfattende datastyringsværktøjer. Disse servere forbedrer evnen til at søge, hente og administrere dokumenter med præcision ved at udnytte avancerede semantiske søgemetoder og augmentation af LLM-agenter.
Last updated