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.

SkyDeck AI Helper

Værktøjer tilgængelige

Rememberizer MCP Serveren tilbyder følgende værktøjer til interaktion med dit videnslager:

  1. 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 dato

      • to_datetime_ISO8601 (string, valgfri): Filtrer resultater indtil denne dato

  2. 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 resultater

      • n_results (integer, valgfri): Antal resultater der skal returneres (standard: 5)

      • from_datetime_ISO8601 (string, valgfri): Filtrer resultater fra denne dato

      • to_datetime_ISO8601 (string, valgfri): Filtrer resultater indtil denne dato

  3. list_internal_knowledge_systems

    • Lister alle dine tilsluttede videnskilder

    • Ingen parametre kræves

  4. rememberizer_account_information

    • Henter dine Rememberizer kontooplysninger

    • Ingen parametre kræves

  5. 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)

  6. remember_this

    • Gemmer nye oplysninger i dit Rememberizer videnssystem

    • Parametre:

      • name (string, påkrævet): Navn til at identificere disse oplysninger

      • content (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.

SkyDeck AI Helper - Vector Store Installation

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