# Rememberizer MCP-Server

Das [**Model Context Protocol**](https://modelcontextprotocol.io/introduction) (MCP) ist ein standardisiertes Protokoll, das entwickelt wurde, um KI-Modelle mit verschiedenen Datenquellen und Tools zu integrieren. Es unterstützt eine Client-Server-Architektur, die den Aufbau komplexer Workflows und Agenten mit verbesserter Flexibilität und Sicherheit erleichtert.

## Rememberizer MCP Server

Der [**Rememberizer MCP Server**](https://github.com/skydeckai/mcp-server-rememberizer) ist ein MCP-Server, der für die Interaktion mit der Dokumenten- und Wissensmanagement-API von Rememberizer entwickelt wurde. Er ermöglicht es LLMs, Dokumente und Integrationen effizient zu suchen, abzurufen und zu verwalten. Der Server ist als öffentliches Paket auf [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) und als Open-Source-Projekt auf [GitHub](https://github.com/skydeckai/mcp-server-rememberizer) verfügbar.

### Integrationsmöglichkeiten

Der Rememberizer MCP-Server kann auf verschiedene Arten installiert und integriert werden:

#### Über uvx

```bash
uvx mcp-server-rememberizer
```

#### Über die MseeP AI Helper App

Wenn Sie die MseeP AI Helper-App installiert haben, können Sie nach "Rememberizer" suchen und den mcp-server-rememberizer installieren.

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-32c16c3fe8a8160615e0b4c2615a096cd07c717a%2FScreenshot%202025-07-29%20at%2014.43.12.png?alt=media" alt=""><figcaption><p>MseeP AI Helper</p></figcaption></figure>

### Verfügbare Werkzeuge

Der Rememberizer MCP-Server bietet die folgenden Werkzeuge zur Interaktion mit Ihrem Wissensrepository:

1. **retrieve\_semantically\_similar\_internal\_knowledge**
   * Findet semantisch ähnliche Übereinstimmungen aus Ihrem Rememberizer-Wissensrepository
   * Parameter:
     * `match_this` (string, erforderlich): Der Text, für den Übereinstimmungen gefunden werden sollen (bis zu 400 Wörter)
     * `n_results` (integer, optional): Anzahl der zurückzugebenden Ergebnisse (Standard: 5)
     * `from_datetime_ISO8601` (string, optional): Filtert Ergebnisse ab diesem Datum
     * `to_datetime_ISO8601` (string, optional): Filtert Ergebnisse bis zu diesem Datum
2. **smart\_search\_internal\_knowledge**
   * Führt eine agentische Suche über Ihre Wissensquellen durch
   * Parameter:
     * `query` (string, erforderlich): Ihre Suchanfrage (bis zu 400 Wörter)
     * `user_context` (string, optional): Zusätzlicher Kontext für bessere Ergebnisse
     * `n_results` (integer, optional): Anzahl der zurückzugebenden Ergebnisse (Standard: 5)
     * `from_datetime_ISO8601` (string, optional): Filtert Ergebnisse ab diesem Datum
     * `to_datetime_ISO8601` (string, optional): Filtert Ergebnisse bis zu diesem Datum
3. **list\_internal\_knowledge\_systems**
   * Listet alle Ihre verbundenen Wissensquellen auf
   * Keine Parameter erforderlich
4. **rememberizer\_account\_information**
   * Ruft die Details Ihres Rememberizer-Kontos ab
   * Keine Parameter erforderlich
5. **list\_personal\_team\_knowledge\_documents**
   * Gibt eine paginierte Liste aller Ihrer Dokumente zurück
   * Parameter:
     * `page` (integer, optional): Seitennummer für die Paginierung (Standard: 1)
     * `page_size` (integer, optional): Dokumente pro Seite (Standard: 100, max: 1000)
6. **remember\_this**
   * Speichert neue Informationen in Ihrem Rememberizer-Wissenssystem
   * Parameter:
     * `name` (string, erforderlich): Name zur Identifizierung dieser Informationen
     * `content` (string, erforderlich): Die Informationen, die gemerkt werden sollen

### Einrichtung

**Schritt 1:** Melden Sie sich für ein neues Rememberizer-Konto unter [rememberizer.ai](https://rememberizer.ai/) an.

**Schritt 2:** Fügen Sie Ihr Wissen zur Rememberizer-Plattform hinzu, indem Sie sich mit Gmail, Dropbox oder Google Drive verbinden usw\...

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-6624093d0ac3715d03ccf05058284eb0d5910299%2Fimage.png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 3:** Um Ihr Wissen selektiv zu teilen, richten Sie einen Mementos-Filter ein. Damit können Sie auswählen, welche Informationen geteilt werden und welche privat bleiben. ([Leitfaden hier](https://docs.rememberizer.ai/personal/mementos-filter-access))

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-1f55d2111aa20d16ef36c6c2efd168d83651051f%2Fimage%20(3).png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 4:** Teilen Sie Ihr Wissen, indem Sie ein "Gemeinsames Wissen" erstellen (Leitfaden [hier](https://docs.rememberizer.ai/personal/common-knowledge) und [hier](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-89f113f0a874c310d0ef4658b82b32e3a3c15da4%2Fimage%20(4).png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 5:** Um auf Ihr Wissen über APIs zuzugreifen, erstellen Sie einen API-Schlüssel ([Leitfaden hier](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-1d8189ec2b572a4f5b1eb3a28b5034816690e35a%2Fimage%20(5).png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 6:** Wenn Sie die Claude Desktop-App verwenden, fügen Sie dies zu Ihrer `claude_desktop_config.json`-Datei hinzu.

```json
{
  "mcpServers": {
    "rememberizer": {
      "command": "uvx",
      "args": ["mcp-server-rememberizer"],
      "env": {
        "REMEMBERIZER_API_TOKEN": "your_rememberizer_api_token"
      }
    }
  }
}
```

**Schritt 7:** Wenn Sie die MseeP AI Helper-App verwenden, fügen Sie die Umgebungsvariable `REMEMBERIZER_API_TOKEN` zum mcp-server-rememberizer hinzu.

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-f87faae63c6c243ebcdfd4544bb344f94ac10461%2FScreenshot%202025-07-29%20at%2014.45.42.png?alt=media" alt=""><figcaption></figcaption></figure>

Herzlichen Glückwunsch, Sie sind fertig!

Mit Unterstützung des Rememberizer MCP-Servers können Sie jetzt die folgenden Fragen in Ihrer Claude Desktop-App oder SkyDeck AI GenStudio stellen

* Was ist mein Rememberizer-Konto?
* Listen Sie alle Dokumente auf, die ich dort habe.
* Geben Sie mir eine kurze Zusammenfassung über "..."

## Rememberizer Vector Store MCP-Server

Der **Rememberizer VectorStore MCP-Server** erleichtert die Interaktion zwischen LLMs und dem Rememberizer Vector Store und verbessert das Dokumentenmanagement und die -abfrage durch semantische Ähnlichkeitssuchen.

### Integrationsmöglichkeiten

Der Rememberizer Vector Store MCP-Server kann durch ähnliche Methoden wie der Rememberizer MCP-Server installiert und integriert werden:

#### Über uvx

```bash
uvx mcp-rememberizer-vectordb
```

#### Über die MseeP AI Helper App

Wenn Sie die MseeP AI Helper-App installiert haben, können Sie nach "Rememberizer Vector Store" suchen und die mcp-rememberizer-vectordb installieren.

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-44843f27834f818e9fa8e7e80628a5e7c9c1ac02%2FScreenshot%202025-07-29%20at%2015.14.07.png?alt=media" alt=""><figcaption><p>MseeP AI Helper</p></figcaption></figure>

### Installation

Um den Rememberizer Vector Store MCP Server zu installieren, folgen Sie dem [Leitfaden hier](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation).

### Einrichtung

**Schritt 1:** Melden Sie sich für ein neues Rememberizer-Konto unter [rememberizer.ai](https://rememberizer.ai/) an.

**Schritt 2:** Erstellen Sie einen neuen Vektor-Speicher ([Leitfaden hier](https://docs.rememberizer.ai/developer/vector-stores))

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-6ee28f37447d63b9cdee04a0acb285fe5e00896f%2Fimage%20(6).png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 3:** Um Ihren Vektor-Speicher über APIs zu verwalten, müssen Sie einen API-Schlüssel erstellen ([Leitfaden hier](https://docs.rememberizer.ai/developer/vector-stores#api-key-management))

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-a1e0915191b85a646dcb615b72bc9e01b6360264%2Fimage%20(7).png?alt=media" alt=""><figcaption></figcaption></figure>

**Schritt 4:** Wenn Sie die Claude Desktop-App verwenden, fügen Sie dies zu Ihrer `claude_desktop_config.json`-Datei hinzu.

```json
{
  "mcpServers": {
    "rememberizer": {
      "command": "uvx",
      "args": ["mcp-rememberizer-vectordb"],
      "env": {
        "REMEMBERIZER_VECTOR_STORE_API_KEY": "your_rememberizer_api_token"
      }
    }
  }
}
```

**Schritt 5:** Wenn Sie die MseeP AI Helper-App verwenden, fügen Sie die Umgebungsvariable `REMEMBERIZER_VECTOR_STORE_API_KEY` zu mcp-rememberizer-vectordb hinzu.

<figure><img src="https://2490272757-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fx5M0COIHmFFlpJ9e5pvp%2Fuploads%2Fgit-blob-f2cf16052607aa19ab98d30e19712bdf581c2986%2FScreenshot%202025-07-29%20at%2015.16.16.png?alt=media" alt=""><figcaption></figcaption></figure>

Herzlichen Glückwunsch, Sie sind fertig!

Mit Unterstützung des Rememberizer Vektor-Speicher MCP-Servers können Sie jetzt die folgenden Fragen in Ihrer Claude Desktop-App oder SkyDeck AI GenStudio stellen

* Was ist mein aktueller Rememberizer Vektor-Speicher?
* Listen Sie alle Dokumente auf, die ich dort habe.
* Geben Sie mir eine kurze Zusammenfassung über "..."

## Fazit

Die Rememberizer MCP-Server demonstrieren die leistungsstarken Fähigkeiten des Model Context Protocol, indem sie eine effiziente, standardisierte Möglichkeit bieten, KI-Modelle mit umfassenden Datenmanagement-Tools zu verbinden. Diese Server verbessern die Fähigkeit, Dokumente präzise zu suchen, abzurufen und zu verwalten, indem sie fortschrittliche semantische Suchmethoden und die Erweiterung von LLM-Agenten nutzen.