# Servidores MCP de Rememberizer

El [**Protocolo de Contexto del Modelo**](https://modelcontextprotocol.io/introduction) (MCP) es un protocolo estandarizado diseñado para integrar modelos de IA con diversas fuentes de datos y herramientas. Soporta una arquitectura cliente-servidor que facilita la construcción de flujos de trabajo y agentes complejos con mayor flexibilidad y seguridad.

## Servidor MCP de Rememberizer

El [**Servidor MCP de Rememberizer**](https://github.com/skydeckai/mcp-server-rememberizer) es un servidor MCP diseñado para interactuar con la API de gestión de documentos y conocimiento de Rememberizer. Permite a los LLMs buscar, recuperar y gestionar documentos e integraciones de manera eficiente. El servidor está disponible como un paquete público en [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) y como un proyecto de código abierto en [GitHub](https://github.com/skydeckai/mcp-server-rememberizer).

### Opciones de Integración

El Servidor MCP de Rememberizer se puede instalar e integrar a través de múltiples métodos:

#### A través de uvx

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

#### A través de la aplicación MseeP AI Helper

Si tienes instalada la aplicación MseeP AI Helper, puedes buscar "Rememberizer" e instalar el mcp-server-rememberizer.

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-32c16c3fe8a8160615e0b4c2615a096cd07c717a%2FScreenshot%202025-07-29%20at%2014.43.12.png?alt=media" alt=""><figcaption><p>MseeP AI Helper</p></figcaption></figure>

### Herramientas Disponibles

El Servidor MCP de Rememberizer proporciona las siguientes herramientas para interactuar con su repositorio de conocimiento:

1. **retrieve\_semantically\_similar\_internal\_knowledge**
   * Encuentra coincidencias semánticamente similares de su repositorio de conocimiento de Rememberizer
   * Parámetros:
     * `match_this` (cadena, requerido): El texto para encontrar coincidencias (hasta 400 palabras)
     * `n_results` (entero, opcional): Número de resultados a devolver (por defecto: 5)
     * `from_datetime_ISO8601` (cadena, opcional): Filtrar resultados desde esta fecha
     * `to_datetime_ISO8601` (cadena, opcional): Filtrar resultados hasta esta fecha
2. **smart\_search\_internal\_knowledge**
   * Realiza una búsqueda agente a través de sus fuentes de conocimiento
   * Parámetros:
     * `query` (cadena, requerido): Su consulta de búsqueda (hasta 400 palabras)
     * `user_context` (cadena, opcional): Contexto adicional para mejores resultados
     * `n_results` (entero, opcional): Número de resultados a devolver (por defecto: 5)
     * `from_datetime_ISO8601` (cadena, opcional): Filtrar resultados desde esta fecha
     * `to_datetime_ISO8601` (cadena, opcional): Filtrar resultados hasta esta fecha
3. **list\_internal\_knowledge\_systems**
   * Lista todas sus fuentes de conocimiento conectadas
   * No se requieren parámetros
4. **rememberizer\_account\_information**
   * Recupera los detalles de su cuenta de Rememberizer
   * No se requieren parámetros
5. **list\_personal\_team\_knowledge\_documents**
   * Devuelve una lista paginada de todos sus documentos
   * Parámetros:
     * `page` (entero, opcional): Número de página para paginación (por defecto: 1)
     * `page_size` (entero, opcional): Documentos por página (por defecto: 100, máximo: 1000)
6. **remember\_this**
   * Guarda nueva información en su sistema de conocimiento de Rememberizer
   * Parámetros:
     * `name` (cadena, requerido): Nombre para identificar esta información
     * `content` (cadena, requerido): La información a memorizar

### Configuración

**Paso 1:** Regístrate para una nueva cuenta de Rememberizer en [rememberizer.ai](https://rememberizer.ai/).

**Paso 2:** Agrega tu conocimiento a la plataforma Rememberizer conectándote a Gmail, Dropbox o Google Drive, etc...

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-6624093d0ac3715d03ccf05058284eb0d5910299%2Fimage.png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 3:** Para compartir tu conocimiento de manera selectiva, configura un Filtro de Mementos. Esto te permite elegir qué información se comparte y cuál permanece privada. ([Guía aquí](https://docs.rememberizer.ai/personal/mementos-filter-access))

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-1f55d2111aa20d16ef36c6c2efd168d83651051f%2Fimage%20(3).png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 4:** Comparte tu conocimiento creando un "Conocimiento Común" (Guía [aquí](https://docs.rememberizer.ai/personal/common-knowledge) y [aquí](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-89f113f0a874c310d0ef4658b82b32e3a3c15da4%2Fimage%20(4).png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 5:** Para acceder a tu conocimiento a través de APIs, crea una clave API ([Guía aquí](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-1d8189ec2b572a4f5b1eb3a28b5034816690e35a%2Fimage%20(5).png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 6:** Si estás usando la aplicación de escritorio Claude, agrega esto a tu archivo `claude_desktop_config.json`.

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

**Paso 7:** Si estás usando la aplicación MseeP AI Helper, agrega el env `REMEMBERIZER_API_TOKEN` a mcp-server-rememberizer.

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-f87faae63c6c243ebcdfd4544bb344f94ac10461%2FScreenshot%202025-07-29%20at%2014.45.42.png?alt=media" alt=""><figcaption></figcaption></figure>

¡Felicidades, has terminado!

Con el soporte del servidor MCP de Rememberizer, ahora puedes hacer las siguientes preguntas en tu aplicación de escritorio Claude o SkyDeck AI GenStudio

* ¿Cuál es mi cuenta de Rememberizer?
* Enumera todos los documentos que tengo allí.
* Dame un resumen rápido sobre "..."

## Servidor MCP de Almacenamiento Vectorial Rememberizer

El **Servidor MCP de Almacenamiento Vectorial Rememberizer** facilita la interacción entre LLMs y el Almacenamiento Vectorial Rememberizer, mejorando la gestión y recuperación de documentos a través de búsquedas de similitud semántica.

### Opciones de Integración

El Servidor MCP de Almacenamiento Vectorial de Rememberizer se puede instalar e integrar a través de métodos similares a los del Servidor MCP de Rememberizer:

#### A través de uvx

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

#### A través de la aplicación MseeP AI Helper

Si tienes instalada la aplicación MseeP AI Helper, puedes buscar "Rememberizer Vector Store" e instalar el mcp-rememberizer-vectordb.

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-44843f27834f818e9fa8e7e80628a5e7c9c1ac02%2FScreenshot%202025-07-29%20at%2015.14.07.png?alt=media" alt=""><figcaption><p>MseeP AI Helper</p></figcaption></figure>

### Instalación

Para instalar el servidor MCP de Rememberizer Vector Store, sigue la [guía aquí](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation).

### Configuración

**Paso 1:** Regístrate para obtener una nueva cuenta de Rememberizer en [rememberizer.ai](https://rememberizer.ai/).

**Paso 2:** Crea un nuevo Almacén de Vectores ([Guía aquí](https://docs.rememberizer.ai/developer/vector-stores))

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-6ee28f37447d63b9cdee04a0acb285fe5e00896f%2Fimage%20(6).png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 3:** Para gestionar tu Almacén de Vectores a través de APIs, necesitas crear una clave API ([Guía aquí](https://docs.rememberizer.ai/developer/vector-stores#api-key-management))

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-a1e0915191b85a646dcb615b72bc9e01b6360264%2Fimage%20(7).png?alt=media" alt=""><figcaption></figcaption></figure>

**Paso 4:** Si estás utilizando la aplicación de escritorio Claude, añade esto a tu archivo `claude_desktop_config.json`.

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

**Paso 5:** Si estás utilizando la aplicación MseeP AI Helper, añade el env `REMEMBERIZER_VECTOR_STORE_API_KEY` a mcp-rememberizer-vectordb.

<figure><img src="https://983989491-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FeFTiuIsKOMpUEE73g7bP%2Fuploads%2Fgit-blob-f2cf16052607aa19ab98d30e19712bdf581c2986%2FScreenshot%202025-07-29%20at%2015.16.16.png?alt=media" alt=""><figcaption></figcaption></figure>

¡Felicidades, has terminado!

Con el soporte del servidor MCP de Rememberizer Vector Store, ahora puedes hacer las siguientes preguntas en tu aplicación de escritorio Claude o SkyDeck AI GenStudio

* ¿Cuál es mi almacén de vectores de Rememberizer actual?
* Enumera todos los documentos que tengo allí.
* Dame un resumen rápido sobre "..."

## Conclusión

Los Servidores MCP de Rememberizer demuestran las poderosas capacidades del Protocolo de Contexto del Modelo al proporcionar una forma eficiente y estandarizada de conectar modelos de IA con herramientas de gestión de datos completas. Estos servidores mejoran la capacidad de buscar, recuperar y gestionar documentos con precisión, utilizando métodos avanzados de búsqueda semántica y la augmentación de Agentes LLM.