# 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.
MseeP AI Helper
### 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...
**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))
**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))
**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))
**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.
¡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.
MseeP AI Helper
### 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))
**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))
**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.
¡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.
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.rememberizer.ai/es/uso-personal/integrations/rememberizer-mcp-servers.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.