Rememberizer Docs
Se connecterS'inscrireContactez-nous
Français
Français
  • Pourquoi Rememberizer ?
  • Contexte
    • Qu'est-ce que les embeddings vectoriels et les bases de données vectorielles ?
    • Glossaire
    • Terminologie standardisée
  • Utilisation personnelle
    • Commencer
      • Rechercher vos connaissances
      • Accès au filtre de souvenirs
      • Connaissances communes
      • Gérer vos connaissances intégrées
  • Intégrations
    • Application Rememberizer
    • Intégration Rememberizer Slack
    • Intégration Rememberizer Google Drive
    • Intégration Rememberizer Dropbox
    • Intégration Rememberizer Gmail
    • Intégration Rememberizer Memory
    • Serveurs MCP Rememberizer
    • Gérer les applications tierces
  • Ressources pour les développeurs
    • Aperçu des développeurs
  • Options d'intégration
    • Enregistrement et utilisation des clés API
    • Enregistrement des applications Rememberizer
    • Autorisation des applications Rememberizer
    • Création d'un GPT Rememberizer
    • Intégration LangChain
    • Magasins de vecteurs
    • Talk-to-Slack l'application Web d'exemple
  • Intégration d'entreprise
    • Modèles d'intégration d'entreprise
  • Référence API
    • Accueil de la documentation API
    • Authentification
  • APIs principales
    • Rechercher des documents par similarité sémantique
    • Récupérer des documents
    • Récupérer le contenu des documents
    • Récupérer le contenu Slack
    • Mémoriser le contenu dans Rememberizer
  • Compte & Configuration
    • Récupérer les détails du compte utilisateur actuel
    • Lister les intégrations de sources de données disponibles
    • Mementos
    • Obtenir toutes les connaissances publiques ajoutées
  • APIs de stockage vectoriel
    • Documentation sur le stockage vectoriel
    • Obtenir des informations sur le stockage vectoriel
    • Obtenir une liste de documents dans un stockage vectoriel
    • Obtenir des informations sur un document
    • Ajouter un nouveau document texte à un stockage vectoriel
    • Télécharger des fichiers dans un stockage vectoriel
    • Mettre à jour le contenu d'un fichier dans un stockage vectoriel
    • Supprimer un document dans le stockage vectoriel
    • Rechercher des documents de stockage vectoriel par similarité sémantique
  • Ressources supplémentaires
    • Avis
      • Conditions d'utilisation
      • Politique de confidentialité
      • B2B
        • À propos de Reddit Agent
  • Versions
    • Notes de version Accueil
  • Sorties 2025
    • 25 avr. 2025
    • 18 avr. 2025
    • 11 avr. 2025
    • 4 avr. 2025
    • 28 mar. 2025
    • 21 mar. 2025
    • 14 mar. 2025
    • 17 janv. 2025
  • Sorties 2024
    • 27 déc. 2024
    • 20 déc. 2024
    • 13 déc. 2024
    • 6 déc. 2024
  • 29 nov. 2024
  • 22 nov. 2024
  • 15 nov. 2024
  • 8 nov. 2024
  • 1er nov. 2024
  • 25 oct. 2024
  • 18 oct. 2024
  • 11 oct. 2024
  • 4 oct. 2024
  • 27 sept. 2024
  • 20 sept. 2024
  • 13 sept. 2024
  • 16 août 2024
  • 9 août 2024
  • 2 août 2024
  • 26 juil. 2024
  • 12 juil. 2024
  • 28 juin 2024
  • 14 juin 2024
  • 31 mai 2024
  • 17 mai 2024
  • 10 mai 2024
  • 26 avr. 2024
  • 19 avr. 2024
  • 12 avr. 2024
  • 5 avr. 2024
  • 25 mars 2024
  • 18 mars 2024
  • 11 mars 2024
  • 4 mars 2024
  • 26 févr. 2024
  • 19 févr. 2024
  • 12 févr. 2024
  • 5 févr. 2024
  • 29 janv. 2024
  • 22 janv. 2024
  • 15 janv. 2024
  • Documentation LLM
    • Documentation LLM Prête de Rememberizer
Powered by GitBook
On this page
  • Serveur MCP Rememberizer
  • Options d'intégration
  • Outils Disponibles
  • Configuration
  • Serveur MCP de la Mémoire Vectorielle
  • Options d'intégration
  • Installation
  • Configuration
  • Conclusion
  1. Intégrations

Serveurs MCP Rememberizer

Configurez et utilisez les serveurs MCP de Rememberizer pour connecter vos assistants IA à vos connaissances

PreviousIntégration Rememberizer MemoryNextGérer les applications tierces

Last updated 22 days ago

Le (MCP) est un protocole standardisé conçu pour intégrer des modèles d'IA avec diverses sources de données et outils. Il prend en charge une architecture client-serveur facilitant la création de flux de travail complexes et d'agents avec une flexibilité et une sécurité accrues.

Serveur MCP Rememberizer

Le est un serveur MCP conçu pour interagir avec l'API de gestion de documents et de connaissances de Rememberizer. Il permet aux LLM de rechercher, récupérer et gérer efficacement des documents et des intégrations. Le serveur est disponible en tant que package public sur et en tant que projet open-source sur .

Options d'intégration

Le serveur MCP de Rememberizer peut être installé et intégré par plusieurs méthodes :

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 l'application SkyDeck AI Helper

Si vous avez l'application SkyDeck AI Helper installée, vous pouvez rechercher "Rememberizer" et installer le mcp-server-rememberizer.

SkyDeck AI Helper

Outils Disponibles

Le serveur MCP de Rememberizer fournit les outils suivants pour interagir avec votre référentiel de connaissances :

  1. retrieve_semantically_similar_internal_knowledge

    • Trouve des correspondances sémantiquement similaires dans votre référentiel de connaissances Rememberizer

    • Paramètres :

      • match_this (string, requis) : Le texte pour lequel trouver des correspondances (jusqu'à 400 mots)

      • n_results (integer, optionnel) : Nombre de résultats à retourner (par défaut : 5)

      • from_datetime_ISO8601 (string, optionnel) : Filtrer les résultats à partir de cette date

      • to_datetime_ISO8601 (string, optionnel) : Filtrer les résultats jusqu'à cette date

  2. smart_search_internal_knowledge

    • Effectue une recherche agentique à travers vos sources de connaissances

    • Paramètres :

      • query (string, requis) : Votre requête de recherche (jusqu'à 400 mots)

      • user_context (string, optionnel) : Contexte supplémentaire pour de meilleurs résultats

      • n_results (integer, optionnel) : Nombre de résultats à retourner (par défaut : 5)

      • from_datetime_ISO8601 (string, optionnel) : Filtrer les résultats à partir de cette date

      • to_datetime_ISO8601 (string, optionnel) : Filtrer les résultats jusqu'à cette date

  3. list_internal_knowledge_systems

    • Liste toutes vos sources de connaissances connectées

    • Aucun paramètre requis

  4. rememberizer_account_information

    • Récupère les détails de votre compte Rememberizer

    • Aucun paramètre requis

  5. list_personal_team_knowledge_documents

    • Retourne une liste paginée de tous vos documents

    • Paramètres :

      • page (integer, optionnel) : Numéro de page pour la pagination (par défaut : 1)

      • page_size (integer, optionnel) : Documents par page (par défaut : 100, max : 1000)

  6. remember_this

    • Enregistre de nouvelles informations dans votre système de connaissances Rememberizer

    • Paramètres :

      • name (string, requis) : Nom pour identifier cette information

      • content (string, requis) : Les informations à mémoriser

Configuration

Étape 2 : Ajoutez vos connaissances à la plateforme Rememberizer en vous connectant à Gmail, Dropbox, ou Google Drive, etc...

Étape 6 : Si vous utilisez l'application de bureau Claude, ajoutez ceci à votre fichier claude_desktop_config.json.

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

Étape 7 : Si vous utilisez l'application SkyDeck AI Helper, ajoutez l'env REMEMBERIZER_API_TOKEN à mcp-server-rememberizer.

Félicitations, vous avez terminé !

Avec le support du serveur MCP Rememberizer, vous pouvez maintenant poser les questions suivantes dans votre application de bureau Claude ou SkyDeck AI GenStudio

  • Quel est mon compte Rememberizer ?

  • Listez tous les documents que j'ai là-bas.

  • Donnez-moi un résumé rapide sur "..."

Serveur MCP de la Mémoire Vectorielle

Le Serveur MCP de la Mémoire Vectorielle facilite l'interaction entre les LLM et la Mémoire Vectorielle, améliorant la gestion et la récupération des documents grâce à des recherches par similarité sémantique.

Options d'intégration

Le serveur MCP de stockage vectoriel Rememberizer peut être installé et intégré par des méthodes similaires à celles du serveur MCP principal de Rememberizer :

Via Smithery

npx -y @smithery/cli install mcp-rememberizer-vectordb --client claude

Via l'application SkyDeck AI Helper

Si vous avez l'application SkyDeck AI Helper installée, vous pouvez rechercher "Rememberizer Vector Store" et installer le mcp-rememberizer-vectordb.

Installation

Configuration

Étape 4 : Si vous utilisez l'application Claude Desktop, ajoutez ceci à votre fichier claude_desktop_config.json.

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

Étape 5 : Si vous utilisez l'application SkyDeck AI Helper, ajoutez l'env REMEMBERIZER_VECTOR_STORE_API_KEY à mcp-rememberizer-vectordb.

Félicitations, vous avez terminé !

Avec le support du serveur MCP de Rememberizer Vector Store, vous pouvez maintenant poser les questions suivantes dans votre application Claude Desktop ou SkyDeck AI GenStudio

  • Quel est mon Vector Store Rememberizer actuel ?

  • Listez tous les documents que j'ai là-bas.

  • Donnez-moi un résumé rapide sur "..."

Conclusion

Les serveurs MCP de Rememberizer démontrent les puissantes capacités du Protocole de Contexte de Modèle en fournissant un moyen efficace et standardisé de connecter des modèles d'IA avec des outils de gestion de données complets. Ces serveurs améliorent la capacité à rechercher, récupérer et gérer des documents avec précision, en utilisant des méthodes de recherche sémantique avancées et l'augmentation des agents LLM.

Étape 1 : Inscrivez-vous pour un nouveau compte Rememberizer sur .

Étape 3 : Pour partager sélectivement vos connaissances, configurez un filtre Mementos. Cela vous permet de choisir quelles informations sont partagées et lesquelles restent privées. ()

Étape 4 : Partagez vos connaissances en créant une "Connaissance Commune" (Guide et )

Étape 5 : Pour accéder à vos connaissances via des API, créez une clé API ()

SkyDeck AI Helper - Installation du Vector Store

Pour installer le serveur MCP de Rememberizer Vector Store, suivez le .

Étape 1 : Inscrivez-vous pour un nouveau compte Rememberizer sur .

Étape 2 : Créez un nouveau Vector Store ()

Étape 3 : Pour gérer votre Vector Store via des API, vous devez créer une clé API ()

rememberizer.ai
Guide ici
ici
ici
Guide ici
guide ici
rememberizer.ai
Guide ici
Guide ici
Protocole de Contexte de Modèle
Serveur MCP Rememberizer
mcp-get.com
GitHub