# Server MCP di Rememberizer
Il [**Protocollo di Contesto del Modello**](https://modelcontextprotocol.io/introduction) (MCP) è un protocollo standardizzato progettato per integrare modelli AI con varie fonti di dati e strumenti. Supporta un'architettura client-server che facilita la costruzione di flussi di lavoro complessi e agenti con maggiore flessibilità e sicurezza.
## Server MCP di Rememberizer
Il [**Server MCP di Rememberizer**](https://github.com/skydeckai/mcp-server-rememberizer) è un server MCP progettato per interagire con l'API di gestione dei documenti e della conoscenza di Rememberizer. Permette agli LLM di cercare, recuperare e gestire documenti e integrazioni in modo efficiente. Il server è disponibile come pacchetto pubblico su [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) e come progetto open-source su [GitHub](https://github.com/skydeckai/mcp-server-rememberizer).
### Opzioni di Integrazione
Il server MCP di Rememberizer può essere installato e integrato attraverso più metodi:
#### Via uvx
```bash
uvx mcp-server-rememberizer
```
#### App MseeP AI Helper
Se hai installata l'app MseeP AI Helper, puoi cercare "Rememberizer" e installare il mcp-server-rememberizer.
### Strumenti Disponibili
Il Server MCP di Rememberizer fornisce i seguenti strumenti per interagire con il tuo repository di conoscenza:
1. **retrieve\_semantically\_similar\_internal\_knowledge**
* Trova corrispondenze semanticamente simili nel tuo repository di conoscenza di Rememberizer
* Parametri:
* `match_this` (string, required): Il testo per cui trovare corrispondenze (fino a 400 parole)
* `n_results` (integer, optional): Numero di risultati da restituire (predefinito: 5)
* `from_datetime_ISO8601` (string, optional): Filtra i risultati da questa data
* `to_datetime_ISO8601` (string, optional): Filtra i risultati fino a questa data
2. **smart\_search\_internal\_knowledge**
* Esegue una ricerca agentica attraverso le tue fonti di conoscenza
* Parametri:
* `query` (string, required): La tua query di ricerca (fino a 400 parole)
* `user_context` (string, optional): Contesto aggiuntivo per risultati migliori
* `n_results` (integer, optional): Numero di risultati da restituire (predefinito: 5)
* `from_datetime_ISO8601` (string, optional): Filtra i risultati da questa data
* `to_datetime_ISO8601` (string, optional): Filtra i risultati fino a questa data
3. **list\_internal\_knowledge\_systems**
* Elenca tutte le tue fonti di conoscenza collegate
* Nessun parametro richiesto
4. **rememberizer\_account\_information**
* Recupera i dettagli del tuo account Rememberizer
* Nessun parametro richiesto
5. **list\_personal\_team\_knowledge\_documents**
* Restituisce un elenco paginato di tutti i tuoi documenti
* Parametri:
* `page` (integer, optional): Numero di pagina per la paginazione (predefinito: 1)
* `page_size` (integer, optional): Documenti per pagina (predefinito: 100, max: 1000)
6. **remember\_this**
* Salva nuove informazioni nel tuo sistema di conoscenza Rememberizer
* Parametri:
* `name` (string, required): Nome per identificare queste informazioni
* `content` (string, required): Le informazioni da memorizzare
### Configurazione
**Passo 1:** Iscriviti per un nuovo account Rememberizer su [rememberizer.ai](https://rememberizer.ai/).
**Passo 2:** Aggiungi la tua conoscenza alla piattaforma Rememberizer collegandoti a Gmail, Dropbox o Google Drive, ecc...
**Passo 3:** Per condividere selettivamente la tua conoscenza, imposta un Filtro Mementos. Questo ti consente di scegliere quali informazioni condividere e quali rimanere private. ([Guida qui](https://docs.rememberizer.ai/personal/mementos-filter-access))
**Passo 4:** Condividi la tua conoscenza creando una "Conoscenza Comune" (Guida [qui](https://docs.rememberizer.ai/personal/common-knowledge) e [qui](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))
**Passo 5:** Per accedere alla tua conoscenza tramite API, crea una chiave API ([Guida qui](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))
**Passo 6:** Se stai utilizzando l'app Claude Desktop, aggiungi questo al tuo file `claude_desktop_config.json`.
```json
{
"mcpServers": {
"rememberizer": {
"command": "uvx",
"args": ["mcp-server-rememberizer"],
"env": {
"REMEMBERIZER_API_TOKEN": "your_rememberizer_api_token"
}
}
}
}
```
**Passo 7:** Se stai utilizzando l'app MseeP AI Helper, aggiungi l'env `REMEMBERIZER_API_TOKEN` a mcp-server-rememberizer.
Congratulazioni, hai finito!
Con il supporto del server MCP di Rememberizer, ora puoi porre le seguenti domande nella tua app Claude Desktop o SkyDeck AI GenStudio
* Qual è il mio account Rememberizer?
* Elenca tutti i documenti che ho lì.
* Dammi un rapido riassunto su "..."
## Server MCP di Rememberizer Vector Store
Il **Server MCP di Rememberizer VectorStore** facilita l'interazione tra LLM e il Rememberizer Vector Store, migliorando la gestione e il recupero dei documenti attraverso ricerche per similarità semantica.
### Opzioni di Integrazione
Il Server MCP del Rememberizer Vector Store può essere installato e integrato attraverso metodi simili a quelli del Server MCP del Rememberizer:
#### Via uvx
```bash
uvx mcp-rememberizer-vectordb
```
#### App MseeP AI Helper
Se hai installata l'app MseeP AI Helper, puoi cercare "Rememberizer Vector Store" e installare il mcp-rememberizer-vectordb.
### Installazione
Per installare il server MCP di Rememberizer Vector Store, segui la [guida qui](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation).
### Configurazione
**Passo 1:** Registrati per un nuovo account Rememberizer su [rememberizer.ai](https://rememberizer.ai/).
**Passo 2:** Crea un nuovo Vector Store ([Guida qui](https://docs.rememberizer.ai/developer/vector-stores))
**Passo 3:** Per gestire il tuo Vector Store tramite API, devi creare una chiave API ([Guida qui](https://docs.rememberizer.ai/developer/vector-stores#api-key-management))
**Passo 4:** Se stai utilizzando l'app Claude Desktop, aggiungi questo al tuo file `claude_desktop_config.json`.
```json
{
"mcpServers": {
"rememberizer": {
"command": "uvx",
"args": ["mcp-rememberizer-vectordb"],
"env": {
"REMEMBERIZER_VECTOR_STORE_API_KEY": "your_rememberizer_api_token"
}
}
}
}
```
**Passo 5:** Se stai utilizzando l'app MseeP AI Helper, aggiungi l'env `REMEMBERIZER_VECTOR_STORE_API_KEY` a mcp-rememberizer-vectordb.
Congratulazioni, hai finito!
Con il supporto del server MCP del Rememberizer Vector Store, ora puoi porre le seguenti domande nella tua app Claude Desktop o SkyDeck AI GenStudio
* Qual è il mio attuale Vector Store di Rememberizer?
* Elenca tutti i documenti che ho lì.
* Dammi un rapido riassunto su "..."
## Conclusione
I server MCP di Rememberizer dimostrano le potenti capacità del Protocollo di Contesto del Modello fornendo un modo efficiente e standardizzato per connettere i modelli AI con strumenti di gestione dei dati completi. Questi server migliorano la capacità di cercare, recuperare e gestire documenti con precisione, utilizzando metodi di ricerca semantica avanzati e l'augmentazione degli Agenti 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/it/uso-personale/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.