Rememberizer Docs
로그인가입하기문의하기
한국어
한국어
  • 왜 Rememberizer인가?
  • 배경
    • 벡터 임베딩과 벡터 데이터베이스란?
    • 용어집
    • 표준화된 용어
  • 개인 사용
    • 시작하기
      • 지식 검색
      • 기념품 필터 접근
      • 공통 지식
      • 내장된 지식 관리
  • 통합
    • Rememberizer 앱
    • Rememberizer Slack 통합
    • Rememberizer Google Drive 통합
    • Rememberizer Dropbox 통합
    • Rememberizer Gmail 통합
    • Rememberizer Memory 통합
    • Rememberizer MCP 서버
    • 타사 앱 관리
  • 개발자 리소스
    • 개발자 개요
  • 통합 옵션
    • API 키 등록 및 사용
    • Rememberizer 앱 등록
    • Rememberizer 앱 승인
    • Rememberizer GPT 생성
    • LangChain 통합
    • 벡터 저장소
    • Slack과 대화하는 샘플 웹 앱
  • 기업 통합
    • 기업 통합 패턴
  • API 참조
    • API 문서 홈
    • 인증
  • 핵심 API
    • 의미적 유사성으로 문서 검색
    • 문서 검색
    • 문서 내용 검색
    • 슬랙 콘텐츠 검색
    • Rememberizer에 콘텐츠 기억하기
  • 계정 및 구성
    • 현재 사용자 계정 세부정보 가져오기
    • 사용 가능한 데이터 소스 통합 목록
    • 기념품
    • 추가된 모든 공개 지식 가져오기
  • 벡터 저장소 API
    • 벡터 저장소 문서
    • 벡터 저장소 정보 가져오기
    • 벡터 저장소의 문서 목록 가져오기
    • 문서 정보 가져오기
    • 벡터 저장소에 새 텍스트 문서 추가하기
    • 벡터 저장소에 파일 업로드하기
    • 벡터 저장소의 파일 내용 업데이트하기
    • 벡터 저장소에서 문서 제거하기
    • 의미적 유사성으로 벡터 저장소 문서 검색하기
  • 추가 자료
    • 공지사항
      • 이용 약관
      • 개인정보 처리방침
      • B2B
        • 레딧 에이전트에 대하여
  • 릴리스
    • 릴리스 노트 홈
  • 2025 릴리스
    • 2025년 4월 25일
    • 2025년 4월 18일
    • 2025년 4월 11일
    • 2025년 4월 4일
    • 2025년 3월 28일
    • 2025년 3월 21일
    • 2025년 3월 14일
    • 2025년 1월 17일
  • 2024 릴리스
    • 2024년 12월 27일
    • 2024년 12월 20일
    • 2024년 12월 13일
    • 2024년 12월 6일
  • 2024년 11월 29일
  • 2024년 11월 22일
  • 2024년 11월 15일
  • 2024년 11월 8일
  • 2024년 11월 1일
  • 2024년 10월 25일
  • 2024년 10월 18일
  • 2024년 10월 11일
  • 2024년 10월 4일
  • 2024년 9월 27일
  • 2024년 9월 20일
  • 2024년 9월 13일
  • 2024년 8월 16일
  • 2024년 8월 9일
  • 2024년 8월 2일
  • 2024년 7월 26일
  • 2024년 7월 12일
  • 2024년 6월 28일
  • 2024년 6월 14일
  • 2024년 5월 31일
  • 2024년 5월 17일
  • 2024년 5월 10일
  • 2024년 4월 26일
  • 2024년 4월 19일
  • 2024년 4월 12일
  • 2024년 4월 5일
  • 2024년 3월 25일
  • 2024년 3월 18일
  • 2024년 3월 11일
  • 2024년 3월 4일
  • 2024년 2월 26일
  • 2024년 2월 19일
  • 2024년 2월 12일
  • 2024년 2월 5일
  • 2024년 1월 29일
  • 2024년 1월 22일
  • 2024년 1월 15일
  • LLM 문서
    • Rememberizer LLM 준비 문서
Powered by GitBook
On this page
  • Rememberizer MCP 서버
  • 통합 옵션
  • 사용 가능한 도구
  • 설정
  • Rememberizer Vector Store MCP 서버
  • 통합 옵션
  • 설치
  • 설정
  • 결론
  1. 통합

Rememberizer MCP 서버

Rememberizer MCP 서버를 구성하고 사용하여 AI 어시스턴트를 지식과 연결합니다.

PreviousRememberizer Memory 통합Next타사 앱 관리

Last updated 25 days ago

(MCP)은 AI 모델을 다양한 데이터 소스 및 도구와 통합하기 위해 설계된 표준화된 프로토콜입니다. 이는 복잡한 워크플로우 및 에이전트를 구축할 수 있는 클라이언트-서버 아키텍처를 지원하여 향상된 유연성과 보안을 제공합니다.

Rememberizer MCP 서버

는 Rememberizer의 문서 및 지식 관리 API와 상호작용하기 위해 맞춤 설계된 MCP 서버입니다. 이 서버는 LLM이 문서와 통합을 효율적으로 검색, 검색 및 관리할 수 있도록 합니다. 서버는 에서 공개 패키지로 제공되며, 에서 오픈 소스 프로젝트로 제공됩니다.

통합 옵션

Rememberizer MCP 서버는 여러 방법을 통해 설치 및 통합할 수 있습니다:

mcp-get.com을 통해

npx @michaellatman/mcp-get@latest install mcp-server-rememberizer

스미서리 통해서

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

SkyDeck AI 헬퍼 앱을 통한 방법

SkyDeck AI 헬퍼 앱이 설치되어 있는 경우, "Rememberizer"를 검색하고 mcp-server-rememberizer를 설치할 수 있습니다.

SkyDeck AI 헬퍼

사용 가능한 도구

Rememberizer MCP 서버는 지식 저장소와 상호작용하기 위한 다음 도구를 제공합니다:

  1. retrieve_semantically_similar_internal_knowledge

    • Rememberizer 지식 저장소에서 의미적으로 유사한 일치를 찾습니다

    • 매개변수:

      • match_this (string, 필수): 일치를 찾을 텍스트 (최대 400 단어)

      • n_results (integer, 선택): 반환할 결과 수 (기본값: 5)

      • from_datetime_ISO8601 (string, 선택): 이 날짜부터 결과 필터링

      • to_datetime_ISO8601 (string, 선택): 이 날짜까지 결과 필터링

  2. smart_search_internal_knowledge

    • 지식 소스 전반에 걸쳐 에이전틱 검색을 수행합니다

    • 매개변수:

      • query (string, 필수): 검색 쿼리 (최대 400 단어)

      • user_context (string, 선택): 더 나은 결과를 위한 추가 컨텍스트

      • n_results (integer, 선택): 반환할 결과 수 (기본값: 5)

      • from_datetime_ISO8601 (string, 선택): 이 날짜부터 결과 필터링

      • to_datetime_ISO8601 (string, 선택): 이 날짜까지 결과 필터링

  3. list_internal_knowledge_systems

    • 연결된 모든 지식 소스를 나열합니다

    • 매개변수 필요 없음

  4. rememberizer_account_information

    • Rememberizer 계정 세부정보를 검색합니다

    • 매개변수 필요 없음

  5. list_personal_team_knowledge_documents

    • 모든 문서의 페이지 매김된 목록을 반환합니다

    • 매개변수:

      • page (integer, 선택): 페이지 매김을 위한 페이지 번호 (기본값: 1)

      • page_size (integer, 선택): 페이지당 문서 수 (기본값: 100, 최대: 1000)

  6. remember_this

    • 새로운 정보를 Rememberizer 지식 시스템에 저장합니다

    • 매개변수:

      • name (string, 필수): 이 정보를 식별하는 이름

      • content (string, 필수): 기억할 정보

설정

2단계: Gmail, Dropbox 또는 Google Drive 등에 연결하여 Rememberizer 플랫폼에 지식을 추가하세요...

6단계: Claude Desktop 앱을 사용하는 경우, claude_desktop_config.json 파일에 다음을 추가하세요.

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

7단계: SkyDeck AI Helper 앱을 사용하는 경우, mcp-server-rememberizer에 env REMEMBERIZER_API_TOKEN을 추가하세요.

축하합니다, 완료되었습니다!

Rememberizer MCP 서버의 지원으로 이제 Claude Desktop 앱이나 SkyDeck AI GenStudio에서 다음 질문을 할 수 있습니다.

  • 내 Rememberizer 계정은 무엇인가요?

  • 내가 거기에 가지고 있는 모든 문서를 나열하세요.

  • "..."에 대한 간단한 요약을 주세요.

Rememberizer Vector Store MCP 서버

Rememberizer VectorStore MCP 서버는 LLM과 Rememberizer Vector Store 간의 상호작용을 촉진하여 의미적 유사성 검색을 통해 문서 관리 및 검색을 향상시킵니다.

통합 옵션

Rememberizer 벡터 저장소 MCP 서버는 주요 Rememberizer MCP 서버와 유사한 방법으로 설치 및 통합할 수 있습니다:

스미서리를 통한

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

SkyDeck AI 헬퍼 앱을 통한 방법

SkyDeck AI 헬퍼 앱이 설치되어 있다면, "Rememberizer Vector Store"를 검색하여 mcp-rememberizer-vectordb를 설치할 수 있습니다.

설치

설정

4단계: Claude Desktop 앱을 사용하는 경우, claude_desktop_config.json 파일에 다음을 추가하세요.

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

5단계: SkyDeck AI Helper 앱을 사용하는 경우, mcp-rememberizer-vectordb에 env REMEMBERIZER_VECTOR_STORE_API_KEY를 추가하세요.

축하합니다, 완료되었습니다!

Rememberizer 벡터 저장소 MCP 서버의 지원으로 이제 Claude Desktop 앱이나 SkyDeck AI GenStudio에서 다음 질문을 할 수 있습니다.

  • 현재 내 Rememberizer 벡터 저장소는 무엇인가요?

  • 내가 거기에 있는 모든 문서를 나열하세요.

  • "..."에 대한 간단한 요약을 주세요.

결론

Rememberizer MCP 서버는 AI 모델과 포괄적인 데이터 관리 도구를 연결하는 효율적이고 표준화된 방법을 제공함으로써 모델 컨텍스트 프로토콜의 강력한 기능을 보여줍니다. 이러한 서버는 고급 의미 검색 방법과 LLM 에이전트의 증강을 활용하여 문서를 정확하게 검색, 검색 및 관리하는 능력을 향상시킵니다.

1단계: 에서 새로운 Rememberizer 계정을 등록하세요.

3단계: 지식을 선택적으로 공유하려면 Mementos 필터를 설정하세요. 이를 통해 어떤 정보를 공유할지, 어떤 정보를 비공개로 유지할지를 선택할 수 있습니다. ()

4단계: "공통 지식"을 생성하여 지식을 공유하세요. (가이드 및 )

5단계: API를 통해 지식에 접근하려면 API 키를 생성하세요. ()

SkyDeck AI 헬퍼 - 벡터 스토어 설치

Rememberizer Vector Store MCP 서버를 설치하려면 .

1단계: 에서 새로운 Rememberizer 계정에 가입하세요.

2단계: 새로운 벡터 저장소를 만드세요 ()

3단계: API를 통해 벡터 저장소를 관리하려면 API 키를 생성해야 합니다 ()

rememberizer.ai
가이드 여기
여기
여기
가이드 여기
여기에서 가이드를 참조하세요
rememberizer.ai
가이드 여기
가이드 여기
모델 컨텍스트 프로토콜
Rememberizer MCP 서버
mcp-get.com
GitHub