# Servidores MCP do Rememberizer O [**Protocolo de Contexto de Modelo**](https://modelcontextprotocol.io/introduction) (MCP) é um protocolo padronizado projetado para integrar modelos de IA com várias fontes de dados e ferramentas. Ele suporta uma arquitetura cliente-servidor que facilita a construção de fluxos de trabalho e agentes complexos com maior flexibilidade e segurança. ## Servidor MCP Rememberizer O [**Servidor MCP Rememberizer**](https://github.com/skydeckai/mcp-server-rememberizer) é um servidor MCP projetado para interagir com a API de gerenciamento de documentos e conhecimento do Rememberizer. Ele permite que LLMs pesquisem, recuperem e gerenciem documentos e integrações de forma eficiente. O servidor está disponível como um pacote público em [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) e como um projeto de código aberto no [GitHub](https://github.com/skydeckai/mcp-server-rememberizer). ### Opções de Integração O Servidor MCP do Rememberizer pode ser instalado e integrado através de múltiplos métodos: #### Via uvx ```bash uvx mcp-server-rememberizer ``` #### Via MseeP AI Helper App Se você tiver o aplicativo MseeP AI Helper instalado, pode procurar por "Rememberizer" e instalar o mcp-server-rememberizer.

MseeP AI Helper

### Ferramentas Disponíveis O Servidor MCP do Rememberizer fornece as seguintes ferramentas para interagir com seu repositório de conhecimento: 1. **retrieve\_semantically\_similar\_internal\_knowledge** * Encontra correspondências semanticamente similares em seu repositório de conhecimento do Rememberizer * Parâmetros: * `match_this` (string, obrigatório): O texto para encontrar correspondências (até 400 palavras) * `n_results` (inteiro, opcional): Número de resultados a retornar (padrão: 5) * `from_datetime_ISO8601` (string, opcional): Filtrar resultados a partir desta data * `to_datetime_ISO8601` (string, opcional): Filtrar resultados até esta data 2. **smart\_search\_internal\_knowledge** * Realiza uma busca agente em suas fontes de conhecimento * Parâmetros: * `query` (string, obrigatório): Sua consulta de busca (até 400 palavras) * `user_context` (string, opcional): Contexto adicional para melhores resultados * `n_results` (inteiro, opcional): Número de resultados a retornar (padrão: 5) * `from_datetime_ISO8601` (string, opcional): Filtrar resultados a partir desta data * `to_datetime_ISO8601` (string, opcional): Filtrar resultados até esta data 3. **list\_internal\_knowledge\_systems** * Lista todas as suas fontes de conhecimento conectadas * Nenhum parâmetro necessário 4. **rememberizer\_account\_information** * Recupera os detalhes da sua conta do Rememberizer * Nenhum parâmetro necessário 5. **list\_personal\_team\_knowledge\_documents** * Retorna uma lista paginada de todos os seus documentos * Parâmetros: * `page` (inteiro, opcional): Número da página para paginação (padrão: 1) * `page_size` (inteiro, opcional): Documentos por página (padrão: 100, máximo: 1000) 6. **remember\_this** * Salva novas informações em seu sistema de conhecimento do Rememberizer * Parâmetros: * `name` (string, obrigatório): Nome para identificar esta informação * `content` (string, obrigatório): A informação a ser memorizada ### Configuração **Passo 1:** Inscreva-se para uma nova conta Rememberizer em [rememberizer.ai](https://rememberizer.ai/). **Passo 2:** Adicione seu conhecimento à plataforma Rememberizer conectando-se ao Gmail, Dropbox ou Google Drive, etc...
**Passo 3:** Para compartilhar seu conhecimento de forma seletiva, configure um Filtro de Mementos. Isso permite que você escolha quais informações são compartilhadas e quais permanecem privadas. ([Guia aqui](https://docs.rememberizer.ai/personal/mementos-filter-access))
**Passo 4:** Compartilhe seu conhecimento criando um "Conhecimento Comum" (Guia [aqui](https://docs.rememberizer.ai/personal/common-knowledge) e [aqui](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))
**Passo 5:** Para acessar seu conhecimento via APIs, crie uma chave de API ([Guia aqui](https://docs.rememberizer.ai/developer/registering-and-using-api-keys))
**Passo 6:** Se você estiver usando o aplicativo Claude Desktop, adicione isso ao seu arquivo `claude_desktop_config.json`. ```json { "mcpServers": { "rememberizer": { "command": "uvx", "args": ["mcp-server-rememberizer"], "env": { "REMEMBERIZER_API_TOKEN": "your_rememberizer_api_token" } } } } ``` **Passo 7:** Se você estiver usando o aplicativo MseeP AI Helper, adicione a variável de ambiente `REMEMBERIZER_API_TOKEN` ao mcp-server-rememberizer.
Parabéns, você terminou! Com o suporte do servidor MCP do Rememberizer, agora você pode fazer as seguintes perguntas no seu aplicativo Claude Desktop ou SkyDeck AI GenStudio * Qual é a minha conta Rememberizer? * Liste todos os documentos que eu tenho lá. * Dê-me um resumo rápido sobre "..." ## Servidor MCP do Armazenamento de Vetores Rememberizer O **Servidor MCP do Armazenamento de Vetores Rememberizer** facilita a interação entre LLMs e o Armazenamento de Vetores Rememberizer, aprimorando a gestão e recuperação de documentos por meio de buscas de similaridade semântica. ### Opções de Integração O Servidor MCP do Armazenamento de Vetores Rememberizer pode ser instalado e integrado por métodos semelhantes aos do Servidor MCP Rememberizer: #### Via uvx ```bash uvx mcp-rememberizer-vectordb ``` #### Via MseeP AI Helper App Se você tiver o aplicativo MseeP AI Helper instalado, pode procurar por "Rememberizer Vector Store" e instalar o mcp-rememberizer-vectordb.

MseeP AI Helper

### Instalação Para instalar o Servidor MCP do Rememberizer Vector Store, siga o [guia aqui](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation). ### Configuração **Passo 1:** Inscreva-se para uma nova conta Rememberizer em [rememberizer.ai](https://rememberizer.ai/). **Passo 2:** Crie um novo Armazenamento de Vetores ([Guia aqui](https://docs.rememberizer.ai/developer/vector-stores))
**Passo 3:** Para gerenciar seu Armazenamento de Vetores via APIs, você precisa criar uma chave de API ([Guia aqui](https://docs.rememberizer.ai/developer/vector-stores#api-key-management))
**Passo 4:** Se você estiver usando o aplicativo Claude Desktop, adicione isso ao seu arquivo `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 você estiver usando o aplicativo MseeP AI Helper, adicione a variável de ambiente `REMEMBERIZER_VECTOR_STORE_API_KEY` ao mcp-rememberizer-vectordb.
Parabéns, você terminou! Com o suporte do servidor MCP do Armazenamento de Vetores Rememberizer, você pode agora fazer as seguintes perguntas no seu aplicativo Claude Desktop ou SkyDeck AI GenStudio * Qual é o meu atual armazenamento de vetores Rememberizer? * Liste todos os documentos que eu tenho lá. * Dê-me um resumo rápido sobre "..." ## Conclusão Os Servidores MCP do Rememberizer demonstram as poderosas capacidades do Protocolo de Contexto de Modelo, fornecendo uma maneira eficiente e padronizada de conectar modelos de IA com ferramentas abrangentes de gerenciamento de dados. Esses servidores aprimoram a capacidade de pesquisar, recuperar e gerenciar documentos com precisão, utilizando métodos avançados de busca semântica e a ampliação 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/pt/uso-pessoal/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.