# Rememberizer MCP 服务器

[**模型上下文协议**](https://modelcontextprotocol.io/introduction) (MCP) 是一种标准化协议，旨在将 AI 模型与各种数据源和工具集成。它支持客户端-服务器架构，促进构建具有更高灵活性和安全性的复杂工作流程和代理。

## Rememberizer MCP 服务器

[**Rememberizer MCP 服务器**](https://github.com/skydeckai/mcp-server-rememberizer) 是一个为与 Rememberizer 的文档和知识管理 API 交互而量身定制的 MCP 服务器。它允许 LLM 高效地搜索、检索和管理文档及集成。该服务器作为公共包可在 [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) 上获取，并作为开源项目在 [GitHub](https://github.com/skydeckai/mcp-server-rememberizer) 上发布。

### 集成选项

Rememberizer MCP 服务器可以通过多种方式安装和集成：

#### 通过 uvx

```bash
uvx mcp-server-rememberizer
```

#### 通过 MseeP AI Helper 应用

如果您安装了 MseeP AI Helper 应用，您可以搜索“Rememberizer”并安装 mcp-server-rememberizer。

<figure><img src="/files/acR9tRb6SSzva7itVuA3" alt=""><figcaption><p>MseeP AI Helper</p></figcaption></figure>

### 可用工具

Rememberizer MCP 服务器提供以下工具以与您的知识库进行交互：

1. **retrieve\_semantically\_similar\_internal\_knowledge**
   * 从您的 Rememberizer 知识库中查找语义相似的匹配项
   * 参数：
     * `match_this`（字符串，必需）：要查找匹配的文本（最多 400 个单词）
     * `n_results`（整数，可选）：要返回的结果数量（默认：5）
     * `from_datetime_ISO8601`（字符串，可选）：从此日期过滤结果
     * `to_datetime_ISO8601`（字符串，可选）：直到此日期过滤结果
2. **smart\_search\_internal\_knowledge**
   * 在您的知识来源中执行代理搜索
   * 参数：
     * `query`（字符串，必需）：您的搜索查询（最多 400 个单词）
     * `user_context`（字符串，可选）：用于更好结果的附加上下文
     * `n_results`（整数，可选）：要返回的结果数量（默认：5）
     * `from_datetime_ISO8601`（字符串，可选）：从此日期过滤结果
     * `to_datetime_ISO8601`（字符串，可选）：直到此日期过滤结果
3. **list\_internal\_knowledge\_systems**
   * 列出您所有连接的知识来源
   * 不需要参数
4. **rememberizer\_account\_information**
   * 检索您的 Rememberizer 账户详细信息
   * 不需要参数
5. **list\_personal\_team\_knowledge\_documents**
   * 返回您所有文档的分页列表
   * 参数：
     * `page`（整数，可选）：分页的页码（默认：1）
     * `page_size`（整数，可选）：每页文档数量（默认：100，最大：1000）
6. **remember\_this**
   * 将新信息保存到您的 Rememberizer 知识系统
   * 参数：
     * `name`（字符串，必需）：用于识别此信息的名称
     * `content`（字符串，必需）：要记忆的信息

### 设置

**步骤 1：** 在 [rememberizer.ai](https://rememberizer.ai/) 注册一个新的 Rememberizer 账户。

**步骤 2：** 通过连接 Gmail、Dropbox 或 Google Drive 等，将您的知识添加到 Rememberizer 平台...

<figure><img src="/files/fmadmpIITPjyuRlD96yE" alt=""><figcaption></figcaption></figure>

**步骤 3：** 要选择性地分享您的知识，请设置 Mementos 过滤器。这允许您选择共享哪些信息以及哪些信息保持私密。 ([指南在这里](https://docs.rememberizer.ai/personal/mementos-filter-access))

<figure><img src="/files/xqF5FpEaDSfyDD5XVVJu" alt=""><figcaption></figcaption></figure>

**步骤 4：** 通过创建“常识”来分享您的知识（指南 [在这里](https://docs.rememberizer.ai/personal/common-knowledge) 和 [在这里](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)）

<figure><img src="/files/OHqgmgUL0B37cMElzoZh" alt=""><figcaption></figcaption></figure>

**步骤 5：** 要通过 API 访问您的知识，请创建一个 API 密钥（[指南在这里](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)）

<figure><img src="/files/kFmorVN54SbgJJL0w8A1" alt=""><figcaption></figcaption></figure>

**步骤 6：** 如果您使用 Claude 桌面应用程序，请将此添加到您的 `claude_desktop_config.json` 文件中。

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

**步骤 7：** 如果您使用 MseeP AI Helper 应用程序，请将 env `REMEMBERIZER_API_TOKEN` 添加到 mcp-server-rememberizer。

<figure><img src="/files/pvUXoqu4mucNSRT6xl6H" alt=""><figcaption></figcaption></figure>

恭喜，您完成了！

在 Rememberizer MCP 服务器的支持下，您现在可以在 Claude 桌面应用程序或 SkyDeck AI GenStudio 中询问以下问题：

* 我的 Rememberizer 账户是什么？
* 列出我在那里拥有的所有文档。
* 给我关于“...”的快速总结。

## Rememberizer 向量存储 MCP 服务器

**Rememberizer 向量存储 MCP 服务器** 促进 LLM 与 Rememberizer 向量存储之间的交互，通过语义相似性搜索增强文档管理和检索。

### 集成选项

Rememberizer 向量存储 MCP 服务器可以通过与 Rememberizer MCP 服务器类似的方法进行安装和集成：

#### 通过 uvx

```bash
uvx mcp-rememberizer-vectordb
```

#### 通过 MseeP AI 助手应用

如果您安装了 MseeP AI 助手应用，可以搜索“Rememberizer 向量存储”并安装 mcp-rememberizer-vectordb。

<figure><img src="/files/qywvPTPcqmyAeMGZXfCY" alt=""><figcaption><p>MseeP AI 助手</p></figcaption></figure>

### 安装

要安装 Rememberizer 向量存储 MCP 服务器，请按照 [此处的指南](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation) 操作。

### 设置

**步骤 1：** 在 [rememberizer.ai](https://rememberizer.ai/) 注册一个新的 Rememberizer 账户。

**步骤 2：** 创建一个新的向量存储（[指南在这里](https://docs.rememberizer.ai/developer/vector-stores)）

<figure><img src="/files/hPoGgFBqJHZbV4wvJdNE" alt=""><figcaption></figcaption></figure>

**步骤 3：** 要通过 API 管理您的向量存储，您需要创建一个 API 密钥（[指南在这里](https://docs.rememberizer.ai/developer/vector-stores#api-key-management)）

<figure><img src="/files/JB79SF9rX0IppAekOOSz" alt=""><figcaption></figcaption></figure>

**步骤 4：** 如果您使用 Claude 桌面应用程序，请将此添加到您的 `claude_desktop_config.json` 文件中。

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

**步骤 5：** 如果您使用 MseeP AI Helper 应用程序，请将环境变量 `REMEMBERIZER_VECTOR_STORE_API_KEY` 添加到 mcp-rememberizer-vectordb。

<figure><img src="/files/nEUEqmnqg25f5XceL89t" alt=""><figcaption></figcaption></figure>

恭喜，您完成了！

在 Rememberizer 向量存储 MCP 服务器的支持下，您现在可以在 Claude 桌面应用程序或 SkyDeck AI GenStudio 中询问以下问题：

* 我当前的 Rememberizer 向量存储是什么？
* 列出我在那里拥有的所有文档。
* 给我关于“...”的快速总结。

## 结论

Rememberizer MCP 服务器展示了模型上下文协议的强大能力，通过提供一种高效、标准化的方式将 AI 模型与全面的数据管理工具连接起来。这些服务器增强了以精确的方式搜索、检索和管理文档的能力，利用先进的语义搜索方法和 LLM 代理的增强。


---

# 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/zh-cn/ge-ren-shi-yong/integrations/rememberizer-mcp-servers.md?ask=<question>
```

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.