Rememberizer MCP 服务器

配置和使用 Rememberizer MCP 服务器以连接您的 AI 助手与您的知识

模型上下文协议 (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 是一个专为与 Rememberizer 的文档和知识管理 API 交互而设计的 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 mcp-get.com 上获取，并作为开源项目在 GitHub 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 mcp-get.com

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

通过 Smithery

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

通过 SkyDeck AI 助手应用

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

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：

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，必填）：要查找匹配项的文本（最多 400 个单词）
  - n_results（整数，选填）：要返回的结果数量（默认：5）
  - from_datetime_ISO8601（字符串，选填）：从此日期过滤结果
  - to_datetime_ISO8601（字符串，选填）：直到此日期过滤结果
smart_search_internal_knowledge
- 在您的知识源中执行代理搜索
- 参数：
  - query（字符串，必填）：您的搜索查询（最多 400 个单词）
  - user_context（字符串，选填）：用于更好结果的附加上下文
  - n_results（整数，选填）：要返回的结果数量（默认：5）
  - from_datetime_ISO8601（字符串，选填）：从此日期过滤结果
  - to_datetime_ISO8601（字符串，选填）：直到此日期过滤结果
list_internal_knowledge_systems
- 列出您所有连接的知识源
- 无需参数
rememberizer_account_information
- 检索您的 Rememberizer 账户详细信息
- 无需参数
list_personal_team_knowledge_documents
- 返回您所有文档的分页列表
- 参数：
  - page（整数，选填）：分页的页码（默认：1）
  - page_size（整数，选填）：每页文档数量（默认：100，最大：1000）
remember_this
- 将新信息保存到您的 Rememberizer 知识系统
- 参数：
  - name（字符串，必填）：用于识别此信息的名称
  - content（字符串，必填）：要记忆的信息

设置

步骤 1： 在 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...

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)

步骤 4： 通过创建“常识”来分享您的知识（指南在这里和在这里）

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）

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。

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

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

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

通过 Smithery

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

通过 SkyDeck AI Helper 应用

如果您安装了 SkyDeck AI Helper 应用，您可以搜索“Rememberizer Vector Store”并安装 mcp-rememberizer-vectordb。

安装

要安装 Rememberizer 向量存储 MCP 服务器，请按照此处的指南操作。

设置

步骤 1： 在 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）

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）

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。

{
  "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 SkyDeck AI Helper 应用程序，请将环境变量 REMEMBERIZER_VECTOR_STORE_API_KEY 添加到 mcp-rememberizer-vectordb。

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。
给我一个关于“...”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。

PreviousRememberizer Memory 集成 Next管理第三方应用

Last updated 1 month ago