# Rememberizer MCP 伺服器

[**模型上下文協議**](https://modelcontextprotocol.io/introduction) (MCP) 是一種標準化協議，旨在將 AI 模型與各種數據源和工具集成。它支持客戶端-伺服器架構，促進構建具有增強靈活性和安全性的複雜工作流程和代理。

## Rememberizer MCP 伺服器

[**Rememberizer MCP 伺服器**](https://github.com/skydeckai/mcp-server-rememberizer) 是一個專為與 Rememberizer 的文檔和知識管理 API 互動而設計的 MCP 伺服器。它允許 LLMs 高效地搜索、檢索和管理文檔及整合。該伺服器作為公共套件可在 [mseep.ai](https://mseep.ai/app/skydeckai-mcp-server-rememberizer) 上獲得，並作為開源項目在 [GitHub](https://github.com/skydeckai/mcp-server-rememberizer) 上提供。

### 整合選項

Rememberizer MCP 伺服器可以通過多種方法安裝和整合：

#### 通過 uvx

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

#### 透過 MseeP AI 助手應用程式

如果您已安裝 MseeP AI 助手應用程式，您可以搜尋「Rememberizer」並安裝 mcp-server-rememberizer。

<figure><img src="/files/bwb9rtYeMyhgELiGW5mk" alt=""><figcaption><p>MseeP AI 助手</p></figcaption></figure>

### 可用工具

Rememberizer MCP 伺服器提供以下工具以與您的知識庫互動：

1. **retrieve\_semantically\_similar\_internal\_knowledge**
   * 從您的 Rememberizer 知識庫中查找語義相似的匹配項
   * 參數：
     * `match_this` (字串，必填)：要查找匹配的文本（最多 400 字）
     * `n_results` (整數，選填)：要返回的結果數量（預設：5）
     * `from_datetime_ISO8601` (字串，選填)：從此日期過濾結果
     * `to_datetime_ISO8601` (字串，選填)：直到此日期過濾結果
2. **smart\_search\_internal\_knowledge**
   * 在您的知識來源中執行代理搜索
   * 參數：
     * `query` (字串，必填)：您的搜索查詢（最多 400 字）
     * `user_context` (字串，選填)：額外的上下文以獲得更好的結果
     * `n_results` (整數，選填)：要返回的結果數量（預設：5）
     * `from_datetime_ISO8601` (字串，選填)：從此日期過濾結果
     * `to_datetime_ISO8601` (字串，選填)：直到此日期過濾結果
3. **list\_internal\_knowledge\_systems**
   * 列出您所有連接的知識來源
   * 不需要參數
4. **rememberizer\_account\_information**
   * 檢索您的 Rememberizer 帳戶詳細信息
   * 不需要參數
5. **list\_personal\_team\_knowledge\_documents**
   * 返回您所有文件的分頁列表
   * 參數：
     * `page` (整數，選填)：分頁的頁碼（預設：1）
     * `page_size` (整數，選填)：每頁的文件數量（預設：100，最大：1000）
6. **remember\_this**
   * 將新信息保存到您的 Rememberizer 知識系統
   * 參數：
     * `name` (字串，必填)：用於識別此信息的名稱
     * `content` (字串，必填)：要記住的信息

### 設定

**步驟 1：** 在 [rememberizer.ai](https://rememberizer.ai/) 註冊一個新的 Rememberizer 帳戶。

**步驟 2：** 通過連接 Gmail、Dropbox 或 Google Drive 等，將您的知識添加到 Rememberizer 平台中...

<figure><img src="/files/GSShQWtrOHwvZb42zQ2J" alt=""><figcaption></figcaption></figure>

**步驟 3：** 要選擇性地分享您的知識，設置 Mementos 過濾器。這使您可以選擇共享哪些信息以及哪些保持私密。 ([指南在這裡](https://docs.rememberizer.ai/personal/mementos-filter-access))

<figure><img src="/files/YEI8cAhVRL6s0ArsFWVy" alt=""><figcaption></figcaption></figure>

**步驟 4：** 通過創建“共同知識”來分享您的知識（指南 [在這裡](https://docs.rememberizer.ai/personal/common-knowledge) 和 [在這裡](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)）

<figure><img src="/files/4ShoD4RCthz1MWclf7mp" alt=""><figcaption></figcaption></figure>

**步驟 5：** 要通過 API 訪問您的知識，請創建一個 API 密鑰（[指南在這裡](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)）

<figure><img src="/files/QEl9ufJyQ2dLSUNWaFFk" alt=""><figcaption></figcaption></figure>

**步驟 6：** 如果您使用 Claude 桌面應用程序，請將此添加到您的 `claude_desktop_config.json` 文件中。

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

**步驟 7：** 如果您使用 MseeP AI Helper 應用程序，請將 env `REMEMBERIZER_API_TOKEN` 添加到 mcp-server-rememberizer。

<figure><img src="/files/cawDI9iXuFUVXVxvYbhQ" alt=""><figcaption></figcaption></figure>

恭喜，您完成了！

在 Rememberizer MCP 伺服器的支持下，您現在可以在 Claude 桌面應用程序或 SkyDeck AI GenStudio 中詢問以下問題：

* 我的 Rememberizer 帳戶是什麼？
* 列出我那裡的所有文檔。
* 給我一個關於“...”的快速摘要。

## Rememberizer 向量儲存 MCP 伺服器

**Rememberizer 向量儲存 MCP 伺服器** 促進 LLM 與 Rememberizer 向量儲存之間的互動，通過語義相似性搜索增強文件管理和檢索。

### 整合選項

Rememberizer 向量儲存 MCP 伺服器可以通過與 Rememberizer MCP 伺服器類似的方法進行安裝和整合：

#### 通過 uvx

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

#### 通過 MseeP AI 助手應用程式

如果您已安裝 MseeP AI 助手應用程式，您可以搜索「Rememberizer 向量存儲」並安裝 mcp-rememberizer-vectordb。

<figure><img src="/files/yNBRODd0Iv7ruLcAyqDt" alt=""><figcaption><p>MseeP AI 助手</p></figcaption></figure>

### 安裝

要安裝 Rememberizer 向量存儲 MCP 伺服器，請遵循 [此指南](https://github.com/skydeckai/mcp-rememberizer-vectordb#installation)。

### 設定

**步驟 1：** 在 [rememberizer.ai](https://rememberizer.ai/) 註冊一個新的 Rememberizer 帳戶。

**步驟 2：** 創建一個新的向量存儲 ([指南在這裡](https://docs.rememberizer.ai/developer/vector-stores))

<figure><img src="/files/ocK792rL11BZmaWZt2al" alt=""><figcaption></figcaption></figure>

**步驟 3：** 要通過 API 管理您的向量存儲，您需要創建一個 API 密鑰 ([指南在這裡](https://docs.rememberizer.ai/developer/vector-stores#api-key-management))

<figure><img src="/files/CcJRItNzAiu8Mcnm54Uv" alt=""><figcaption></figcaption></figure>

**步驟 4：** 如果您使用 Claude 桌面應用程序，請將此添加到您的 `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"
      }
    }
  }
}
```

**步驟 5：** 如果您使用 MseeP AI Helper 應用程序，請將 env `REMEMBERIZER_VECTOR_STORE_API_KEY` 添加到 mcp-rememberizer-vectordb。

<figure><img src="/files/CRqD69SyUkBEl4Ho5ov2" alt=""><figcaption></figcaption></figure>

恭喜，您完成了！

在 Rememberizer 向量存儲 MCP 伺服器的支持下，您現在可以在您的 Claude 桌面應用程序或 SkyDeck AI GenStudio 中詢問以下問題

* 我目前的 Rememberizer 向量存儲是什麼？
* 列出我那裡的所有文檔。
* 給我一個關於 "..." 的快速摘要。

## 結論

Rememberizer MCP 伺服器展示了模型上下文協議的強大能力，提供了一種高效、標準化的方式來連接 AI 模型與全面的數據管理工具。這些伺服器增強了精確搜索、檢索和管理文檔的能力，利用先進的語義搜索方法和 LLM 代理的增強功能。


---

# 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-hk/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.