Rememberizer MCP 伺服器
配置和使用 Rememberizer MCP 伺服器，以將您的 AI 助手與 您的知識連接
模型上下文協議 (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 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 上獲得，並作為開源項目在 GitHub 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
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。
可用工具
Rememberizer MCP 伺服器提供以下工具以與您的知識庫互動：
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
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
list_internal_knowledge_systems
列出您所有連接的知識來源
不需要參數
rememberizer_account_information
檢索您的 Rememberizer 帳戶詳細信息
不需要參數
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）
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 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...
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)
步驟 4： 通過創建“共同知識”來分享您的知識（指南 在這裡 和 在這裡）
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）
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。
{
"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。
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
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。
安裝
要安裝 Rememberizer 向量存儲 MCP 伺服器，請遵循 此指南。
設定
步驟 1： 在 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)
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)
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。
{
"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。
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。
Last updated