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。

MseeP AI 助手

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: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。

MseeP AI 助手

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: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