Rememberizer MCP 伺服器

配置和使用 Rememberizer MCP 伺服器以連接您的 AI 助手與您的知識

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 是一個為與 Rememberizer 的文檔和知識管理 API 互動而量身定制的 MCP 伺服器。它允許 LLMs 高效地搜索、檢索和管理文檔及整合。該伺服器作為公共包在 mcp-get.com 上提供，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 mcp-get.com

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

通過 Smithery

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

通過 SkyDeck AI 助手應用程式

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

可用工具

Rememberizer MCP 伺服器提供以下工具以便與您的知識庫互動：

retrieve_semantically_similar_internal_knowledge
- 從您的 Rememberizer 知識庫中尋找語義相似的匹配項
- 參數：
  - match_this (string, required): 要尋找匹配的文本（最多 400 字）
  - n_results (integer, optional): 返回的結果數量（默認：5）
  - from_datetime_ISO8601 (string, optional): 從此日期過濾結果
  - to_datetime_ISO8601 (string, optional): 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 (string, required): 您的搜索查詢（最多 400 字）
  - user_context (string, optional): 以獲得更好結果的附加上下文
  - n_results (integer, optional): 返回的結果數量（默認：5）
  - from_datetime_ISO8601 (string, optional): 從此日期過濾結果
  - to_datetime_ISO8601 (string, optional): 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
- 無需參數
rememberizer_account_information
- 檢索您的 Rememberizer 帳戶詳細信息
- 無需參數
list_personal_team_knowledge_documents
- 返回您所有文檔的分頁列表
- 參數：
  - page (integer, optional): 分頁的頁碼（默認：1）
  - page_size (integer, optional): 每頁文檔數量（默認：100，最大：1000）
remember_this
- 將新信息保存到您的 Rememberizer 知識系統
- 參數：
  - name (string, required): 用於識別此信息的名稱
  - content (string, required): 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...

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，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，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 SkyDeck AI Helper 應用，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件。
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 伺服器可以通過與主要 Rememberizer MCP 伺服器相似的方法進行安裝和整合：

通過 Smithery

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

通過 SkyDeck AI 助手應用程式

如果您已安裝 SkyDeck 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 SkyDeck AI Helper 應用程序，請將環境變量 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 Claude 桌面應用程序或 SkyDeck AI GenStudio 中詢問以下問題：

我當前的 Rememberizer 向量存儲是什麼？
列出我那裡的所有文檔。
給我一個關於 "..." 的簡要總結。

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。

PreviousRememberizer Memory 整合 Next管理第三方應用程式

Last updated 1 month ago