MCP 서버 기억기

Rememberizer의 문서 및 지식 관리 API와 상호 작용하는 모델 컨텍스트 프로토콜 서버입니다. 이 서버를 통해 대규모 언어 모델(Large Language Models)이 Rememberizer를 통해 문서 및 통합을 검색, 조회 및 관리할 수 있습니다.

mcp-server-rememberizer 현재 개발 중이므로 기능이 변경될 수 있습니다.

구성 요소

자원

서버는 문서 또는 Slack 토론이라는 두 가지 유형의 리소스에 대한 액세스를 제공합니다.

도구

1. retrieve_semantically_similar_internal_knowledge
   • 텍스트 블록을 보내고 연결된 Rememberizer 개인/팀 내부 지식 및 메모리 저장소에서 코사인 유사 일치 항목을 검색합니다.
   • 입력:
     • match_this (문자열): 의미적으로 유사한 지식 덩어리를 찾고자 하는 최대 400단어 문장
     • n_results (정수, 선택 사항): 의미적으로 유사한 텍스트 청크의 개수입니다. 최대 5개까지 반환하려면 'n_results=3'을 사용하고, 더 많은 정보를 얻으려면 'n_results=10'을 사용합니다.
     • from_datetime_ISO8601 (문자열, 선택 사항): ISO 8601 형식의 시작 날짜와 시간대(예: 2023-01-01T00:00:00Z). 특정 날짜의 결과를 필터링하는 데 사용합니다.
     • to_datetime_ISO8601 (문자열, 선택 사항): 시간대를 포함한 ISO 8601 형식의 종료 날짜(예: 2024-01-01T00:00:00Z). 특정 날짜까지의 결과를 필터링하는 데 사용합니다.
   • 반환: 검색 결과를 텍스트 출력으로 반환합니다.
2. smart_search_internal_knowledge
   • 간단한 쿼리를 사용하여 개인/팀 내부 지식 및 메모리 저장소에 있는 Rememberizer의 문서를 검색합니다. 에이전트 검색 결과를 반환하는 간단한 쿼리를 사용합니다. 검색에는 Slack 토론, Gmail, Dropbox 문서, Google Drive 문서, 업로드된 파일 등의 소스가 포함될 수 있습니다.
   • 입력:
     • query (문자열): 의미적으로 유사한 지식 덩어리를 찾고자 하는 최대 400단어 문장
     • user_context (문자열, 선택 사항): 쿼리에 대한 추가 컨텍스트입니다. 더 나은 컨텍스트 인식 결과를 얻으려면 지금까지의 대화를 요약해야 할 수도 있습니다.
     • n_results (정수, 선택 사항): 의미적으로 유사한 텍스트 청크의 개수입니다. 최대 5개까지 반환하려면 'n_results=3'을 사용하고, 더 많은 정보를 얻으려면 'n_results=10'을 사용합니다.
     • from_datetime_ISO8601 (문자열, 선택 사항): ISO 8601 형식의 시작 날짜와 시간대(예: 2023-01-01T00:00:00Z). 특정 날짜의 결과를 필터링하는 데 사용합니다.
     • to_datetime_ISO8601 (문자열, 선택 사항): 시간대를 포함한 ISO 8601 형식의 종료 날짜(예: 2024-01-01T00:00:00Z). 특정 날짜까지의 결과를 필터링하는 데 사용합니다.
   • 반환: 검색 결과를 텍스트 출력으로 반환합니다.
3. list_internal_knowledge_systems
   • 개인/팀 내부 지식의 출처를 나열하세요. 여기에는 Slack 토론, Gmail, Dropbox 문서, Google Drive 문서, 업로드된 파일 등이 포함될 수 있습니다.
   • 입력: 필요 없음
   • 반환: 사용 가능한 통합 목록
4. rememberizer_account_information
   • Rememberizer.ai 개인/팀 지식 저장소 계정에 대한 정보를 확인하세요. 여기에는 계정 소유자 이름과 이메일 주소가 포함됩니다.
   • 입력: 필요 없음
   • 반환: 계정 정보 세부 정보
5. list_personal_team_knowledge_documents
   • 개인/팀 지식 시스템에 있는 모든 문서의 페이지별 목록을 검색합니다. Slack 토론, Gmail, Dropbox 문서, Google Drive 문서 및 업로드된 파일 등이 소스에 포함될 수 있습니다.
   • 입력:
     • page (정수, 선택 사항): 페이지 번호, 1부터 시작(기본값: 1)
     • page_size (정수, 선택 사항): 페이지당 문서 수, 범위 1-1000(기본값: 100)
   • 반환: 문서 목록
6. remember_this
   • Rememberizer.ai 지식 시스템에 텍스트 정보를 저장하여 나중에 retrieve_semantically_similar_internal_knowledge 또는 smart_search_internal_knowledge 도구를 통해 다시 불러올 수 있도록 합니다.
   • 입력:
     • name (문자열): 정보의 이름입니다. 이는 향후 정보를 식별하는 데 사용됩니다.
     • content (문자열): 기억하고 싶은 정보
   • 반환: 확인 데이터

설치

mcp-get.com을 통해

지엑스피1

스미서리를 통해

SkyDeck AI Helper 앱을 통해

SkyDeck AI Helper 앱이 설치되어 있다면 "Rememberizer"를 검색하여 mcp-server-rememberizer를 설치할 수 있습니다.

구성

환경 변수

다음 환경 변수가 필요합니다.

• REMEMBERIZER_API_TOKEN : Rememberizer API 토큰

Rememberizer에서 사용자 고유의 공통 지식을 생성하여 API 키를 등록할 수 있습니다.

Claude Desktop과 함께 사용

claude_desktop_config.json 에 다음을 추가하세요:

SkyDeck AI Helper 앱과 함께 사용

mcp-server-rememberizer에 env REMEMBERIZER_API_TOKEN을 추가합니다.

Rememberizer MCP 서버의 지원을 통해 이제 Claude Desktop 앱이나 SkyDeck AI GenStudio에서 다음 질문을 할 수 있습니다.

• 내 Rememberizer 계정은 무엇인가요?
• 내가 가지고 있는 모든 문서를 나열해 주세요.
• "..."에 대한 간단한 요약을 알려주세요.
• 등...

특허

이 프로젝트는 Apache License 2.0에 따라 라이선스가 부여되었습니다. 자세한 내용은 LICENSE 파일을 참조하세요.