Сервер Model Context Protocol для взаимодействия с API управления документами и знаниями компании Rememberizer. Этот сервер позволяет Большим языковым моделям искать, извлекать и управлять документами и интеграциями с помощью Rememberizer.

Обратите внимание, что mcp-server-rememberizer в настоящее время находится в разработке, и функциональность может быть изменена.

Компоненты

###Ресурсы

Сервер предоставляет доступ к двум типам ресурсов: Документы или Обсуждение Slack.

Инструменты

1. [[Т1]]

Отправьте блок текста и извлеките похожие совпадения косинуса из вашего подключенного хранилища личных / командных знаний и памяти.

• Ввод: [[Т2]] (струна): до предложения из 400 слов, для которого вы хотите найти семантически похожие куски знания
• [[Т3]] (целое число, факультативно): Количество семантически похожих фрагментов текста для возврата. Используйте ‘n results=3’ для 5, и ‘n results=10’ для получения дополнительной информации.
• from_datetime_ISO8601 (струна, факультативно): Дата начала в формате ISO 8601 с часовым поясом (например, 2023-01-01T00:00:00Z). Используйте это для фильтрации результатов с определенной даты

MCP Server Rememberizer

A Model Context Protocol server for interacting with Rememberizer’s document and knowledge management API. This server enables Large Language Models to search, retrieve, and manage documents and integrations through Rememberizer.

Please note that mcp-server-rememberizer is currently in development and the functionality may be subject to change.

Components

Resources

The server provides access to two types of resources: Documents or Slack discussions

Tools

1. retrieve_semantically_similar_internal_knowledge

   • Send a block of text and retrieve cosine similar matches from your connected Rememberizer personal/team internal knowledge and memory repository
   • Input:
     • match_this (string): Up to a 400-word sentence for which you wish to find semantically similar chunks of knowledge
     • n_results (integer, optional): Number of semantically similar chunks of text to return. Use ‘n_results=3’ for up to 5, and ‘n_results=10’ for more information
     • from_datetime_ISO8601 (string, optional): Start date in ISO 8601 format with timezone (e.g., 2023-01-01T00:00:00Z). Use this to filter results from a specific date
     • to_datetime_ISO8601 (string, optional): End date in ISO 8601 format with timezone (e.g., 2024-01-01T00:00:00Z). Use this to filter results until a specific date
   • Returns: Search results as text output

2. smart_search_internal_knowledge

   • Search for documents in Rememberizer in its personal/team internal knowledge and memory repository using a simple query that returns the results of an agentic search. The search may include sources such as Slack discussions, Gmail, Dropbox documents, Google Drive documents, and uploaded files
   • Input:
     • query (string): Up to a 400-word sentence for which you wish to find semantically similar chunks of knowledge
     • user_context (string, optional): The additional context for the query. You might need to summarize the conversation up to this point for better context-awared results
     • n_results (integer, optional): Number of semantically similar chunks of text to return. Use ‘n_results=3’ for up to 5, and ‘n_results=10’ for more information
     • from_datetime_ISO8601 (string, optional): Start date in ISO 8601 format with timezone (e.g., 2023-01-01T00:00:00Z). Use this to filter results from a specific date
     • to_datetime_ISO8601 (string, optional): End date in ISO 8601 format with timezone (e.g., 2024-01-01T00:00:00Z). Use this to filter results until a specific date
   • Returns: Search results as text output