关于 Rember MCP
Rember MCP 是 Rember 的 MCP 服务,让 Claude 可以为用户创建闪卡。Rember 基于间隔重复安排复习,适合需要记忆学习内容的用户。
主要功能
- 01从对话内容创建闪卡
- 02从 PDF 内容创建闪卡
- 03通过 npx 运行服务
- 04使用 API 密钥进行认证
适用场景
- 01将聊天中学到的知识转为闪卡
- 02根据 PDF 章节生成复习卡片
MCP 相关
该项目是一个 MCP 服务,向 Claude 等 MCP 客户端暴露 create_flashcards 工具,由该工具把笔记发送至 Rember API 生成闪卡。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Rember MCP
借助 Rember 的官方 Model Context Protocol (MCP),让 Claude 为你创建抽认卡。Rember 通过安排间隔重复复习,帮助你学习并记住任何你在意的内容。
功能和示例:
- 根据聊天内容创建抽认卡 “……我喜欢你的回答,帮我记住它”
- 根据 PDF 创建抽认卡 “根据这份 PDF 的第 2 章创建抽认卡”

设置
如需使用 npx 运行 Rember MCP 服务,请使用以下命令:
npx -y @getrember/mcp --api-key=YOUR_REMBER_API_KEY
请务必将 YOUR_REMBER_API_KEY 替换为你自己的 Rember API 密钥。你可以在设置页面找到该密钥。API 密钥的格式应为 rember_,后接 32 个随机字符。
在 Claude Desktop 中使用
将以下内容添加到你的 claude_desktop_config.json。更多详情请参阅此处。
{
"mcpServers": {
"rember": {
"command": "npx",
"args": ["-y", "@getrember/mcp", "--api-key=YOUR_REMBER_API_KEY"]
}
}
}
可用工具
create_flashcards:使用 AI 创建抽认卡。此工具接收 Claude 提供的一组笔记,并调用 Rember API 为每条笔记生成几张抽认卡。在与 Claude 聊天时学到新内容后,你可以说“帮我记住这个”“创建几张抽认卡”或“添加到 Rember”。
构建 MCP 服务的最佳实践
以下是我们在开发 Rember MCP 服务时总结的经验:
-
尽早将日志设置为输出到
stderr,这对调试至关重要 -
先创建一个简单的 MCP 工具,并确认 Claude 能正确调用它
-
花时间反复完善工具描述:
- 介绍你的产品及其 URL。这有两个作用:帮助 Claude 正确使用工具,也让 Claude 能回答用户关于产品的问题
- 清楚说明 MCP 是什么。有几次 Claude 幻觉称 MCP 是“Multiple Choice Prompts”(多选提示),真让人哭笑不得
- 详细描述工具的输入
- 说明 Claude 调用工具后会发生什么。我们明确指出,输入的笔记数组会发送到 Rember API,由其为每条笔记生成抽认卡
- 提供工具用法示例(例如“根据与 Claude 的对话创建抽认卡”“根据 PDF 创建抽认卡”),并针对每种用例给 Claude 具体指示
- 列出用户可能如何调用该工具的示例(例如“帮我记住这个”“添加到 Rember”“创建几张抽认卡”)
- 列出一组规则,引导 Claude 正确使用工具
-
有策略地使用工具调用响应:它不会直接显示给用户,而是由 Claude 解读:
- 成功时,Rember API 不会返回已创建抽认卡的数量,Claude 只能知道创建的 rembs 数量。我们会明确告知 Claude 这一点,否则它往往会虚构已创建的抽认卡数量
- 对于达到每月限额的用户,我们会指示 Claude 告知他们 Rember Pro 订阅选项,并提供相关 URL
-
为暂时性错误实现重试机制,并设置合适的超时时间
-
我们积累了足够多的边缘案例,手动在 Claude Desktop(我们的主要目标 MCP 客户端)上测试变得十分繁琐。于是,我们通过调用 Claude API,并使用来自 claude.ai 的系统提示词来模拟 Claude Desktop 的行为,创建了一套单元测试。在当前迭代中,每项测试都会模拟一次与 Claude Desktop 的聊天,供人工检查,并包含一些简单的断言
尚待完善:
- 遥测和可观测性:目前一旦出现问题,我们就无法察觉
- 更全面的错误处理
- 进一步完善工具描述
- 更多自动化测试
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。