mongodb/mongodb-search-and-ai

Guide les utilisateurs de MongoDB dans l'implémentation et l'optimisation des solutions de recherche Atlas (texte intégral), recherche vectorielle (sémantique) et recherche hybride.

Qu'est-ce que mongodb-search-and-ai ?

Cette compétence est conçue pour les développeurs qui utilisent MongoDB et qui souhaitent intégrer des fonctionnalités de recherche avancées dans leurs applications. Elle couvre les trois principaux types de recherche proposés par MongoDB Atlas : la recherche en texte intégral (Atlas Search), la recherche vectorielle pour la similarité sémantique (Vector Search) et la recherche hybride qui combine les deux. La compétence fournit des workflows complets pour choisir le type de recherche approprié, créer les index nécessaires, construire des requêtes optimisées et améliorer les performances. Elle est particulièrement utile pour des cas comme l'autocomplétion, la recherche approximative, la recherche par facettes, les applications de RAG (Retrieval-Augmented Generation), la recherche dans plusieurs champs, ou encore la recherche insensible à la casse. Elle repose sur le serveur MCP (Model Context Protocol) de MongoDB pour interagir directement avec la base de données. Cette compétence est compatible avec les outils utilisant MCP comme Claude Code, Cursor et Codex.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mongodb/agent-skills/tree/main/skills/mongodb-search-and-ai

Installed? Explore more Productivité et collaboration skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait mongodb-search-and-ai ?

Guide les utilisateurs de MongoDB dans l'implémentation et l'optimisation des solutions de recherche Atlas (texte intégral), recherche vectorielle (sémantique) et recherche hybride. Utilisez cette compétence lorsque les utilisateurs ont besoin de construire des fonctionnalités de recherche pour des requêtes textuelles (autocomplétion, correspondance approximative, recherche par facettes), une similarité sémantique (plongements, applications de RAG) ou des approches combinées. Utilisez-la également lorsque les utilisateurs ont besoin de recherche par contenu textuel, correspondance de sous-chaîne ('contient', 'inclut', 'apparaît dans'), recherche textuelle insensible à la casse ou multi-champs, ou filtrage sur plusieurs champs avec des combinaisons variables. Fournit des workflows pour sélectionner le bon type de recherche, créer des index, construire des requêtes et optimiser les performances à l'aide du serveur MCP de MongoDB.

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

mongodb/mongodb-connection

Optimize MongoDB client connection configuration (pools, timeouts, patterns) for any supported driver language. Use this skill when working/updating/reviewing on functions that instantiate or configure a MongoDB client (eg, when calling `connect()`), configuring connection pools, troubleshooting connection errors (ECONNREFUSED, timeouts, pool exhaustion), optimizing performance issues related to connections. This includes scenarios like building serverless functions with MongoDB, creating API endpoints that use MongoDB, optimizing high-traffic MongoDB applications, creating long-running tasks and concurrency, or debugging connection-related failures.

mongodb/mongodb-mcp-setup

Guide users through configuring key MongoDB MCP server options. Use this skill when a user has the MongoDB MCP server installed but hasn't configured the required environment variables, or when they ask about connecting to MongoDB/Atlas and don't have the credentials set up.

mongodb/mongodb-natural-language-querying

Generate read-only MongoDB queries (find) or aggregation pipelines using natural language, with collection schema context and sample documents. Use this skill whenever the user asks to write, create, or generate MongoDB queries, wants to filter/query/aggregate data in MongoDB, asks "how do I query...", needs help with query syntax, or discusses finding/filtering/grouping MongoDB documents. Also use for translating SQL-like requests to MongoDB syntax. Does NOT handle Atlas Search ($search operator), vector/semantic search ($vectorSearch operator), fuzzy matching, autocomplete indexes, or relevance scoring - use search-and-ai for those. Does NOT analyze or optimize existing queries - use mongodb-query-optimizer for that. Does NOT handle aggregation pipelines that involve write operations. Requires MongoDB MCP server.

mongodb/mongodb-query-optimizer

Help with MongoDB query optimization and indexing. Use only when the user asks for optimization or performance: "How do I optimize this query?", "How do I index this?", "Why is this query slow?", "Can you fix my slow queries?", "What are the slow queries on my cluster?", etc. Do not invoke for general MongoDB query writing unless user asks for performance or index help. Prefer indexing as optimization strategy. Use MongoDB MCP when available.

mongodb/mongodb-schema-design

MongoDB schema design patterns and anti-patterns. Use when designing data models, reviewing schemas, migrating from SQL, or troubleshooting performance issues caused by schema problems. Triggers on "design schema", "embed vs reference", "MongoDB data model", "schema review", "unbounded arrays", "one-to-many", "tree structure", "16MB limit", "schema validation", "JSON Schema", "time series", "schema migration", "polymorphic", "TTL", "data lifecycle", "archive", "index explosion", "unnecessary indexes", "approximation pattern", "document versioning".

Skills associés