mongodb/mongodb-natural-language-querying

Gere consultas somente leitura do MongoDB (find) ou pipelines de agregação usando linguagem natural, com contexto do esquema da coleção e documentos de amostra.

O que é mongodb-natural-language-querying?

Esta skill permite que desenvolvedores e usuários do MongoDB gerem consultas (find) e pipelines de agregação somente leitura a partir de descrições em linguagem natural. Ao fornecer contexto do esquema da coleção e documentos de amostra, ela traduz perguntas como "como faço para filtrar documentos onde o campo 'status' é 'ativo'" ou requisições no estilo SQL para a sintaxe correta do MongoDB. É útil para quem não domina completamente a sintaxe de consultas ou deseja acelerar a escrita de filtros, agrupamentos e agregações. A skill não trata operações de gravação, busca com Atlas Search ($search), busca vetorial/semântica ($vectorSearch), correspondência difusa, índices de autocomplete ou pontuação de relevância (use search-and-ai para esses casos). Também não analisa ou otimiza consultas existentes (use mongodb-query-optimizer para isso). Requer o servidor MCP do MongoDB para funcionar.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mongodb/agent-skills/tree/main/skills/mongodb-natural-language-querying

Installed? Explore more Produtividade e Colaboração skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que mongodb-natural-language-querying faz?

Gere consultas somente leitura do MongoDB (find) ou pipelines de agregação usando linguagem natural, com contexto do esquema da coleção e documentos de amostra. Use esta skill sempre que o usuário solicitar escrever, criar ou gerar consultas MongoDB, quiser filtrar/consultar/agregar dados no MongoDB, perguntar "como faço para consultar...", precisar de ajuda com a sintaxe de consultas, ou discutir sobre encontrar/filtrar/agrupar documentos MongoDB. Também use para traduzir requisições no estilo SQL para a sintaxe MongoDB. Não lida com Atlas Search (operador $search), busca vetorial/semântica (operador $vectorSearch), correspondência difusa, índices de autocomplete ou pontuação de relevância — use search-and-ai para esses casos. Não analisa ou otimiza consultas existentes — use mongodb-query-optimizer para isso. Não lida com pipelines de agregação que envolvem operações de escrita. Requer o servidor MCP do 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-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".

mongodb/mongodb-search-and-ai

Guides MongoDB users through implementing and optimizing Atlas Search (full-text), Vector Search (semantic), and Hybrid Search solutions. Use this skill when users need to build search functionality for text-based queries (autocomplete, fuzzy matching, faceted search), semantic similarity (embeddings, RAG applications), or combined approaches. Also use when users need text containment, substring matching ('contains', 'includes', 'appears in'), case-insensitive or multi-field text search, or filtering across many fields with variable combinations. Provides workflows for selecting the right search type, creating indexes, constructing queries, and optimizing performance using the MongoDB MCP server.

Habilidades Relacionadas