Mongodb

Verwaltet MongoDB Atlas Stream Processing (ASP)-Workflows. Kümmert sich um die Bereitstellung von Arbeitsbereichen, Verbindungen zu Datenquellen/Senken, Betriebslebenszyklus von Prozessoren, Debugging-Diagnosen und Größeneinstufung von Ebenen. Unterstützt Kafka-, Atlas-Cluster-, S3-, HTTPS- und Lambda-Integrationen für Streaming-Daten-Workloads und Ereignisverarbeitung. NICHT für allgemeine MongoDB-Abfragen oder Atlas-Clusterverwaltung. Erfordert MongoDB MCP Server mit Atlas API-Anmeldeinformationen.

Optimieren Sie die Konfiguration von MongoDB-Clientverbindungen (Pools, Timeouts, Muster) für jede unterstützte Treibersprache. Verwenden Sie diese Fähigkeit, wenn Sie an Funktionen arbeiten/diese aktualisieren/überprüfen, die einen MongoDB-Client instanziieren oder konfigurieren (z. B. beim Aufruf von `connect()`), Verbindungspools konfigurieren, Verbindungsprobleme beheben (ECONNREFUSED, Timeouts, Pool-Erschöpfung), Leistungsprobleme im Zusammenhang mit Verbindungen optimieren. Dies schließt Szenarien wie das Erstellen von serverlosen Funktionen mit MongoDB, das Erstellen von API-Endpunkten, die MongoDB verwenden, die Optimierung von MongoDB-Anwendungen mit hohem Datenverkehr, das Erstellen von langlaufenden Aufgaben und Nebenläufigkeit oder das Debuggen von verbindungsbezogenen Fehlern ein.

Anleitung für Benutzer zur Konfiguration wichtiger MongoDB MCP-Serveroptionen. Verwenden Sie diese Skill, wenn ein Benutzer den MongoDB MCP-Server installiert hat, aber die erforderlichen Umgebungsvariablen nicht konfiguriert wurden oder wenn er nach der Verbindung zu MongoDB/Atlas fragt und die Anmeldeinformationen nicht eingerichtet sind.

Generiert schreibgeschützte MongoDB-Abfragen (find) oder Aggregationspipelines mithilfe natürlicher Sprache, mit Kontext zum Schema der Sammlung und Beispieldokumenten. Verwenden Sie diese Fähigkeit immer dann, wenn der Benutzer darum bittet, MongoDB-Abfragen zu schreiben, zu erstellen oder zu generieren, Daten in MongoDB zu filtern/abzufragen/aggregieren möchte, fragt „Wie frage ich...“, Hilfe zur Abfragesyntax benötigt oder über das Finden/Filtern/Gruppieren von MongoDB-Dokumenten spricht. Verwenden Sie diese Fähigkeit auch für die Übersetzung von SQL-ähnlichen Anfragen in die MongoDB-Syntax. Behandelt NICHT Atlas Search ($search-Operator), Vektor-/semantische Suche ($vectorSearch-Operator), Fuzzy-Matching, Autovervollständigungsindizes oder Relevanzbewertung – verwenden Sie dafür search-and-ai. Analysiert oder optimiert KEINE vorhandenen Abfragen – verwenden Sie dafür mongodb-query-optimizer. Behandelt KEINE Aggregationspipelines, die Schreibvorgänge beinhalten. Erfordert MongoDB MCP Server.

Hilfe bei der MongoDB-Abfrageoptimierung und Indizierung. Nur verwenden, wenn der Benutzer nach Optimierung oder Leistung fragt: "Wie optimiere ich diese Abfrage?", "Wie indiziere ich das?", "Warum ist diese Abfrage langsam?", "Können Sie meine langsamen Abfragen beheben?", "Was sind die langsamen Abfragen in meinem Cluster?", usw. Nicht für die allgemeine MongoDB-Abfrageerstellung aufrufen, es sei denn, der Benutzer fragt nach Hilfe bei Leistung oder Indizes. Indizierung als Optimierungsstrategie bevorzugen. Verwenden Sie MongoDB MCP, wenn verfügbar.

MongoDB-Schemaentwurfsmuster und Anti-Muster. Verwenden Sie dies beim Entwerfen von Datenmodellen, Überprüfen von Schemata, Migration von SQL oder Beheben von Leistungsproblemen, die durch Schema-Probleme verursacht werden. Löst aus bei "schema entwerfen", "einbetten vs. referenzieren", "MongoDB Datenmodell", "Schemaüberprüfung", "unbegrenzte Arrays", "eins-zu-viele", "Baumstruktur", "16MB Limit", "Schema validierung", "JSON Schema", "Zeitreihen", "Schema-Migration", "polymorph", "TTL", "Datenlebenszyklus", "Archivierung", "Index-Explosion", "unnötige Indizes", "Annäherungsmuster", "Dokumentenversionierung".

Leitet MongoDB-Benutzer bei der Implementierung und Optimierung von Atlas Search (Volltext), Vector Search (semantisch) und Hybrid Search-Lösungen an. Verwenden Sie diesen Skill, wenn Benutzer Suchfunktionen für textbasierte Abfragen (Autovervollständigung, Fuzzy-Suche, facettenreiche Suche), semantische Ähnlichkeit (Embeddings, RAG-Anwendungen) oder kombinierte Ansätze erstellen müssen. Verwenden Sie ihn auch, wenn Benutzer Textinhalte, Teilzeichenfolgenübereinstimmungen („enthält“, „beinhaltet“, „erscheint in“), groß-/kleinschreibungsunempfindliche oder mehrfeldige Textsuche oder Filterung über viele Felder mit variablen Kombinationen hinweg benötigen. Bietet Workflows für die Auswahl des richtigen Suchtyps, die Erstellung von Indizes, die Konstruktion von Abfragen und die Optimierung der Leistung mit dem MongoDB MCP-Server.