MongoDB Atlas Stream Processing

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.

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.

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.

Führen Sie Codierungsaufgaben mit einem strengen Liefer-Workflow aus: Erstellen Sie einen vollständigen Plan, implementieren Sie Schritt für Schritt, führen Sie kontinuierlich Tests durch und committen Sie standardmäßig nach jedem Schritt (`per_step`). Unterstützt explizite Commit-Policy-Überschreibungen (`final_only`, `milestone`) und optional BDD (Given/When/Then), wenn Benutzer verhaltensgesteuerte Bereitstellung anfordern oder Anforderungen unklar sind.

Observe the user's screen via screenpipe, detect repeated research workflows, match them against existing scientific-agent-skills, and draft new skills (or composition recipes that chain existing ones) for the patterns not yet covered. Use when the user asks to analyze their recent work and propose skills based on what they actually do. Requires the screenpipe daemon (https://github.com/screenpipe/screenpipe) running locally on port 3030 — the skill has no other data source and will refuse to run if screenpipe is unreachable. All detection runs locally; only redacted cluster summaries reach the LLM.

Change the sync configuration of an existing data warehouse schema — switch sync_type, pick a different incremental_field, set primary_key_columns, choose cdc_table_mode, or change sync_frequency. Use when the user asks "switch my orders table from full refresh to incremental", "this table is syncing too slowly / too frequently", "I need to pick a different incremental column", "set up CDC for this Postgres table", or when diagnosis of a failing sync pointed to an incremental-field or PK misconfiguration.