用途：帮助 MongoDB 用户实现、优化和排查 Atlas Search（词法/全文）、Vector Search（语义）与 Hybrid Search（混合）方案，先理解用例再推荐合适的搜索方式，并协助构建索引与查询。
主要能力：按用例区分搜索类型。Atlas Search 适用于关键词匹配与相关性评分、模糊匹配、自动补全、分面过滤、语言分析与基于 token 的搜索；Automated Embedding 适用于无需编写嵌入代码的语义搜索，由 MongoDB 使用 Voyage AI 模型自动生成和管理嵌入；Vector Search 适用于自带预生成嵌入的语义相似度、非 Voyage AI 模型、图像/音频/多模态嵌入及自管理 MongoDB；Hybrid Search 适用于组合多种搜索方式，使用 $rankFusion 或 $scoreFusion 合并管道。
使用方式：先做发现阶段，用 list-databases、list-collections 了解数据，用 collection-schema 检查字段，用 collection-indexes 查看现有索引，用 atlas-inspect-cluster 确认集群 MongoDB 版本；再通过提问明确搜索内容、字段、匹配方式、过滤、自动补全及嵌入来源。确定类型后查阅对应参考文件（lexical-search-indexing.md、lexical-search-querying.md、automated-embedding.md、vector-search.md、hybrid-search.md），并核对其前置条件（集群层级、版本、部署要求）。创建索引前用通俗语言解释配置、展示 JSON、询问索引名称并取得明确同意，再用 MCP 的 create-index 工具创建；只读模式下提供完整索引 JSON 供用户在 Atlas UI 创建。查询用 aggregate 工具执行并清晰呈现结果；优化现有查询时对比参考文件中的模式与最佳实践，给出前后对比并验证。
限制与注意：不要为搜索场景推荐 $regex 或 $text，因其缺少相关性评分、模糊匹配和语言感知分词；遇到字段缺失、索引不存在、多集合相关等情况需先检查或澄清。资料未提供具体收费、价格与效果数据。