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（组合）方案。先理解用例，再推荐检索方式，并协助构建索引与查询。
主要能力：区分四类方案——Atlas Search 适合关键词匹配、相关性评分、模糊匹配、自动补全、分面过滤与语言分析；Automated Embedding 适合无需自写嵌入代码的语义检索，由 MongoDB 用 Voyage AI 模型自动生成和管理嵌入；Vector Search 适合自带预生成嵌入、自定义模型或多模态嵌入；Hybrid Search 用 $rankFusion 或 $scoreFusion 合并多条管道。
使用方式：先做发现阶段，用 list-databases、list-collections、collection-schema、collection-indexes、atlas-inspect-cluster 了解数据、字段、现有索引与集群版本；再按用例查阅对应参考文件（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、询问索引名并取得明确同意，再用 MCP 的 create-index 创建；查询用 aggregate 执行。只读模式下提供完整索引 JSON 供用户在 Atlas UI 自行创建。
适用场景：产品、影视、文档等内容的全文或语义检索，相似项推荐，带过滤条件的检索，自动补全，RAG 或 AI 智能体记忆等。
限制与注意：不要用 $regex 或 $text 做检索，二者缺少相关性评分、模糊匹配和语言分词；缺少字段或索引时先检查并说明；不要请求、粘贴或提交连接字符串、服务账号密钥或 API 密钥；MCP 不可用时使用官方文档、驱动、Atlas UI 或本地只读样本作为回退，且不得声称使用了当前环境未提供的 MCP 操作。跨客户端可用于 GitHub Copilot、Claude Code 和 Codex，Codex 需同步到 $CODEX_HOME/skills/mongodb-search-and-ai 并在重大变更后重启。具体收费、价格与效果资料暂未提供。