用自然语言生成只读 MongoDB 查询或聚合管道（需…

当用户想用自然语言编写、生成 MongoDB 的 find 查询或聚合管道（含 SQL 风格请求转换）时，借助集合 schema、索引和样本数据生成正确的只读查询。

适用场景

解决思路

1. 先用 MCP 工具收集上下文：若未提供数据库名和集合名，调用 mcp__mongodb__list-databases 和 mcp__mongodb__list-collections 获取，并明确用户的自然语言查询需求。
2. 按顺序获取信息：先调用 mcp__mongodb__collection-indexes({ database, collection }) 获取索引用于查询优化；再调用 mcp__mongodb__collection-schema({ database, collection, sampleSize: 50 }) 获取扁平化 schema（含字段名、类型、嵌套结构和数组字段）；最后调用 mcp__mongodb__find({ database, collection, limit: 4 }) 获取样本文档以了解真实数据取值和格式。
3. 生成查询前先对照 schema 校验字段名，因为 MongoDB 对不存在的字段不会报错，只会返回空结果或异常行为，难以排查；同时查看可用索引以判断哪种查询模式性能最佳。
4. 优先选择 find 查询而非聚合管道，因为 find 更简单、更易被其他开发者理解；仅在需要分组/聚合函数（sum、count、average 等）、多阶段转换、跨集合 join（$lookup）、数组展开或复杂数组操作时才使用聚合管道。
5. 按用户指定的语言或驱动语法输出查询；若未指定，则始终使用 MongoDB shell 语法（键不加引号、字符串用单引号）以便阅读和兼容 MongoDB 工具。
6. find 查询响应格式为 JSON，包含 query 对象，内含 filter、projection、sort、limit 字段；聚合管道响应格式为 JSON，包含 aggregation 对象，内含 pipeline 字符串。
7. 生成正确满足用户全部需求的查询后，再检查现有索引能否支持；若无合适索引，在回复中说明（用户可能想创建）。
8. 绝不使用 $where，因为它会阻止索引使用；没有文本索引时不要使用 $text；$expr 仅在必要时使用，尽量少用。
9. 避免冗余操作符：已有等值或不等值条件（如 status: "active" 或 age: { $gt: 25 }）时不要再加 $exists；不要叠加重叠的范围条件（如同时用 $gte: 0 和 $gt: -1）；每个条件都应提供尚未被覆盖的有效过滤。
10. 只投影需要的字段以减少数据传输；当不需要 _id 字段时在投影中加上 _id: 0。
11. 使用合适的操作符：$eq、$ne、$gt、$gte、$lt、$lte 用于比较；$in、$nin 用于匹配一组可能值（等价于多个 $eq/$ne 的 OR）；$and、$or、$not、$nor 用于逻辑运算；$regex 用于区分大小写的文本模式匹配（尽量用左锚定模式如 /^prefix/ 以便高效利用索引）；$exists 用于字段存在性检查（优先用 a: {$ne: null} 而非 a: {$exists: true} 以利用索引）；$type 用于类型匹配。
12. 优化数组字段检查：判断数组非空用 "arrayField.0": {$exists: true}，而不是 arrayField: {$exists: true, $type: "array", $ne: []}，前者更简单、可读且高效；匹配数组元素多个条件用 $elemMatch；需要精确数量时用 $size。
13. 聚合管道中尽早使用 $match 过滤以减少文档；在管道末尾用 $project 正确塑造返回给客户端的文档；在 $sort 之后适当加 $limit。
14. 确保 $match 和 $sort 阶段能使用索引：把 $match 放在管道开头；初始的 $match 和 $sort 阶段若位于任何修改文档的阶段之前即可使用索引；生成 $match 过滤后检查索引能否支持；尽量减少首个 $match 之前的文档转换阶段。
15. 优化 $lookup：对频繁 join 的数据考虑反规范化。
16. 防止错误：对照 schema 校验所有字段引用；正确引用字段名，嵌套字段用点号表示法；转义正则中的特殊字符；检查数据类型，确保字段值与 schema 中的类型匹配。
17. 地理坐标注意：MongoDB 的 GeoJSON 格式要求先经度后纬度（如 [longitude, latitude] 或 {type: "Point", coordinates: [lng, lat]}），这与日常英文书写顺序相反，生成地理查询时务必核对。
18. 分析样本文档时关注：字段类型（String、Number、Boolean、Date、ObjectId、Array、Object）、字段模式（必填 vs 可选，检查多个样本）、嵌套结构（对象套对象、对象数组）、数组元素（同质 vs 异质）、特殊类型（日期、ObjectId、二进制、GeoJSON）。
19. 利用样本文档理解真实取值和范围、识别字段命名约定（camelCase、snake_case 等）、发现常见模式（如状态枚举、分类取值）、估算分组操作基数、验证查询能否在真实数据上工作。
20. 无法生成查询时：解释原因（缺 schema、需求模糊、查询不可行）、请求澄清需求细节、建议替代方案、给出可用的相似查询示例。
21. 控制上下文大小：按 schema 宽度调整样本数量——少于 30 字段用 limit: 4（默认）；30–80 字段用 limit: 2；80–150 字段用 limit: 1；150+ 字段用 limit: 1 并只投影与用户查询相关的字段。
22. 预览大数组字段和字符串：若 schema 文档含数组，在样本投影中用 $slice: 3 限制数组大小；用 $substr 把字符串字段限制为 100 字符，防止过长值占用上下文。

适用边界 · 注意事项

• 不处理 Atlas Search（$search 操作符）、向量/语义搜索（$vectorSearch 操作符）、模糊匹配、自动补全索引或相关性评分——这些应使用 search-and-ai。
• 不分析或优化已有查询——应使用 mongodb-query-optimizer。
• 不处理涉及写操作的聚合管道。