Korzystanie z pomocy AI w przypadku funkcji Połącz dane

Używaj Gemini w Firebase, aby tworzyć schematy, zapytania i mutacje w kodzie po stronie klienta.

Opisz aplikację, model danych lub żądane zapytanie albo mutację w języku naturalnym, a Gemini w Firebase wygeneruje Data Connectodpowiednik.

Ta pomoc AI jest dostępna w tych kontekstach programistycznych:

  • W konsoli Firebase możesz generować, testować i wdrażać schematy oraz operacje.
  • W środowisku lokalnym możesz używać wiersza poleceń Firebase i rozszerzenia Data Connect VS Code do generowania, testowania i rozwijania aplikacji za pomocą emulatora.
  • Narzędzia deweloperskie oparte na AI mogą używać serwera MCP Firebase do generowania, testowania i rozwijania aplikacji.

Więcej informacji o składni Data Connect schematu, zapytania i mutacji znajdziesz w przewodnikach.

Jak AI assistance for Data Connect wykorzystuje Twoje dane

Więcej informacji znajdziesz w artykule Jak Gemini w Firebase korzysta z Twoich danych.

Skonfiguruj usługę AI assistance for Data Connect

Aby korzystać z pomocy AI w Data Connect, włącz Gemini w Firebase zgodnie z instrukcjami w artykule Konfigurowanie Gemini w Firebase.

Firebase Data Connect

Generowanie schematów, zapytań i mutacji za pomocą Gemini w Firebase

Możesz korzystać z pomocy AI w Data Connect w wielu przepływach pracy.

W konsoli Firebase

Gdy utworzysz usługę Data Connect, w konsoli Firebase pojawi się sekcja „Pierwsze kroki z Gemini”.

Możesz opisać pomysł na aplikację, a pomoc AI wygeneruje:

  • Kompletny schemat oparty na Twoim pomyśle na aplikację.
  • Przykładowe operacje i zmiany danych.

Na stronie danych możesz użyć przycisku Pomóż mi napisać GraphQLpen_spark, aby generować i wykonywać operacje na podstawie języka naturalnego. Zobacz przykłady zastosowań.

Ten przepływ pracy opisujemy w przewodniku dla początkujących. Możesz kontynuować pracę w lokalnym środowisku deweloperskim z wdrożonym schematem i operacjami.

W środowisku lokalnym

Możesz też skorzystać z pomocy AI w wierszu poleceń Firebase i rozszerzeniu Data Connect VS Code.

Możesz podać swój pomysł na aplikację usłudze firebase init dataconnect, która wygeneruje:

  • Kompletny schemat oparty na Twoim pomyśle na aplikację.
  • Przykładowe operacje i mutacja danych początkowych.

Rozszerzenie Data Connect VS Code oferuje te funkcje:

  • Generates/Refine Operations Code Lens, aby przekształcać komentarze GraphQL w operacjeData Connect.
  • Płynna integracja z Gemini Code Assist i serwerem Firebase MCP.

Ten przepływ pracy opisaliśmy w przewodniku dla początkujących dotyczącym lokalnego prototypowania.

Korzystanie z serwera MCP Firebase z narzędziami programistycznymi opartymi na AI

Serwer MCP Firebase współpracuje z dowolnymi narzędziami asystenta AI, które mogą pełnić rolę klienta MCP, w tym z interfejsem wiersza poleceń Gemini, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop i Windsurf Editor.

Serwer MCP Firebase zapewnia dodatkowy kontekst i funkcje, które pomagają narzędziom deweloperskim opartym na AI lepiej współpracować z Data Connect. Może on:

  • Skonfiguruj nowe katalogi projektów i wygenerowane pakiety SDK.
  • Twórz i iteracyjnie ulepszaj schematy i operacje na podstawie błędów kompilacji.
  • generować nowe schematy i operacje na podstawie wymagań;
  • Generowanie i wykonywanie operacji na lokalnym emulatorze lub usługach backendu.
  • Zbierz informacje o istniejących usługach.

Aby używać serwera MCP Firebase:

  1. Skonfiguruj klienta MCP zgodnie z tym przewodnikiem.
  2. Poproś o pomoc dotyczącą Data Connect. Przykładowe prompty:
    1. „Skonfiguruj projekt Data Connect dla aplikacji do dostawy pizzy”.
    2. „Napraw błędy kompilacji Data Connect”.
    3. „Na stronie głównej muszę wyświetlać aktywne pokoje czatu i listę znajomych. Wygeneruj Data Connect zapytanie”.
    4. „Którzy użytkownicy są w moim lokalnym emulatorze Data Connect?”
    5. „W których regionach Google Cloud znajdują się moje usługi Data Connect?”

Przykładowe przypadki użycia operacji generowania

W sekcjach poniżej znajdziesz przykładowe przypadki użycia:

Zwróć 5 najwyżej ocenianych filmów w kolejności malejącej.

Aby użyć funkcji AI assistance for Data Connect do generowania kodu GraphQL na podstawie języka naturalnego:

  1. Otwórz Data Connect w projekcie i w sekcji Usługi wybierz źródło danych.

  2. Kliknij Dane.

  3. Kliknij ikonę Pomóż mi pisać w GraphQLpen_spark. Opisz w języku naturalnym zapytanie lub mutację, które chcesz wygenerować, i kliknij Wygeneruj.

    Jeśli na przykład korzystasz ze źródła danych Filmy, do którego odwołuje się samouczek „Tworzenie aplikacji za pomocą Data Connect (internet)”, możesz zadać pytanie: „Zwróć 5 najlepszych filmów z 2022 roku, posortowanych malejąco według oceny”. W odpowiedzi możesz otrzymać np. takie wyniki:

    query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}

  4. Sprawdź odpowiedź:

    • Jeśli odpowiedź wygląda prawidłowo, kliknij Wstaw, aby wstawić ją do edytora kodu.
    • Jeśli odpowiedź można ulepszyć, kliknij Edytuj, zaktualizuj prompt i kliknij Wygeneruj ponownie.

  5. Po zaakceptowaniu odpowiedzi w sekcji Parametry ustaw te wartości (w odpowiednich przypadkach):

    • Zmienne: jeśli zapytanie lub mutacja zawiera zmienne, zdefiniuj je tutaj. Do ich definiowania używaj formatu JSON, np. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autoryzacja: wybierz kontekst autoryzacji (Administrator, Uwierzytelniony lub Nieuwierzytelniony), w którym chcesz uruchomić zapytanie lub mutację.

  6. W edytorze kodu kliknij Uruchom i sprawdź wyniki.

Aby przetestować w edytorze kodu kilka zapytań lub mutacji, nadaj im nazwy. Na przykład to zapytanie ma nazwę GetMovie. Umieść kursor w pierwszym wierszu zapytania lub mutacji, aby aktywować przycisk Uruchom.

query GetMovie($myKey: Movie_Key!) {
  movie(key: $myKey) { title }
}

Utwórz mutację, która dodaje film do bazy danych na podstawie danych wprowadzonych przez użytkownika.

Ten przykład pokazuje, jak za pomocą języka naturalnego wygenerować mutację GraphQL, która wypełnia bazę danych. W tym przykładzie założono, że używasz schematu bazy danych filmów, który jest stosowany w Firebase Data Connectdokumentacji i w samouczku „Tworzenie aplikacji za pomocą Data Connect (wersja internetowa)”.

  1. Na Firebasekonsoli otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi napisać zapytanie GraphQLpen_spark i opisz mutację:

    Create a movie based on user input.

  4. Kliknij Wygeneruj. Zwracana jest mutacja. Na przykład Gemini może zwrócić mutację taką jak:

    mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Float!, $description: String!, $imageUrl: String!, $tags: [String!] = []) @auth(level: USER) {
  movie_insert(data: {
    title: $title,
    releaseYear: $releaseYear,
    genre: $genre,
    rating: $rating,
    description: $description,
    imageUrl: $imageUrl,
    tags: $tags
  })
}

  5. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dopracować prompt, a następnie kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić zmianę w edytorze danych.

  7. Aby wykonać mutację, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i uwzględnij kilka zmiennych testowych:

    {"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}

  8. Kliknij Wykonaj.

  9. Następnie utwórz zapytanie, które sprawdzi, czy film został dodany. Kliknij Pomóż mi napisać zapytanie GraphQL pen_spark i w wyświetlonym polu wpisz prompt:

    List all movies from 2024 that include all of these tags: 'space travel', 'comedy'.

    Gemini może zwrócić odpowiedź podobną do tej:

    query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) {
  movies(
    where: {
    releaseYear: { eq: 2024 },
    tags: { includesAll: ["space travel", "comedy"] }
    }
  ) {
      id
      title
      imageUrl
      releaseYear
      genre
      rating
      description
      tags
    }
}

  10. Wstaw i uruchom zapytanie. Dodany film powinien pojawić się w polu Historia.

Utwórz zapytanie, które wyświetla recenzje na podstawie podanego przez użytkownika gatunku i ocen.

Ten przykład pokazuje, jak użyć języka naturalnego do wygenerowania zapytania GraphQL. W tym przykładzie założono, że używasz bazy danych filmów, która jest używana w  Firebase Data Connect dokumentacji i w ćwiczeniach z programowania „Tworzenie aplikacji za pomocą Data Connect (internet)”.

  1. Na Firebasekonsoli otwórz Data Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę Pomóż mi pisać w GraphQLpen_spark i opisz zapytanie:

    List all movie reviews, based on user-configurable genre and ratings.

  4. Kliknij Wygeneruj. Zapytanie zostanie zwrócone. Na przykład Gemini może zwrócić zapytanie takie jak:

    query ListReviewsByGenreAndRating($genre: String, $minRating: Int, $maxRating: Int) @auth(level: PUBLIC) {
  reviews(where: {
    movie: {
      genre: {eq: $genre}
    },
    rating: {ge: $minRating, le: $maxRating}
  }) {
    id
    user {
      username
    }
    movie {
      title
      genre
    }
    rating
    reviewText
    reviewDate
  }
}

  5. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj, aby dopracować prompt, a następnie kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić zmianę w edytorze danych.

  7. Aby przetestować to zapytanie, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i uwzględnij zmienne, które chcesz wykorzystać do testowania:

    {"genre":"sci-fi", "minRating":4, "maxRating":9}

  8. Kliknij Wykonaj.

Projektowanie promptów dla narzędzi innych firm opartych na AI

Podobnie jak w przypadku wszystkich narzędzi opartych na AI, lepsze prompty dają bardziej przydatne wyniki.

Gdy podajesz Gemini w Firebase prompty w języku naturalnym, asystent tłumaczy je na bardziej rozbudowane prompty.

Jeśli korzystasz z narzędzi AI innych firm, takich jak Cursor czy Windsurf, możesz uzyskać lepsze Data Connectrekomendacje, używając podobnych, bardziej szczegółowychData Connectpromptów.

Opublikowaliśmy szablony promptów, które możesz pobrać, dostosować i skopiować do środowiska IDE:

Po pobraniu i zmodyfikowaniu utwórz prompt w znanym narzędziu (np. Cursor lub Windsurf) w ten sposób:

  • W usłudze Cursor (zapoznaj się z najnowszymi instrukcjami od Cursor):

    1. W prawym górnym rogu kliknij ikonę ustawień.
    2. Wybierz kartę Reguły.
    3. W sekcji Reguły projektu kliknij przycisk Dodaj nową regułę.
    4. Skopiuj i wklej regułę.

  • W Windsurf (zapoznaj się z najnowszymi instrukcjami od Windsurf):

    1. Otwórz okno kaskadowe, klikając przycisk Kaskadowo w prawym górnym rogu.
    2. W menu suwaka w prawym górnym rogu w Cascade kliknij ikonę Dostosowywanie, a następnie przejdź do panelu Reguły.
    3. Kliknij przycisk + Globalne lub + Workspace, aby utworzyć nowe reguły odpowiednio na poziomie globalnym lub obszaru roboczego.
    4. Skopiuj i wklej regułę.

Rozwiązywanie problemów AI assistance for Data Connect

Zobacz Rozwiązywanie problemów z Gemini w Firebase.

Ceny

Usługa AI assistance for Data Connect jest dostępna w ramach Gemini w usłudze Firebase i jest uwzględniona w przypadku użytkowników indywidualnych.

Więcej informacji znajdziesz w cenniku Gemini w Firebase.

Dalsze kroki