Diese Seite wurde von der Cloud Translation API übersetzt.

KI-Unterstützung für Firebase Data Connect-Schemas, ‑Abfragen und ‑Mutationen verwenden

Sie können Gemini in Firebase verwenden, um Schemas, Abfragen und Mutationen zu erstellen, die Sie in Ihren clientseitigen Code einfügen können.

Beschreiben Sie eine App und fassen Sie ihr Datenmodell zusammen oder beschreiben Sie eine Abfrage oder Mutation, die Sie in natürlicher Sprache generieren möchten. Gemini in Firebase liefert Ihnen dann das entsprechende GraphQL.

Diese KI-Unterstützung ist in vielen Entwicklungskontexten verfügbar:

Führen Sie in der Firebase-Konsole die Ausgabe aus und testen Sie sie, stellen Sie Ihr Schema und Ihre Vorgänge in der Produktionsumgebung bereit und synchronisieren Sie sie mit Ihrer lokalen Entwicklungsumgebung.
Lokal können Sie mit unserer Data Connect-VS Code-Erweiterung Gemini Code Assist mit einer lokalen PostgreSQL-Datenbank und einem Emulator entwerfen, ausführen und testen.

Weitere Informationen zu Abfragen und MutationenData Connect

So verwendet AI assistance for Data Connect Ihre Daten

Weitere Informationen dazu, wie Gemini in Firebase Ihre Daten verwendet, finden Sie unter So verwendet Gemini in Firebase Ihre Daten.

AI assistance for Data Connect einrichten

Wenn Sie die KI-Unterstützung in Data Connect einrichten möchten, aktivieren Sie Gemini in Firebase, wie unter Gemini in Firebase einrichten beschrieben. Fahren Sie dann mit GraphQL-Abfragen und ‑Mutationen mit Gemini in Firebase generieren fort.

GraphQL-Schemas, ‑Abfragen und ‑Mutationen mit Gemini in Firebase generieren

KI-Unterstützung für Data Connect ist in vielen Kontexten und Workflows verfügbar.

Erstellen Sie eine neue App und ihr erstes Schema und ihre ersten Vorgänge in der Firebase-Konsole.

Wenn Sie ein neues Firebase-Projekt erstellen und eine neue App entwickeln, bietet die Firebase Console automatisch KI-Unterstützung für die Schema- und Vorgangsgenerierung.

In diesem Einrichtungsablauf können Sie eine App beschreiben und dann KI-Unterstützung nutzen, um:

Generiert ein vollständiges Data Connect-Schema
Es wird eine nützliche Gruppe von Abfragen und Mutationen generiert, die Sie dann in den Clientcode einbinden können.

Sie synchronisieren diese in der Konsole erstellten Ressourcen mit Ihrer lokalen Entwicklungsumgebung, um die Integration mit Ihren Clients fortzusetzen.

Dieser Workflow wird in unserem Startleitfaden beschrieben.

Fügen Sie neue Abfragen und Mutationen hinzu, die in der Firebase-Konsole ausgeführt werden sollen.

So verwenden Sie AI assistance for Data Connect, um GraphQL auf Grundlage von natürlicher Sprache zu generieren:

Öffnen Sie Data Connect in Ihrem Projekt und wählen Sie unter Services Ihre Datenquelle aus.
Klicken Sie auf Daten.
Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark.
Beschreiben Sie im angezeigten Textfeld in natürlicher Sprache die Abfrage oder Mutation, die Sie generieren möchten, und klicken Sie auf Generieren.

Wenn Sie beispielsweise die im Codelab „Mit Data Connect entwickeln (Web)“ verwendete Datenquelle „Filme“ verwenden, könnten Sie fragen: Gib die fünf besten Filme des Jahres 2022 in absteigender Reihenfolge nach Bewertung zurück. Das Ergebnis könnte so aussehen:
```
query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}
```
Antwort prüfen:
- Wenn die Antwort korrekt aussieht, klicken Sie auf Einfügen, um sie in den Code-Editor einzufügen.
- Wenn die Antwort optimiert werden könnte, klicken Sie auf Bearbeiten, aktualisieren Sie den Prompt und klicken Sie auf Neu generieren.
Nachdem Sie die Antwort akzeptiert haben, legen Sie im Abschnitt Parameter gegebenenfalls Folgendes fest:
- Variablen: Wenn Ihre Abfrage oder Mutation Variablen enthält, definieren Sie sie hier. Verwenden Sie JSON, um sie zu definieren, z. B. {"title":"The Matrix", "releaseYear":"1999"}.
- Autorisierung: Wählen Sie den Autorisierungskontext (Administrator, Authentifiziert oder Nicht authentifiziert) aus, mit dem die Abfrage oder Mutation ausgeführt werden soll.
Warnung :Wenn Sie eine Mutation ausführen, überprüfen Sie sie sorgfältig, bevor Sie sie ausführen. Wenn Sie eine Mutation im Dateneditor ausführen, wird die Anfrage ausgeführt.
Klicken Sie im Code-Editor auf Ausführen und sehen Sie sich die Ergebnisse an.

Wenn Sie mehrere Abfragen oder Mutationen im Code-Editor testen möchten, müssen sie benannt sein. Die folgende Abfrage hat beispielsweise den Namen GetMovie. Bewegen Sie den Cursor in die erste Zeile der Abfrage oder Mutation, um die Schaltfläche Ausführen zu aktivieren.

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

Erstes Schema und erste Vorgänge beim lokalen Prototyping erstellen

KI-Unterstützung ist ab Gemini Code Assist für Ihre lokalen Prototyping-Aufgaben verfügbar, wenn Sie Visual Studio Code und unsere Data Connect VS Code-Erweiterung verwenden.

Mit der Erweiterung können Sie eine App beschreiben und dann Gemini Code Assist:

Generiert ein vollständiges Data Connect-Schema
Es wird eine nützliche Gruppe von Abfragen und Mutationen generiert, die Sie dann in den Clientcode einbinden können.

Dieser Workflow wird in unserem Leitfaden für lokale Prototypen beschrieben.

Firebase-MCP-Server für lokales Prototyping verwenden

Der Firebase MCP-Server, der in der Firebase CLI bereitgestellt wird, ermöglicht es Ihren KI-basierten Entwicklungstools, mit Ihren Firebase-Projekten zu arbeiten. Der Firebase-MCP-Server funktioniert mit jeder KI-Assistenten-IDE, die als MCP-Client fungieren kann, einschließlich Cursor, Visual Studio Code Copilot und Windsurf Editor.

Sie können den MCP-Server verwenden, um Schemas, Abfragen und Mutationen zu generieren und Eingaben zu erfassen, um gängige Vorgänge mit der Firebase-Befehlszeile auszuführen.

So verwenden Sie den MCP-Server:

Installieren Sie den Server anhand dieses Leitfadens.
Rufen Sie das dataconnect_generate_schema-Tool auf, beschreiben Sie eine App und prüfen Sie das resultierende empfohlene Schema.
Rufen Sie das Tool dataconnect_generate_operation auf, beschreiben Sie einen Vorgang, den Sie für Ihr Schema ausführen möchten, und prüfen Sie die resultierende empfohlene Abfrage oder Mutation.

Weitere Data Connect-Tools finden Sie im MCP-Serverleitfaden.

Weitere AI assistance for Data Connect-Anwendungsfälle

In den folgenden Abschnitten werden Beispielanwendungsfälle beschrieben, darunter einer, in dem Sie Gemini bitten können, eine Mutation zu erstellen, um Data Connect zu füllen, und dann eine Abfrage ausführen, um die Ergebnisse zu überprüfen.

Mutation erstellen, mit der ein Film basierend auf Nutzereingaben in die Datenbank eingefügt wird
Eine Abfrage erstellen, in der Rezensionen basierend auf dem vom Nutzer angegebenen Genre und den Bewertungen aufgeführt werden

Mutation erstellen, die einen Film basierend auf Nutzereingaben in die Datenbank einfügt

In diesem Abschnitt sehen Sie ein Beispiel dafür, wie Sie mit natürlicher Sprache GraphQL für eine Mutation generieren, mit der Sie Ihre Datenbank füllen können. In diesem Beispiel wird davon ausgegangen, dass Sie das Filmdatenbankschema verwenden, das in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect entwickeln (Web)“ verwendet wird.

Öffnen Sie in der Firebase-Konsole die Data Connect.
Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie dann den Tab Daten.
Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark und geben Sie Ihre Abfrage in das angezeigte Feld ein:
```
Create a movie based on user input.
```

Klicken Sie auf Erstellen. Die Mutation wird zurückgegeben. Gemini kann beispielsweise eine Mutation wie die folgende zurückgeben:

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
  })
}

Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu optimieren, und dann auf Neu generieren.
Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

Um die Mutation auszuführen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie einige Testvariablen hinzu:

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

Klicken Sie auf Ausführen.

Tipp :Sie können Gemini auch bitten, die Ausgabe auf nützlichere Weise zu erweitern. Wenn Sie beispielsweise Kommentare und Ihren Quell-Prompt in die Ausgabe einbeziehen möchten, können Sie „Erstelle einen Film basierend auf Nutzereingaben. Dokumentiere die Mutation und füge diesen Prompt in deine Antwort ein“, um Kommentare und den Quellprompt in Gemini in die Ausgabe von Firebase aufzunehmen.

Erstellen Sie als Nächstes eine Abfrage, mit der Sie überprüfen, ob Ihr Film hinzugefügt wurde. Klicken Sie auf Hilfe beim Verfassen von GraphQL-Abfragen pen_spark und geben Sie im angezeigten Feld Ihren Prompt ein:

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

Gemini gibt möglicherweise eine Antwort wie die folgende zurück:

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

Fügen Sie die Abfrage ein und führen Sie sie aus. Der hinzugefügte Film sollte im Feld Verlauf angezeigt werden.

Eine Abfrage erstellen, in der Rezensionen basierend auf dem vom Nutzer angegebenen Genre und den Bewertungen aufgeführt werden

In diesem Abschnitt sehen Sie ein Beispiel für die Verwendung natürlicher Sprache zum Generieren von GraphQL für eine Abfrage. In diesem Beispiel wird davon ausgegangen, dass Sie die Filmdatenbank verwenden, die in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect entwickeln (Web)“ verwendet wird.

Öffnen Sie in der Firebase-Konsole die Data Connect.
Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie dann den Tab Daten.
Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark und geben Sie Ihre Anfrage in das angezeigte Feld ein:
```
List all movie reviews, based on user-configurable genre and ratings.
```

Klicken Sie auf Erstellen. Die Abfrage wird zurückgegeben. Gemini könnte beispielsweise eine Anfrage wie diese zurückgeben:

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
  }
}

Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu optimieren, und dann auf Neu generieren.
Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.
Um diese Abfrage zu testen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie Variablen hinzu, die für Tests verwendet werden sollen:
```
{"genre":"sci-fi", "minRating":4, "maxRating":9}
```
Klicken Sie auf Ausführen.

Eingabeaufforderungen für KI-Tools von Drittanbietern erstellen

Wie bei allen KI-Unterstützungstools und ‑Agents gilt: Je besser Ihre Prompts, desto nützlicher die Ausgaben.

Wenn Sie Gemini in Firebase Prompts in natürlicher Sprache zur Verfügung stellen, übersetzt der Assistent Ihre Eingaben im Hintergrund in einen ausgereifteren Prompt.

Wenn Sie Gemini in Firebase oder andere Firebase-KI-Unterstützung nicht verwenden und mit KI-Tools von Drittanbietern wie Cursor oder Windsurf arbeiten, können Sie bessere Empfehlungen zu Data Connect erhalten, indem Sie ähnlich ausführliche Prompts verwenden.

Wir haben Prompt-Vorlagen veröffentlicht, die Sie herunterladen, anpassen und in Ihre IDE kopieren können:

Ein Vorlagenprompt für die Schemaerstellung
Ein Vorlagen-Prompt für die Vorgangserstellung

Nachdem Sie den Code heruntergeladen und geändert haben, erstellen Sie in einem vertrauten Tool (z. B. Cursor oder Windsurf) einen Prompt:

In Cursor (aktuelle Anleitung von Cursor beachten):
1. Klicken Sie rechts oben auf das Symbol für die Einstellungen.
2. Wählen Sie den Tab Regeln aus.
3. Klicken Sie unter Project Rules (Projektregeln) auf die Schaltfläche Add a new rule (Neue Regel hinzufügen).
4. Kopieren Sie die Regel und fügen Sie sie ein.
In Windsurf (aktuelle Anleitung von Windsurf):
1. Öffnen Sie das Cascade-Fenster, indem Sie oben rechts auf die Schaltfläche Cascade klicken.
2. Klicken Sie im oberen rechten Bereich des Slidermenüs in Cascade auf das Symbol Anpassungen und rufen Sie dann den Bereich Regeln auf.
3. Klicken Sie auf die Schaltfläche + Global oder + Arbeitsbereich, um neue Regeln auf globaler Ebene bzw. auf Arbeitsbereichsebene zu erstellen.
4. Kopieren Sie die Regel und fügen Sie sie ein.

Fehlerbehebung AI assistance for Data Connect

Weitere Informationen finden Sie unter Fehlerbehebung bei Gemini in Firebase.

Preise

AI assistance for Data Connect ist als Teil von Gemini in Firebase verfügbar, das für Einzelnutzer enthalten ist.

Weitere Informationen finden Sie unter Preise für Gemini in Firebase.