Firebase Data Connect のクエリとミューテーションに AI アシスタントを使用する

Firebase コンソールの Firebase で Gemini を使用して、クライアントサイドコードに含めるクエリとミューテーションを作成できます。生成するクエリまたはミューテーションを自然言語で記述すると、Firebase の Gemini から、同等の GraphQL が提供されます。Firebase コンソールで出力を実行してテストし、確定したクエリとミューテーションをコードにコピーします。

クエリとミューテーションの詳細については、Data Connect スキーマ、クエリ、ミューテーションをご覧ください。

AI assistance for Data Connect in the Firebase console によるデータの使用方法

AI assistance for Data Connect in the Firebase console がプロンプトやそのレスポンスをデータとして使用してモデルをトレーニングすることはありせん。詳細については、Google Cloud の Gemini によるデータの使用方法をご覧ください。

AI assistance for Data Connect in the Firebase consoleを設定

Data Connect で AI 支援を設定するには、Firebase で Gemini を設定するで説明されているように Firebase で Gemini を有効にして、Firebase で Gemini を使用して GraphQL クエリとミューテーションを生成するに進みます。

Firebase で Gemini を使用して GraphQL クエリとミューテーションを生成する

AI assistance for Data Connect in the Firebase console を使用して、自然言語に基づいて GraphQL を生成するには:

プロジェクトで Data Connect を開き、[サービス] でデータソースを選択します。
[データ] をクリックします。
[GraphQL の作成を支援] pen_spark アイコンをクリックします。
表示されたテキストフィールドで、生成するクエリまたはミューテーションを自然言語で記述し、[生成] をクリックします。

たとえば、 Firebase Data Connect クイックスタートと Data Connect を使用したビルドの Codelab で参照されている映画のデータソースを使用している場合、「2022 年の映画のトップ 5 を評価の降順で返す」と質問すると、次のような結果が返されます。
```
query TopMovies2022 {
  movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) {
    id
    title
    rating
    releaseYear
  }
}
```
レスポンスを確認します。
- レスポンスが正しいと思われる場合は、[挿入] をクリックして、レスポンスをコードエディタに挿入します。
- 回答を絞り込める場合は、[編集] をクリックしてプロンプトを更新し、[再生成] をクリックします。
レスポンスを承認したら、[パラメータ] セクションで、必要に応じて以下を設定します。
- 変数: クエリまたはミューテーションに変数が含まれている場合は、ここで定義します。JSON を使用して定義します（例: {"title":"The Matrix", "releaseYear":"1999"}）。
- 認可: クエリまたはミューテーションの実行に使用する認可コンテキスト（管理者、認証済み、未認証）を選択します。
警告: ミューテーションを実行する場合は、実行する前に慎重に確認してください。データエディタでミューテーションを実行すると、リクエストが実行されます。
コードエディタで [実行] をクリックして、結果を確認します。

コードエディタで複数のクエリまたはミューテーションをテストするには、名前が付けられていることを確認します。たとえば、次のクエリの名前は GetMovie です。クエリまたはミューテーションの最初の行にカーソルを移動して、[実行] ボタンを有効にします。

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

重要: AI assistance for Data Connect in the Firebase console は初期段階のテクノロジーであり、もっともらしく見えても事実に反する出力が生成される可能性があります。Google の考え方を反映していない不正確な情報を回答することがあります。Gemini からの出力はすべて、使用する前に検証してください。また、生成されるコードをテストせずに本番環境で使用しないでください。GraphQL の作成サポート プロンプトに個人情報（PII）やユーザーデータを入力しないでください。詳細については、AI assistance for Data Connect in the Firebase console がデータを使用する方法と Gemini in Google Cloud と責任ある AI をご覧ください。

AI assistance for Data Connect in the Firebase console 件のユースケース

以降のセクションでは、Data Connect にデータを入力するミューテーションを作成し、クエリを実行して結果を確認する方法など、ユースケースの例について説明します。

ユーザー入力に基づいて映画をデータベースに追加するミューテーションを作成する
ユーザーが指定したジャンルと評価に基づいてレビューを一覧表示するクエリを作成する

ユーザー入力に基づいて映画をデータベースに追加するミューテーションを作成する

このセクションでは、自然言語を使用して、データベースの入力に使用できるミューテーションの GraphQL を生成する例について説明します。この例では、Firebase Data Connect のドキュメントと Data Connect を使用したビルドの Codelab で使用されている映画データベーススキーマを使用していることを前提としています。

Firebase コンソールで Data Connect を開きます。
サービスとデータソースを選択して、[データ] タブを開きます。
[GraphQL の作成を支援] pen_spark アイコンをクリックし、表示されたボックスにクエリを入力します。
```
Create a movie based on user input.
```

[生成] をクリックします。ミューテーションが返されます。たとえば、Gemini は次のようなミューテーションを返します。

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
  })
}

出力を確認します。必要に応じて、[編集] をクリックしてプロンプトを絞り込み、[再作成] をクリックします。
次に、[挿入] をクリックして、データエディタにミューテーションを挿入します。
ミューテーションを実行するには、変数を追加する必要があります。[パラメータ] セクションで [変数] を開き、いくつかのテスト変数を追加します。
```
{"title":"My amazing movie", "releaseYear":2024, "genre": "Comedy",
"rating": 8, "description": "A new movie to test mutations",
"imageUrl": "", "tags": ["comedy","space travel"]}
```
[実行] をクリックします。

ヒント: Gemini に、より有用な方法で出力を拡張するよう指示することもできます。たとえば、コメントとソースプロンプトを出力に含めるには、「ユーザー入力に基づいて映画を作成します。Firebase の出力にコメントと Gemini のソースプロンプトを含めるには、「必ずミューテーションを記録し、このプロンプトをレスポンスに含めてください」と記載します。

次に、映画が追加されたことを確認するクエリを作成します。GraphQL の作成サポート pen_spark をクリックし、表示されたボックスにプロンプトを入力します。

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

Gemini から次のようなレスポンスが返されます。

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

クエリを挿入して実行します。追加した映画が [履歴] フィールドに表示されます。

ユーザーが指定したジャンルと評価に基づいてレビューを一覧表示するクエリを作成する

このセクションでは、自然言語を使用してクエリの GraphQL を生成する例について説明します。この例では、Firebase Data Connect のドキュメントと Data Connect を使用したビルドの Codelab で使用されている映画データベースを使用していることを前提としています。

Firebase コンソールで Data Connect を開きます。
サービスとデータソースを選択して、[データ] タブを開きます。
[GraphQL の作成を支援] pen_spark アイコンをクリックし、表示されたボックスにクエリを入力します。
```
List all movie reviews, based on user-configurable genre and ratings.
```

[生成] をクリックします。クエリが返されます。たとえば、Gemini は次のようなクエリを返します。

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
  }
}

出力を確認します。必要に応じて、[編集] をクリックしてプロンプトを絞り込み、[再作成] をクリックします。
次に、[挿入] をクリックして、データエディタにミューテーションを挿入します。
このクエリをテストするには、変数を追加する必要があります。[Parameters] セクションで [Variables] を開き、テストに使用する変数を追加します。
```
{"genre":"sci-fi", "minRating":4, "maxRating":9}
```
[実行] をクリックします。

AI assistance for Data Connect in the Firebase console のトラブルシューティング

Firebase での Gemini のトラブルシューティングをご覧ください。

料金

AI assistance for Data Connect in the Firebase console は、Gemini Code Assist に含まれる Firebase の Gemini の一部として利用できます。詳細については、Firebase の Gemini の料金をご覧ください。

次のステップ

クエリとミューテーションの詳細については、Data Connect スキーマ、クエリ、ミューテーションをご覧ください。
詳しくは、Firebase の Gemini をご覧ください。