Используйте помощь ИИ для Data Connect

Используйте Gemini в Firebase для создания схем, запросов и мутаций для клиентского кода.

Опишите свое приложение, модель данных или желаемый запрос или мутацию на естественном языке, и Gemini в Firebase сгенерирует эквивалент Data Connect .

Такая помощь ИИ доступна в следующих контекстах разработки:

  • В консоли Firebase вы можете генерировать, тестировать и развертывать свои схемы и операции.
  • В вашей локальной среде вы можете использовать Firebase CLI и расширение Data Connect VS Code для генерации, тестирования и разработки вашего приложения с помощью эмулятора.
  • Инструменты разработки на основе ИИ могут использовать сервер Firebase MCP для создания, тестирования и разработки вашего приложения.

Дополнительную информацию о схеме Data Connect , синтаксисе запросов и мутаций можно найти в руководствах.

Как AI assistance for Data Connect использует ваши данные

Для получения дополнительной информации ознакомьтесь с разделом «Как Gemini в Firebase использует ваши данные» .

Настройка AI assistance for Data Connect

Чтобы использовать помощь ИИ с Data Connect , включите Gemini в Firebase как описано в разделе Настройка Gemini в Firebase .

Генерация схем, запросов и мутаций с помощью Gemini в Firebase

Вы можете использовать искусственный интеллект для Data Connect во многих рабочих процессах.

В консоли Firebase

При создании службы Data Connect консоль Firebase предлагает интерфейс «Начало работы с Gemini».

Вы можете описать идею приложения, и искусственный интеллект сгенерирует следующее:

  • Полная схема, основанная на идее вашего приложения.
  • Примеры операций и мутаций данных.

На странице данных вы можете использовать кнопку «Помогите мне написать GraphQL pen_spark» для генерации и выполнения операций на основе естественного языка. Ознакомьтесь с примерами использования .

Этот рабочий процесс описан в нашем руководстве по началу работы . Вы можете продолжить работу в локальной среде разработки, используя развёрнутую схему и операции.

В вашей местной среде

Вы также можете получить помощь ИИ из Firebase CLI и расширения Data Connect VS Code.

Вы можете предоставить идею своего приложения в firebase init dataconnect , и он сгенерирует следующее:

  • Полная схема, основанная на идее вашего приложения.
  • Примеры операций и мутация исходных данных.

Расширение Data Connect VS Code предоставляет следующие возможности:

  • Создает/усовершенствует функцию Operations Code Lens для преобразования комментариев GraphQL в операции Data Connect .
  • Полная интеграция с Gemini Code Assist и сервером Firebase MCP.

Этот рабочий процесс описан в нашем руководстве по началу работы с локальным прототипированием .

Используйте сервер Firebase MCP с инструментами разработки на базе ИИ

Сервер Firebase MCP работает с любыми инструментами-помощниками на основе ИИ, которые могут выступать в качестве клиента MCP, включая Gemini CLI, Gemini Code Assist , Cursor, Visual Studio Code Copilot, Claude Desktop и Windsurf Editor.

Сервер Firebase MCP предоставляет дополнительный контекст и возможности, помогающие инструментам разработки на базе ИИ лучше работать с Data Connect . Он может:

  • Настройте новые каталоги проектов и сгенерируйте пакеты SDK.
  • Построение и итерация схем, операции на основе ошибок компиляции.
  • Генерация новых схем и операций на основе требований.
  • Генерация и выполнение операций на локальном эмуляторе или внутренних службах.
  • Соберите информацию о существующих услугах.

Чтобы использовать сервер Firebase MCP:

  1. Настройте свой MCP-клиент , следуя этому руководству .
  2. Запросите помощь по Data Connect . Примеры запросов:
    1. «Настройте проект Data Connect для приложения по доставке пиццы».
    2. «Исправление ошибок компиляции Data Connect ».
    3. «На главной странице мне нужно отображать активные чаты и список друзей. Сгенерируйте запрос Data Connect ».
    4. «Какие пользователи находятся в моем локальном эмуляторе Data Connect ?»
    5. «В каких регионах Google Cloud доступны мои службы Data Connect ?»

Примеры использования для создания операций

В следующих разделах описываются примеры вариантов использования:

Верните пятерку лучших фильмов в порядке убывания рейтинга.

Чтобы использовать AI assistance for Data Connect для генерации GraphQL на основе естественного языка:

  1. Откройте Data Connect в своем проекте и в разделе Services выберите источник данных.

  2. Нажмите Данные .

  3. Нажмите на значок «Помощь в написании GraphQL» ( pen_spark) . Опишите естественным языком запрос или мутацию , которую вы хотите сгенерировать, и нажмите «Сгенерировать» .

    Например, если вы используете источник данных «Фильмы», упомянутый в практической работе «Создание с помощью Data Connect (веб)» , вы можете попросить « Вернуть пять лучших фильмов 2022 года в порядке убывания рейтинга », что может вернуть следующий результат:

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

  4. Просмотрите ответ:

    • Если ответ выглядит правильно, нажмите кнопку «Вставить» , чтобы вставить ответ в редактор кода.
    • Если ответ можно уточнить, нажмите «Изменить» , обновите запрос и нажмите «Сгенерировать заново» .

  5. После того как вы примете ответ, задайте следующие параметры в разделе «Параметры» , если применимо:

    • Переменные : если ваш запрос или мутация содержит переменные, определите их здесь. Используйте JSON для их определения, например, {"title":"The Matrix", "releaseYear":"1999"} .
    • Авторизация : выберите контекст авторизации (Администратор, Аутентифицированный или Неаутентифицированный), с которым следует выполнить запрос или мутацию.

  6. Нажмите кнопку «Выполнить» в редакторе кода и просмотрите результаты.

Чтобы протестировать несколько запросов или мутаций в редакторе кода, убедитесь, что им даны имена. Например, следующий запрос называется GetMovie . Переместите курсор на первую строку запроса или мутации, чтобы активировать кнопку «Выполнить» .

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

Создайте мутацию, которая добавляет фильм в базу данных на основе пользовательского ввода.

В этом примере показано, как использовать естественный язык для генерации мутации GraphQL, которая заполнит вашу базу данных. Предполагается, что вы используете схему базы данных фильмов, описанную в документации Firebase Data Connect и в практической работе «Сборка с Data Connect (веб)» .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свою службу и источник данных, затем откройте вкладку «Данные» .

  3. Нажмите на значок «Помогите мне написать GraphQL pen_spark» и опишите вашу мутацию:

    Create a movie based on user input.

  4. Нажмите «Сгенерировать» . Будет возвращена мутация. Например, Gemini может вернуть такую ​​мутацию:

    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. Проверьте вывод. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Сгенерировать заново» .

  6. Затем нажмите кнопку Вставить , чтобы вставить мутацию в редактор данных.

  7. Для выполнения мутации вам потребуется добавить переменные. В разделе «Параметры» откройте «Переменные» и добавьте несколько тестовых переменных:

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

  8. Нажмите кнопку «Выполнить» .

  9. Затем создайте запрос, подтверждающий добавление вашего фильма. Нажмите кнопку «Помощь мне написать GraphQL pen_spark» и в появившемся поле введите запрос:

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

    Близнецы могут дать примерно такой ответ:

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

  10. Вставьте и выполните запрос. Добавленный вами фильм должен появиться в поле «История» .

Создайте запрос, который выводит список обзоров на основе жанра и оценок, предоставленных пользователем.

В этом примере показано, как использовать естественный язык для создания запроса GraphQL. Предполагается, что вы используете базу данных фильмов, описанную в документации Firebase Data Connect и в практической работе «Сборка с Data Connect (веб)» .

  1. В консоли Firebase откройте Data Connect .

  2. Выберите свою службу и источник данных, затем откройте вкладку «Данные» .

  3. Нажмите на значок «Помощь мне написать GraphQL pen_spark» и опишите свой запрос:

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

  4. Нажмите «Сгенерировать» . Запрос будет возвращен. Например, Gemini может вернуть такой запрос:

    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. Проверьте вывод. При необходимости нажмите «Изменить» , чтобы уточнить запрос, и нажмите «Сгенерировать заново» .

  6. Затем нажмите кнопку Вставить , чтобы вставить мутацию в редактор данных.

  7. Чтобы протестировать этот запрос, вам потребуется добавить переменные. В разделе «Параметры» откройте «Переменные» и добавьте переменные для тестирования: 

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

  8. Нажмите кнопку «Выполнить» .

Подсказки для дизайна сторонних инструментов помощи ИИ

Как и в случае со всеми инструментами помощи ИИ, более точные подсказки дают более полезные результаты.

Когда вы предоставляете Gemini в Firebase подсказки на естественном языке, помощник автоматически преобразует ваши данные в более сложную подсказку.

Если вы работаете со сторонними инструментами искусственного интеллекта, такими как Cursor или Windsurf, вы можете получить более качественные рекомендации Data Connect , используя аналогичные, более подробные подсказки.

Мы опубликовали шаблоны подсказок, которые вы можете загрузить, адаптировать и скопировать в свою IDE:

После загрузки и изменения создайте подсказку в знакомом инструменте (например, Cursor или Windsurf) следующим образом:

  • В Курсоре (обязательно ознакомьтесь с последними инструкциями от Курсора ):

    1. Нажмите значок настроек вверху справа.
    2. Выберите вкладку «Правила» .
    3. В разделе «Правила проекта » нажмите кнопку «Добавить новое правило» .
    4. Скопируйте и вставьте правило.

  • В виндсерфинге (обязательно ознакомьтесь с последними инструкциями от Windsurf ):

    1. Откройте окно «Каскад», нажав кнопку «Каскад» в правом верхнем углу.
    2. Щелкните значок «Настройки» в верхнем правом ползунковом меню в Cascade, затем перейдите на панель «Правила» .
    3. Нажмите кнопку + Global или + Workspace , чтобы создать новые правила на глобальном уровне или уровне рабочей области соответственно.
    4. Скопируйте и вставьте правило.

Устранение неполадок AI assistance for Data Connect

См . раздел Устранение неполадок Gemini в Firebase .

Цены

AI assistance for Data Connect доступна как часть Gemini в Firebase и включена для отдельных пользователей.

Более подробную информацию см. в разделе «Цены Gemini в Firebase .

Следующие шаги