KI-Unterstützung für SQL Connect verwenden

Mit Gemini in Firebase können Sie Schemas, Abfragen und Mutationen für Ihren clientseitigen Code erstellen.

Beschreiben Sie Ihre App, Ihr Datenmodell oder eine gewünschte Abfrage oder Mutation in natürlicher Sprache. Gemini in Firebase generiert dann das entsprechende SQL Connect Element.

Diese KI-Unterstützung ist in den folgenden Entwicklungskontexten verfügbar:

In der Firebase Konsole können Sie Ihre Schemas und Vorgänge generieren, testen und bereitstellen.
In Ihrer lokalen Umgebung können Sie mit der Firebase CLI und der SQL Connect VS Code-Erweiterung Ihre App mit dem Emulator generieren, testen und entwickeln.
KI-gestützte Entwicklungstools können den Firebase MCP-Server verwenden, um Ihre App zu generieren, zu testen und zu entwickeln.

Weitere Informationen zur Syntax von SQL Connect Schemas, Abfragen und Mutationen finden Sie in den Anleitungen.

So verwendet AI assistance for SQL Connect Ihre Daten

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

AI assistance for SQL Connect einrichten

Wenn Sie die KI-Unterstützung mit SQL Connect verwenden möchten, aktivieren Sie Gemini in Firebase wie unter Set up Gemini in Firebase beschrieben.

Schema, Abfragen und Mutationen mit Gemini in Firebase generieren

Sie können die KI-Unterstützung für SQL Connect in vielen Ihrer Workflows verwenden.

In der Firebase Konsole

Wenn Sie einen SQL Connect Dienst erstellen, bietet die Firebase Konsole eine Einführung in Gemini.

Sie können eine App-Idee beschreiben und die KI-Unterstützung generiert Folgendes:

Ein vollständiges Schema basierend auf Ihrer App-Idee.
Beispielvorgänge und Datenmutationen.

Auf der Datenseite können Sie mit der Schaltfläche Formuliere für mich GraphQLpen_spark Vorgänge basierend auf natürlicher Sprache generieren und ausführen. Sehen Sie sich einige Anwendungsfallbeispiele an.

Dieser Workflow wird in unserer Anleitung Erste Schritte beschrieben. Sie können in Ihrer lokalen Entwicklungsumgebung mit dem bereitgestellten Schema und den Vorgängen fortfahren.

In Ihrer lokalen Umgebung

Sie können auch die KI-Unterstützung der Firebase CLI und der SQL Connect VS Code-Erweiterung nutzen.

Sie können Ihre App-Idee an firebase init dataconnect übergeben. Die KI-Unterstützung generiert dann Folgendes:

Ein vollständiges Schema basierend auf Ihrer App-Idee.
Beispielvorgänge und eine Mutation für Startdaten.

Die SQL Connect VS Code-Erweiterung bietet die folgenden Funktionen:

Generates/Refine Operations Code Lens zum Konvertieren von GraphQL-Kommentaren in SQL Connect Vorgänge.
Nahtlose Integration mit Gemini Code Assist und dem Firebase MCP -Server.

Dieser Workflow wird in unserer Anleitung Erste Schritte für lokales Prototyping beschrieben.

Firebase MCP-Server mit KI-gestützten Entwicklungstools verwenden

Der Firebase MCP-Server funktioniert mit allen KI-Assistententools, die als MCP Client fungieren können, einschließlich Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop und Windsurf Editor.

Der Firebase MCP-Server bietet zusätzlichen Kontext und zusätzliche Funktionen, damit KI-gestützte Entwicklungstools besser mit SQL Connect funktionieren. Er kann Folgendes tun:

Neue Projektverzeichnisse und generierte SDKs einrichten.
Schemas und Vorgänge basierend auf Kompilierungsfehlern erstellen und iterieren.
Vorgänge für lokale Emulatoren oder Back-End-Dienste ausführen.
Informationen zu vorhandenen Diensten erfassen.

So verwenden Sie den Firebase MCP-Server:

Richten Sie Ihren MCP-Client gemäß dieser Anleitung ein.
Bitten Sie um Hilfe zu SQL Connect. Beispielprompts:
1. „Richte ein SQL Connect Projekt für eine Pizza-Liefer-App ein.“
2. „Behebe SQL Connect Kompilierungsfehler.“
3. „Auf der Startseite müssen aktive Chatrooms und eine Freundesliste angezeigt werden. Generiere eine SQL Connect Abfrage."
4. „Welche Nutzer sind in meinem lokalen SQL Connect Emulator?“
5. „In welchen Google Cloud-Regionen befinden sich meine SQL Connect Dienste?“

Anwendungsfallbeispiele für das Generieren von Vorgängen

In den folgenden Abschnitten werden Anwendungsfallbeispiele beschrieben:

Die fünf besten Filme in absteigender Reihenfolge nach Bewertung zurückgeben
Eine Mutation erstellen, die einen Film basierend auf der Nutzereingabe zur Datenbank hinzufügt
Eine Abfrage erstellen, die Rezensionen basierend auf vom Nutzer angegebenen Genres und Bewertungen auflistet

Die fünf besten Filme in absteigender Reihenfolge nach Bewertung zurückgeben

So verwenden Sie AI assistance for SQL Connect, um GraphQL basierend auf natürlicher Sprache zu generieren:

Öffnen Sie SQL Connect in Ihrem Projekt und wählen Sie unter Services Ihre Datenquelle aus.
Klicken Sie auf Daten.
Klicken Sie auf das Symbol Formuliere für mich GraphQLpen_spark. Beschreiben Sie in natürlicher Sprache die Abfrage oder Mutation, die Sie generieren möchten, und klicken Sie auf Generieren.

Wenn Sie beispielsweise die Datenquelle „Filme“ verwenden, auf die im Codelab „Mit SQL Connect entwickeln (Web)“verwiesen wird, können Sie Folgendes fragen: „Gib die fünf besten Filme von 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
  }
}
```
Sehen Sie sich die Antwort an:
- Wenn die Antwort korrekt aussieht, klicken Sie auf Einfügen , um sie in den Code-Editor einzufügen.
- Wenn die Antwort verbessert werden könnte, klicken Sie auf Bearbeiten, aktualisieren Sie den Prompt und klicken Sie auf Neu generieren.
Nachdem Sie die Antwort akzeptiert haben, legen Sie gegebenenfalls Folgendes im Abschnitt Parameter 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 Daten-Editor 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 heißt beispielsweise 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 }
}

Eine Mutation erstellen, die einen Film basierend auf der Nutzereingabe zur Datenbank hinzufügt

In diesem Beispiel wird gezeigt, wie Sie mit natürlicher Sprache eine GraphQL-Mutation generieren, mit der Sie Ihre Datenbank füllen. In diesem Beispiel wird davon ausgegangen, dass Sie das Film datenbankschema verwenden, das in der Firebase SQL Connect Dokumentation und im Codelab „Mit SQL Connect (Web) entwickeln“ verwendet wird.

Öffnen Sie in der Firebase Konsole, open SQL Connect.
Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie den Tab Daten.
Klicken Sie auf das Symbol Formuliere für mich GraphQLpen_spark und beschreiben Sie Ihre Mutation:
```
Create a movie based on user input.
```

Klicken Sie auf Generieren. Die Mutation wird zurückgegeben. Gemini gibt beispielsweise eine Mutation wie diese zurück:

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 verfeinern, und klicken Sie auf Neu generieren.
Klicken Sie dann auf Einfügen, um die Mutation in den Daten-Editor einzufügen.

Um die Mutation auszuführen, müssen Sie Variablen hinzufügen. Öffnen Sie im Abschnitt 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 zu erweitern. Wenn Sie beispielsweise Kommentare und Ihren Quellprompt in die Ausgabe einfügen möchten, können Sie Folgendes verwenden: „Erstelle einen Film basierend auf der Nutzereingabe. Dokumentiere die Mutation und füge diesen Prompt in deine Antwort ein.“

Erstellen Sie als Nächstes eine Abfrage, mit der Sie überprüfen können, ob Ihr Film hinzugefügt wurde. Klicken Sie auf Formuliere für mich GraphQL 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 diese aus:

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 von Ihnen hinzugefügte Film sollte im Feld Verlauf angezeigt werden.

Eine Abfrage erstellen, die Rezensionen basierend auf vom Nutzer angegebenen Genres und Bewertungen auflistet

In diesem Beispiel wird gezeigt, wie Sie mit natürlicher Sprache eine GraphQL-Abfrage generieren. In diesem Beispiel wird davon ausgegangen, dass Sie die Filmdatenbank verwenden, die in der Firebase SQL Connect Dokumentation und im Codelab „Mit SQL Connect (Web)“ entwickeln verwendet wird.

Öffnen Sie in der Firebase Konsole, open SQL Connect.
Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie den Tab Daten.
Klicken Sie auf das Symbol Formuliere für mich GraphQLpen_spark und beschreiben Sie Ihre Abfrage:
```
List all movie reviews, based on user-configurable genre and ratings.
```

Klicken Sie auf Generieren. Die Abfrage wird zurückgegeben. Gemini gibt beispielsweise eine Abfrage wie diese zurück:

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 verfeinern, und klicken Sie auf Neu generieren.
Klicken Sie dann auf Einfügen, um die Mutation in den Daten-Editor einzufügen.
Um diese Abfrage zu testen, müssen Sie Variablen hinzufügen. Öffnen Sie im Abschnitt Parameter die Option Variablen und fügen Sie Variablen für Tests hinzu:
```
{"genre":"sci-fi", "minRating":4, "maxRating":9}
```
Klicken Sie auf Ausführen.

Prompts für KI-Unterstützungstools von Drittanbietern entwerfen

Wie bei allen KI-Unterstützungstools führen bessere Prompts zu nützlicheren Ausgaben.

Wenn Sie Gemini in Firebase Prompts in natürlicher Sprache geben, übersetzt der Assistent Ihre Eingaben hinter den Kulissen in einen umfassenderen Prompt.

Wenn Sie mit KI-Tools von Drittanbietern wie Cursor oder Windsurf arbeiten, können Sie bessere SQL Connect Empfehlungen erhalten, indem Sie ähnliche, detailliertere Prompts verwenden.

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

Eine Prompt-Vorlage für die Schemaerstellung
Eine Prompt-Vorlage für die Vorgangserstellung

Nach dem Herunterladen und Ändern erstellen Sie einen Prompt in einem vertrauten Tool (z. B. Cursor oder Windsurf) so:

In Cursor (beachten Sie die neuesten Anweisungen von Cursor):
1. Klicken Sie rechts oben auf das Symbol „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 (beachten Sie die neuesten Anweisungen von Windsurf):
1. Öffnen Sie das Cascade-Fenster, indem Sie rechts oben auf die Schaltfläche Cascade klicken.
2. Klicken Sie im rechten oberen Schiebereglermenü in Cascade auf das Symbol Customizations (Anpassungen) und rufen Sie dann das Feld Rules (Regeln) auf.
3. Klicken Sie auf die Schaltfläche + Global oder + Workspace, um neue Regeln auf globaler oder Arbeitsbereichsebene zu erstellen.
4. Kopieren Sie die Regel und fügen Sie sie ein.

Fehlerbehebung AI assistance for SQL Connect

Weitere Informationen finden Sie unter Fehlerbehebung für Gemini in Firebase.

Preise

AI assistance for SQL Connect ist Teil von Gemini in Firebase und ist für einzelne Nutzer enthalten.

Weitere Informationen finden Sie unter Preise für FirebaseGemini in Firebase.

Nächste Schritte

Weitere Informationen zu Schema, Abfrage und Mutation.
Weitere Informationen zu Gemini in Firebase.