Menggunakan bantuan AI untuk Data Connect

Gunakan Gemini di Firebase untuk membantu membuat skema, kueri, dan mutasi untuk kode sisi klien Anda.

Deskripsikan aplikasi, model data, atau kueri atau mutasi yang diinginkan dalam bahasa alami, dan Gemini di Firebase akan membuat Data Connect yang setara.

Bantuan AI ini tersedia dalam konteks pengembangan berikut:

  • Di konsol Firebase, Anda dapat membuat, menguji, dan men-deploy skema dan operasi.
  • Di lingkungan lokal, Anda dapat menggunakan Firebase CLI dan ekstensi Data Connect VS Code untuk membuat, menguji, dan mengembangkan aplikasi dengan emulator.
  • Alat pengembangan berteknologi AI dapat menggunakan server Firebase MCP untuk membuat, menguji, dan mengembangkan aplikasi Anda.

Pelajari lebih lanjut sintaksis Data Connect skema, kueri, dan mutasi dalam panduan.

Cara AI assistance for Data Connect menggunakan data Anda

Untuk mengetahui informasi selengkapnya, lihat Cara Gemini di Firebase menggunakan data Anda.

Siapkan AI assistance for Data Connect

Untuk menggunakan bantuan AI dengan Data Connect, aktifkan Gemini di Firebase seperti yang dijelaskan dalam Menyiapkan Gemini di Firebase.

Membuat skema, kueri, dan mutasi dengan Gemini di Firebase

Anda dapat menggunakan bantuan AI untuk Data Connect di banyak alur kerja Anda.

Di Firebase console

Saat Anda membuat layanan Data Connect, konsol Firebase menawarkan pengalaman "Mulai menggunakan Gemini".

Anda dapat mendeskripsikan ide aplikasi, dan bantuan AI akan membuat hal berikut:

  • Skema lengkap berdasarkan ide aplikasi Anda.
  • Contoh operasi dan mutasi data.

Dari halaman data, Anda dapat menggunakan tombol Help me write GraphQLpen_spark untuk membuat dan menjalankan operasi berdasarkan bahasa natural. Lihat beberapa contoh kasus penggunaan.

Alur kerja ini dijelaskan dalam Panduan memulai kami. Anda dapat melanjutkan di lingkungan pengembangan lokal dengan skema dan operasi yang di-deploy.

Di lingkungan lokal Anda

Anda juga bisa mendapatkan bantuan AI dari Firebase CLI dan ekstensi Data Connect VS Code.

Anda dapat memberikan ide aplikasi Anda kepada firebase init dataconnect, dan firebase init dataconnect akan membuat berikut ini:

  • Skema lengkap berdasarkan ide aplikasi Anda.
  • Contoh operasi dan mutasi data awal.

Ekstensi Data Connect VS Code menyediakan fitur berikut:

  • Generates/Refine Operations Code Lens untuk mengonversi komentar GraphQL menjadi operasi Data Connect.
  • Integrasi yang lancar dengan server Gemini Code Assist dan Firebase MCP.

Alur kerja ini dijelaskan dalam Panduan memulai untuk pembuatan prototipe lokal.

Menggunakan server Firebase MCP dengan alat pengembangan berteknologi AI

Server Firebase MCP berfungsi dengan alat asisten AI apa pun yang dapat bertindak sebagai klien MCP, termasuk Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop, dan Windsurf Editor.

Server Firebase MCP memberikan konteks dan kemampuan tambahan untuk membantu alat pengembangan berteknologi AI bekerja lebih baik dengan Data Connect. API ini dapat melakukan hal berikut:

  • Siapkan direktori project baru dan SDK yang dihasilkan.
  • Buat dan lakukan iterasi pada skema, operasi berdasarkan error kompilasi.
  • Buat skema dan operasi baru berdasarkan persyaratan.
  • Buat dan jalankan operasi terhadap emulator lokal atau layanan backend.
  • Kumpulkan informasi tentang layanan yang ada.

Untuk menggunakan server Firebase MCP:

  1. Siapkan klien MCP Anda dengan mengikuti panduan ini.
  2. Minta bantuan terkait Data Connect. Contoh perintah:
    1. "Siapkan project Data Connect untuk aplikasi pengiriman pizza."
    2. "Perbaiki error kompilasi Data Connect."
    3. "Di halaman beranda, saya perlu menampilkan ruang chat aktif dan daftar teman. Buat kueri Data Connect."
    4. "Pengguna mana yang ada di emulator Data Connect lokal saya?"
    5. "Di region Google Cloud mana layanan Data Connect saya berada?"

Contoh kasus penggunaan untuk operasi pembuatan

Bagian berikut menjelaskan contoh kasus penggunaan:

Tampilkan lima film teratas dalam urutan menurun berdasarkan rating

Untuk menggunakan AI assistance for Data Connect guna membuat GraphQL berdasarkan bahasa alami:

  1. Buka Data Connect di project Anda, lalu di bagian Services, pilih sumber data Anda.

  2. Klik Data.

  3. Klik ikon Help me write GraphQLpen_spark. Deskripsikan dalam bahasa alami kueri atau mutasi yang ingin Anda buat, lalu klik Buat.

    Misalnya, jika menggunakan sumber data Film yang dirujuk dalam codelab Membangun menggunakan (web) Data Connect", Anda dapat bertanya, "Tampilkan lima film teratas tahun 2022, dalam urutan menurun berdasarkan rating", yang mungkin akan menampilkan hasil seperti berikut:

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

  4. Tinjau responsnya:

    • Jika respons terlihat benar, klik Insert untuk menyisipkan respons ke editor kode.
    • Jika respons dapat ditingkatkan, klik Edit, perbarui perintah, lalu klik Regenerate.

  5. Setelah Anda menerima respons, tetapkan hal berikut di bagian Parameters, jika berlaku:

    • Variables: Jika kueri atau mutasi Anda berisi variabel, tentukan variabel tersebut di sini. Gunakan JSON untuk menentukannya, misalnya, {"title":"The Matrix", "releaseYear":"1999"}.
    • Authorization: Pilih konteks Authorization (Administrator, Authenticated, atau Unauthenticated) yang akan digunakan untuk menjalankan kueri atau mutasi.

  6. Klik Run di editor kode dan tinjau hasilnya.

Untuk menguji beberapa kueri atau mutasi di editor kode, pastikan kueri atau mutasi tersebut diberi nama. Misalnya, kueri berikut diberi nama GetMovie. Pindahkan kursor ke baris pertama kueri atau mutasi untuk mengaktifkan tombol Run.

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

Buat mutasi yang menambahkan film ke database berdasarkan input pengguna

Contoh ini menunjukkan cara menggunakan bahasa alami untuk membuat mutasi GraphQL yang mengisi database Anda. Contoh ini mengasumsikan bahwa Anda menggunakan skema database film yang digunakan dalam dokumentasi Firebase Data Connect dan codelab "Membangun dengan Data Connect (web)".

  1. Dari Firebase console, buka Data Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon Help me write GraphQLpen_spark dan jelaskan mutasi Anda:

    Create a movie based on user input.

  4. Klik Buat. Mutasi dikembalikan. Misalnya, Gemini dapat menampilkan mutasi seperti:

    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. Tinjau output-nya. Jika perlu, klik Edit untuk menyempurnakan perintah, lalu klik Buat ulang.

  6. Selanjutnya, klik Sisipkan untuk menyisipkan mutasi ke editor data.

  7. Untuk menjalankan mutasi, Anda harus menambahkan variabel. Dari bagian Parameters, buka Variables dan sertakan beberapa variabel pengujian:

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

  8. Klik Run.

  9. Selanjutnya, buat kueri yang memverifikasi bahwa film Anda telah ditambahkan. Klik Help me write GraphQL pen_spark dan, di kotak yang muncul, ketik perintah Anda:

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

    Gemini mungkin akan memberikan respons seperti berikut:

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

  10. Masukkan dan jalankan kueri. Film yang Anda tambahkan akan muncul di kolom Histori.

Buat kueri yang mencantumkan ulasan berdasarkan genre dan rating yang diberikan pengguna

Contoh ini menunjukkan cara menggunakan bahasa alami untuk membuat kueri GraphQL. Contoh ini mengasumsikan bahwa Anda menggunakan database film yang digunakan dalam dokumentasi Firebase Data Connect dan codelab "Membangun dengan Data Connect (web)".

  1. Dari Firebase console, buka Data Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon Help me write GraphQLpen_spark dan jelaskan kueri Anda:

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

  4. Klik Buat. Kueri ditampilkan. Misalnya, Gemini dapat menampilkan kueri seperti:

    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. Tinjau output-nya. Jika perlu, klik Edit untuk menyempurnakan perintah, lalu klik Buat ulang.

  6. Selanjutnya, klik Sisipkan untuk menyisipkan mutasi ke editor data.

  7. Untuk menguji kueri ini, Anda harus menambahkan variabel. Dari bagian Parameter, buka Variabel dan sertakan variabel yang akan digunakan untuk pengujian:

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

  8. Klik Run.

Mendesain perintah untuk alat bantuan AI pihak ketiga

Seperti semua alat bantuan AI, perintah yang lebih baik akan menghasilkan output yang lebih berguna.

Saat Anda memberikan perintah bahasa alami ke Gemini di Firebase, di balik layar, asisten akan menerjemahkan input Anda menjadi perintah yang lebih lengkap.

Jika Anda menggunakan alat AI pihak ketiga seperti Cursor atau Windsurf, Anda bisa mendapatkan rekomendasi Data Connect yang lebih baik dengan menggunakan perintah yang serupa dan lebih mendetail.

Kami telah memublikasikan template perintah untuk Anda download, sesuaikan, dan salin ke IDE Anda:

Setelah mendownload dan mengubah, buat perintah di alat yang sudah dikenal (misalnya Cursor atau Windsurf) sebagai berikut:

  • Di Cursor (pastikan untuk meninjau petunjuk terbaru dari Cursor):

    1. Klik ikon setelan di kanan atas.
    2. Pilih tab Aturan.
    3. Di bagian Project Rules, klik tombol Add a new rule.
    4. Salin dan tempel aturan.

  • Di Windsurf (pastikan untuk meninjau petunjuk terbaru dari Windsurf):

    1. Buka jendela Cascade dengan mengklik tombol Cascade di sudut kanan atas.
    2. Klik ikon Penyesuaian di menu geser kanan atas di Cascade, lalu buka panel Aturan.
    3. Klik tombol + Global atau + Workspace untuk membuat aturan baru di tingkat global atau tingkat Workspace.
    4. Salin dan tempel aturan.

Memecahkan masalah AI assistance for Data Connect

Lihat Memecahkan masalah Gemini di Firebase.

Harga

AI assistance for Data Connect tersedia sebagai bagian dari Gemini di Firebase dan disertakan untuk pengguna individual.

Lihat Harga Gemini di Firebase untuk mengetahui informasi selengkapnya.

Langkah berikutnya