Используйте помощь ИИ для Data Connect

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

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

Данная помощь на основе ИИ доступна в следующих контекстах разработки:

  • В консоли Firebase вы можете создавать, тестировать и развертывать свои схемы и операции.
  • В локальной среде вы можете использовать Firebase CLI и расширение Data Connect для VS Code, чтобы генерировать, тестировать и разрабатывать свое приложение с помощью эмулятора.
  • Инструменты разработки с поддержкой ИИ могут использовать сервер Firebase MCP для генерации, тестирования и разработки вашего приложения.

Подробнее о схеме Data Connect , синтаксисе запросов и мутаций можно узнать в руководствах.

Как AI assistance for Data Connect использует ваши данные

Для получения более подробной информации см. раздел «Как Gemini в Firebase использует ваши данные» .

Настройте AI assistance for Data Connect

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

Создавайте схемы, запросы и мутации с помощью Gemini в Firebase

Вы можете использовать помощь искусственного интеллекта в Data Connect во многих своих рабочих процессах.

В консоли Firebase

При создании сервиса Data Connect консоль Firebase предлагает раздел «Начало работы с Gemini».

Вы можете описать идею приложения, и система искусственного интеллекта сгенерирует следующие данные:

  • Полная схема, основанная на вашей идее приложения.
  • Примеры операций и изменений данных.

На странице данных вы можете использовать кнопку «Помогите мне написать GraphQL pen_spark» , чтобы генерировать и выполнять операции на основе естественного языка. Ознакомьтесь с примерами использования .

Этот рабочий процесс описан в нашем руководстве по началу работы . Вы можете продолжить работу в своей локальной среде разработки с развернутой схемой и операциями.

В вашей местной среде

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

Вы можете передать свою идею приложения в firebase init dataconnect , и он сгенерирует следующее:

  • Полная схема, основанная на вашей идее приложения.
  • Примеры операций и изменение исходных данных.

Расширение Data Connect для VS Code предоставляет следующие возможности:

  • Генерирует/уточняет код операций Code Lens для преобразования комментариев GraphQL в операции Data Connect .
  • Бесшовная интеграция с Gemini Code Assist и сервером Firebase MCP.

Данный алгоритм работы описан в нашем руководстве по началу работы с локальным прототипированием .

Используйте сервер Firebase MCP с инструментами разработки на основе искусственного интеллекта.

Сервер Firebase MCP работает с любыми инструментами искусственного интеллекта, 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 основе ИИ лучше взаимодействовать с Data Connect . Он может выполнять следующие функции:

  • Создайте новые каталоги проекта и сгенерируйте SDK.
  • Создание и итерация схем, операции на основе ошибок компиляции.
  • Создавайте новые схемы и операции на основе требований.
  • Генерировать и выполнять операции с использованием локального эмулятора или серверных служб.
  • Соберите информацию о существующих услугах.

Для использования сервера Firebase MCP:

  1. Настройте клиент MCP , следуя этому руководству .
  2. Обратитесь за помощью по вопросам, связанным с Data Connect . Примеры подсказок:
    1. «Настроить проект Data Connect для приложения по доставке пиццы».
    2. "Исправлены ошибки компиляции Data Connect ."
    3. «На главной странице мне нужно отобразить активные чаты и список друзей. Сгенерируйте запрос Data Connect ».
    4. «Какие пользователи находятся в моём локальном эмуляторе Data Connect ?»
    5. В каких регионах Google Cloud находятся мои сервисы Data Connect ?

Примеры вариантов использования генерации операций

В следующих разделах описаны примеры использования:

Отобразить пять 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 «Службы» выберите источник данных.

  2. Нажмите «Данные» .

  3. Нажмите на значок «Помогите мне написать GraphQL pen_spark» . Опишите на естественном языке запрос или мутацию, которую вы хотите сгенерировать, и нажмите «Сгенерировать» .

    Например, если вы используете источник данных «Фильмы», упомянутый в практическом задании «Создание с помощью Data Connect (веб)» , вы можете запросить: « Вернуть пять лучших фильмов 2022 года в порядке убывания рейтинга », что может дать результат, подобный следующему:

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

  4. Просмотрите ответ:

    • Если ответ выглядит корректно, нажмите «Вставить» , чтобы вставить ответ в редактор кода.
    • Если ответ можно улучшить, нажмите «Редактировать» , обновите подсказку и нажмите «Перегенерировать» .

  5. После принятия ответа, при необходимости, установите следующие параметры в разделе «Параметры» :

    • 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 будет выполняться запрос или мутация.

  6. В редакторе кода нажмите кнопку «Выполнить» и просмотрите результаты.

Чтобы протестировать несколько запросов или мутаций в редакторе кода, убедитесь, что они имеют имена. Например, следующий запрос называется GetMovie . Переместите курсор в 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 ввода пользователя.

В этом примере показано, как использовать естественный язык для генерации мутации GraphQL, которая заполняет вашу базу данных. В этом примере предполагается, что вы используете схему базы данных фильмов, описанную в документации Firebase Data Connect и в практическом руководстве "Создание с помощью 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 код GraphQL pen_spark» и опишите вашу мутацию:

    Create a movie based on user input.

  4. Нажмите «Сгенерировать» . Будет получен результат мутации. 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. Просмотрите результат. При необходимости нажмите «Редактировать» , чтобы уточнить подсказку, и нажмите «Перегенерировать» .

  6. Далее 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 «Выполнить» .

  9. Далее создайте запрос, который проверит, был ли добавлен ваш фильм. Нажмите « Помогите мне написать GraphQL pen_spark» и в появившемся поле введите свой запрос:

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

    Gemini может вернуть ответ примерно следующего вида:

    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 отзывы на основе указанного пользователем жанра и рейтинга.

В этом примере показано, как использовать естественный язык для генерации запроса GraphQL. Предполагается, что вы используете базу данных фильмов, описанную в документации Firebase Data Connect и в практическом руководстве "Создание с помощью 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- запрос 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 запрос следующего вида:

    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. Просмотрите результат. При необходимости нажмите «Редактировать» , чтобы уточнить подсказку, и нажмите «Перегенерировать» .

  6. Далее нажмите кнопку «Вставить» , чтобы вставить мутацию в редактор данных.

  7. Для проверки этого запроса вам потребуется добавить переменные. В разделе «Параметры» откройте «Переменные» и укажите переменные, которые будут использоваться для тестирования: 

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

  8. Нажмите «Выполнить» .

Рекомендации по проектированию сторонних инструментов искусственного интеллекта для помощи пользователям

Как и в случае со всеми инструментами искусственного интеллекта, более качественные подсказки приводят к более полезным результатам.

Когда вы отправляете Gemini в Firebase подсказки на естественном языке, ассистент автоматически преобразует ваши данные в более полную и развернутую подсказку.

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

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

После загрузки и редактирования создайте приглашение ввода в привычных инструментах (например, Cursor или Windsurf) следующим образом:

  • В меню «Курсор» (обязательно ознакомьтесь с последними инструкциями ):

    1. Нажмите на значок настроек в правом верхнем углу.
    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 Cascade, нажав кнопку Cascade в правом верхнем углу.
    2. В Cascade щелкните значок «Настройки» в верхнем правом углу выдвижного меню, затем перейдите на панель «Правила» .
    3. Нажмите кнопку «+ Глобальный» или «+ Рабочая область» , чтобы создать новые правила на глобальном уровне или на 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 в составе Gemini в Firebase и включена в пакет для индивидуальных пользователей.

Для получения более подробной информации о ценах на Gemini в Firebase см. раздел «Цены».

Следующие шаги