Usa la asistencia de IA para Data Connect

Usa Gemini en Firebase para crear esquemas, consultas y mutaciones para tu código del cliente.

Describe tu app, tu modelo de datos o una consulta o mutación deseada en lenguaje natural, y Gemini en Firebase generará el equivalente en Data Connect.

Esta asistencia de IA está disponible en los siguientes contextos de desarrollo:

• En la consola de Firebase, puedes generar, probar y, luego, implementar tus esquemas y operaciones.
• En tu entorno local, puedes usar Firebase CLI y la extensión Data Connect de VS Code para generar, probar y desarrollar tu app con el emulador.
• Las herramientas de desarrollo potenciadas por IA pueden usar el servidor de MCP de Firebase para generar, probar y desarrollar tu app.

Obtén más información sobre la sintaxis de Data Connect esquema, consulta y mutación en las guías.

Cómo AI assistance for Data Connect utiliza sus datos

Para obtener más información, consulta Cómo usa tus datos Gemini en Firebase.

Configurar AI assistance for Data Connect

Para usar la asistencia de IA con Data Connect, habilita Gemini en Firebase como se describe en Configura Gemini en Firebase.

Importante: Los miembros del proyecto deben tener el rol de visualizador de la API de Firebase Data Connect (roles/firebasedataconnect.viewer) para generar operaciones de Data Connect con Gemini en Firebase. Necesitarás el rol de administrador de datos de la API de Firebase Data Connect (roles/firebasedataconnect.dataAdmin) para ejecutar las consultas generadas en la consola de Firebase.

Genera esquemas, consultas y mutaciones con Gemini en Firebase

Puedes usar la asistencia de IA para Data Connect en muchos de tus flujos de trabajo.

Importante: AI assistance for Data Connect es una tecnología en etapa inicial que, en ocasiones, puede generar resultados que parecen posibles, pero que, en realidad, no lo son. Es posible que responda con información imprecisa que no representa la opinión de Google. Valida todos los resultados de Gemini antes de usarlos y no uses código generado que no se haya probado en producción. No ingreses información de identificación personal (PII) ni datos del usuario en la instrucción Ayúdame a escribir GraphQL. Para obtener más información, consulta Cómo usa AI assistance for Data Connect tus datos y Gemini en Google Cloud y la IA responsable.

En la consola de Firebase

Cuando creas un servicio de Data Connect, la consola de Firebase ofrece una experiencia de "Introducción a Gemini".

Puedes describir una idea de app y la asistencia de IA generará lo siguiente:

• Un esquema completo basado en la idea de tu app
• Ejemplos de operaciones y mutaciones de datos.

En la página de datos, puedes usar el botón Ayúdame a escribir GraphQLpen_spark para generar y ejecutar operaciones basadas en lenguaje natural. Consulta algunos ejemplos de casos de uso.

Este flujo de trabajo se describe en nuestra guía de introducción. Puedes continuar en tu entorno de desarrollo local con el esquema y las operaciones implementados.

En tu entorno local

También puedes obtener asistencia de IA desde Firebase CLI y la extensión Data Connect de VS Code.

Puedes proporcionar tu idea de la app a firebase init dataconnect, y esta generará lo siguiente:

• Un esquema completo basado en la idea de tu app
• Ejemplos de operaciones y una mutación de datos iniciales

La extensión Data Connect de VS Code proporciona las siguientes funciones:

• Generates/Refine Operations Code Lens para convertir comentarios de GraphQL en operaciones de Data Connect
• Integración continua con el servidor de Gemini Code Assist y el MCP de Firebase.

Este flujo de trabajo se describe en nuestra guía de introducción para la creación de prototipos locales.

Usa el servidor de MCP de Firebase con herramientas de desarrollo potenciadas por IA

El servidor de MCP de Firebase funciona con cualquier herramienta de asistente de IA que pueda actuar como cliente de MCP, incluidas Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop y Windsurf Editor.

El servidor de MCP de Firebase proporciona contexto y capacidades adicionales para ayudar a las herramientas de desarrollo potenciadas por IA a trabajar mejor con Data Connect. Puede hacer lo siguiente:

• Se configuraron nuevos directorios de proyectos y se generaron SDKs.
• Compila y realiza iteraciones en esquemas y operaciones según los errores de compilación.
• Generar nuevos esquemas y operaciones según los requisitos
• Genera y ejecuta operaciones en el emulador local o en los servicios de backend.
• Recopila información sobre los servicios existentes.

Para usar el servidor de MCP de Firebase, haz lo siguiente:

1. Configura tu cliente de MCP siguiendo esta guía.
2. Pedir ayuda relacionada con Data Connect Ejemplos de instrucciones:
   1. "Configura un proyecto de Data Connect para una app de entrega de pizzas".
   2. "Corrige los errores de compilación de Data Connect".
   3. "En la página principal, necesito mostrar las salas de chat activas y la lista de amigos. Genera una consulta de Data Connect".
   4. "¿Qué usuarios hay en mi emulador local de Data Connect?"
   5. "¿En qué regiones de Google Cloud se encuentran mis servicios de Data Connect?"

Ejemplos de casos de uso para generar operaciones

En las siguientes secciones, se describen casos de uso de ejemplo:

• Devuelve las cinco películas principales en orden descendente según la clasificación
• Crea una mutación que agregue una película a la base de datos según la entrada del usuario
• Crea una consulta que muestre las opiniones según el género y las calificaciones proporcionados por el usuario

Devuelve las cinco películas principales en orden descendente según la calificación.

Para usar AI assistance for Data Connect y generar GraphQL basado en lenguaje natural, haz lo siguiente:

1. Abre Data Connect en tu proyecto y, en Servicios, selecciona tu fuente de datos.

2. Haz clic en Datos (Data).

3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark. Describe en lenguaje natural la consulta o mutación que deseas generar y haz clic en Generar.

   Por ejemplo, si usas la fuente de datos de Películas a la que se hace referencia en el codelab "Crea con Data Connect (Web)", podrías preguntar, "Muestra las cinco películas principales del 2022 en orden descendente por calificación", lo que podría devolver un resultado como el siguiente:

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

4. Revisa la respuesta:

   • Si la respuesta parece correcta, haz clic en Insertar para insertarla en el editor de código.
   • Si se puede definir mejor la respuesta, haz clic en Editar, actualiza la instrucción y haz clic en Volver a generar.

5. Después de aceptar la respuesta, configura lo siguiente en la sección Parámetros, si corresponde:

   • Variables: Si tu consulta o mutación contiene variables, defínelas aquí. Usa JSON para definirlos, por ejemplo, {"title":"The Matrix", "releaseYear":"1999"}.
   • Autorización: Elige el contexto de autorización (administrador, autenticado o no autenticado) con el que se ejecutará la consulta o la mutación.
   Advertencia: Si ejecutas una mutación, revísala cuidadosamente antes de ejecutarla. Ejecutar una mutación en el editor de datos ejecutará la solicitud.

6. Haz clic en Ejecutar en el editor de código y revisa los resultados.

Para probar varias consultas o mutaciones en el editor de código, asegúrate de que tengan un nombre. Por ejemplo, la siguiente consulta se llama GetMovie. Mueve el cursor a la primera línea de la consulta o mutación para activar el botón Ejecutar.

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

Nota: Si acabas de crear un proyecto de Data Connect y solicitaste una instancia nueva de PostgreSQL, Data Connect creará una base de datos temporal para que la uses mientras se aprovisiona tu base de datos permanente de PostgreSQL y, luego, migrará todos los datos cuando se complete el aprovisionamiento. Esta base de datos temporal es ideal para explorar tu esquema y las operaciones CRUD. La base de datos temporal no es una base de datos de PostgreSQL. Tiene algunas limitaciones.

Crea una mutación que agregue una película a la base de datos según la entrada del usuario

En este ejemplo, se muestra cómo usar el lenguaje natural para generar una mutación de GraphQL que complete tu base de datos. En este ejemplo, se supone que usas el esquema de la base de datos de películas que se utiliza en la documentación de Firebase Data Connect y el codelab "Compila con Data Connect (web)".

Advertencia: Si ejecutas una mutación en el editor de datos, se ejecutará la mutación y es posible que se modifiquen tus datos.

1. En Firebase console, abre Data Connect.

2. Selecciona tu servicio y fuente de datos, y, luego, abre la pestaña Datos.

3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark y describe tu mutación:

   Create a movie based on user input.
   

4. Haz clic en Generar. Se devuelve la mutación. Por ejemplo, Gemini podría devolver una mutación como la siguiente:

   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. Revise el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y, luego, en Volver a generar.

6. Luego, haz clic en Insertar para insertar la mutación en el editor de datos.

7. Para ejecutar la mutación, deberás agregar variables. En la sección Parameters, abre Variables y agrega algunas variables de prueba:

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

8. Haz clic en Ejecutar.

   Nota: También puedes pedirle a Gemini que expanda el resultado. Por ejemplo, para incluir comentarios y tu instrucción fuente en el resultado, puedes usar "Crea una película basada en la entrada del usuario. Asegúrate de documentar la mutación y de incluir esta instrucción en tu respuesta".

9. A continuación, crea una consulta que verifique que se haya agregado la película. Haz clic en Ayúdame a escribir GraphQL pen_spark y, en el cuadro que aparece, escribe tu instrucción:

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

   Gemini podría devolver una respuesta como la siguiente:

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

10. Inserta y ejecuta la consulta. La película que agregaste debería aparecer en el campo Historial.

Nota: Si acabas de crear un proyecto de Data Connect y solicitaste una instancia nueva de PostgreSQL, Data Connect creará una base de datos temporal para que la uses mientras se aprovisiona tu base de datos permanente de PostgreSQL y, luego, migrará todos los datos cuando se complete el aprovisionamiento. Esta base de datos temporal es ideal para explorar tu esquema y las operaciones CRUD. La base de datos temporal no es una base de datos de PostgreSQL. Tiene algunas limitaciones.

Crea una consulta que muestre las opiniones según el género y las calificaciones proporcionados por el usuario

En este ejemplo, se muestra cómo usar el lenguaje natural para generar una consulta de GraphQL. En este ejemplo, se supone que usas la base de datos de películas que se usa en la documentación de Firebase Data Connect y el codelab "Compila con Data Connect (web)".

1. En Firebase console, abre Data Connect.

2. Selecciona tu servicio y fuente de datos, y, luego, abre la pestaña Datos.

3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark y describe tu consulta:

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

4. Haz clic en Generar. Se devuelve la consulta. Por ejemplo, Gemini podría devolver una búsqueda como la siguiente:

   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. Revise el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y, luego, en Volver a generar.

6. Luego, haz clic en Insertar para insertar la mutación en el editor de datos.

7. Para probar esta consulta, deberás agregar variables. En la sección Parámetros, abre Variables y agrega las variables que usarás para las pruebas:

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

8. Haz clic en Ejecutar.

Nota: También puedes pedirle a Gemini que expanda el resultado. Por ejemplo, para incluir comentarios y tu instrucción fuente en el resultado, puedes usar "Enumera todas las opiniones sobre películas según el género y las calificaciones configurables por el usuario. Asegúrate de documentar la consulta y de incluir esta instrucción en tu respuesta".

Nota: Si acabas de crear un proyecto de Data Connect y solicitaste una instancia nueva de PostgreSQL, Data Connect creará una base de datos temporal para que la uses mientras se aprovisiona tu base de datos permanente de PostgreSQL y, luego, migrará todos los datos cuando se complete el aprovisionamiento. Esta base de datos temporal es ideal para explorar tu esquema y las operaciones CRUD. La base de datos temporal no es una base de datos de PostgreSQL. Tiene algunas limitaciones.

Diseñar instrucciones para herramientas de asistencia de IA de terceros

Al igual que con todas las herramientas de asistencia de IA, las instrucciones más detalladas generan resultados más útiles.

Cuando proporcionas instrucciones en lenguaje natural a Gemini en Firebase, el asistente traduce tus entradas a una instrucción más desarrollada en segundo plano.

Si trabajas con herramientas de IA de terceros, como Cursor o Windsurf, puedes obtener mejores recomendaciones de Data Connect si usas instrucciones similares y más detalladas.

Publicamos plantillas de instrucciones para que las descargues, adaptes y copies en tu IDE:

• Instrucción de plantilla para la generación de esquemas
• Instrucción de plantilla para la generación de operaciones

Después de descargar y modificar el archivo, crea un mensaje en una herramienta conocida (por ejemplo, Cursor o Windsurf) de la siguiente manera:

• En Cursor (asegúrate de revisar las instrucciones más recientes de Cursor):

  1. Haz clic en el ícono de configuración en la esquina superior derecha.
  2. Selecciona la pestaña Reglas.
  3. En Reglas del proyecto, haz clic en el botón Agregar una regla nueva.
  4. Copia y pega la regla.

• En Windsurf (asegúrate de revisar las instrucciones más recientes de Windsurf):

  1. Haz clic en el botón Cascade en la esquina superior derecha para abrir la ventana en cascada.
  2. Haz clic en el ícono de Personalizaciones en el menú deslizante de la parte superior derecha de Cascade y, luego, navega al panel Reglas.
  3. Haz clic en el botón + Global o + Workspace para crear reglas nuevas a nivel global o del espacio de trabajo, respectivamente.
  4. Copia y pega la regla.

Soluciona problemas de AI assistance for Data Connect

Consulta Soluciona problemas de Gemini en Firebase.

Precios

AI assistance for Data Connect está disponible como parte de Gemini en Firebase y se incluye para usuarios individuales.

Consulta Precios de Gemini en Firebase para obtener más información.

Próximos pasos

• Obtén más información sobre el esquema, la consulta y la mutación.
• Obtén más información sobre Gemini en Firebase.