Puedes usar Gemini en Firebase en la consola de Firebase para ayudarte a elaborar consultas y mutaciones para incluir en tu código del cliente. Describe la consulta o mutación que deseas generar en lenguaje natural y Gemini en Firebase te proporcionará su equivalente en GraphQL. Ejecuta y prueba el resultado en la consola de Firebase y, luego, copia las consultas y mutaciones finalizadas en tu código.
Obtén más información sobre las consultas y mutaciones en Esquemas, consultas y mutaciones de Data Connect.
Cómo usa tus datos AI assistance for Data Connect in the Firebase console
AI assistance for Data Connect in the Firebase console no usa tus instrucciones ni sus respuestas como datos para entrenar su modelo. Para obtener más información, consulta Cómo Gemini en Google Cloud usa tus datos.
Configurar AI assistance for Data Connect in the Firebase console
Para configurar la asistencia de IA en Data Connect, habilita Gemini en Firebase como se describe en Configura Gemini en Firebase y, luego, ve a Genera consultas y mutaciones de GraphQL con Gemini en Firebase.
Genera consultas y mutaciones de GraphQL con Gemini en Firebase
Para usar AI assistance for Data Connect in the Firebase console y generar GraphQL basado en lenguaje natural, haz lo siguiente:
Abre Data Connect en tu proyecto y, en Servicios, selecciona tu fuente de datos.
Haz clic en Datos (Data).
Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark.
En el campo de texto que aparece, describe la consulta o mutación que deseas generar en lenguaje natural y haz clic en Generate.
Por ejemplo, si usas la fuente de datos de películas a la que se hace referencia en la guía de inicio rápido de Firebase Data Connect y el codelab Compila con Data Connect, puedes preguntar “Muestra las cinco películas principales de 2022, en orden descendente por calificación”, que podría mostrar un resultado similar al siguiente:
query TopMovies2022 { movies(where: {releaseYear: {eq: 2022}}, orderBy: [{rating: DESC}], limit: 5) { id title rating releaseYear } }
Revisa la respuesta:
- Si la respuesta parece correcta, haz clic en Insertar para insertar la respuesta 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.
Después de aceptar la respuesta, configura lo siguiente en la sección Parameters, si corresponde:
- Variables: Si tu consulta o mutación contiene variables, defínelas aquí. Usa JSON para definirlas, por ejemplo,
{"title":"The Matrix", "releaseYear":"1999"}
. - Autorización: Elige el contexto de autorización (administrador, autenticado o no autenticado) con el que ejecutar la consulta o la mutación.
- Variables: Si tu consulta o mutación contiene variables, defínelas aquí. Usa JSON para definirlas, por ejemplo,
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 Run.
query GetMovie($myKey: Movie_Key!) {
movie(key: $myKey) { title }
}
AI assistance for Data Connect in the Firebase console de casos de uso
En las siguientes secciones, se describen casos de uso de muestra, incluido uno en el que puedes pedirle a Gemini que te ayude a crear una mutación para propagar Data Connect y, luego, consultarla para verificar los resultados.
- Crea una mutación que agregue una película a la base de datos según la entrada del usuario
- Crea una consulta que muestre opiniones en función del género y las calificaciones que proporcionó el usuario
Crea una mutación que agregue una película a la base de datos según la entrada del usuario
En esta sección, analizarás un ejemplo del uso del lenguaje natural para generar GraphQL para una mutación que puedes usar para propagar tu base de datos. En este ejemplo, se supone que usas el esquema de la base de datos de películas que se usa en la documentación de Firebase Data Connect y en el codelab de compilación con Data Connect.
En la consola de Firebase, abre Data Connect.
Selecciona tu servicio y fuente de datos, y abre la pestaña Datos.
Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark y, en el cuadro que aparece, escribe tu consulta:
Create a movie based on user input.
Haz clic en Generar. Se muestra la mutación. Por ejemplo, Gemini podría mostrar una mutación como la siguiente:
mutation CreateMovie($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 }) }
Revise el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y, luego, en Volver a generar.
A continuación, haz clic en Insertar para insertar la mutación en el editor de datos.
Para ejecutar la mutación, deberás agregar variables. En la sección Parameters, abre Variables y, luego, incluye 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"]}
Haz clic en Ejecutar.
A continuación, crea una consulta que verifique que se haya agregado tu 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 thse tags: 'space travel', 'comedy'.
Gemini podría mostrar 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 } }
Inserta y ejecuta la consulta. La película que agregaste debería aparecer en el campo Historial.
Crea una consulta que enumere las opiniones según el género y las calificaciones que proporcionó el usuario
En esta sección, verás un ejemplo del uso del lenguaje natural con el objetivo de generar GraphQL en una consulta. 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 de compilación con Data Connect.
En la consola de Firebase, abre Data Connect.
Selecciona tu servicio y fuente de datos, y abre la pestaña Datos.
Haz clic en el ícono pen_spark de Ayúdame a escribir GraphQL y, en el cuadro que aparece, escribe tu consulta:
List all movie reviews, based on user-configurable genre and ratings.
Haz clic en Generar. Se muestra la consulta. Por ejemplo, Gemini podría mostrar una consulta 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 } }
Revise el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y, luego, en Volver a generar.
A continuación, haz clic en Insertar para insertar la mutación en el editor de datos.
Para probar esta consulta, deberás agregar variables. En la sección Parámetros, abre Variables y, luego, incluye las variables que deseas usar para las pruebas:
{"genre":"sci-fi", "minRating":4, "maxRating":9}
Haz clic en Ejecutar.
Soluciona problemas de AI assistance for Data Connect in the Firebase console
Consulta Soluciona problemas de Gemini en Firebase.
Precios
AI assistance for Data Connect in the Firebase console está disponible como parte de Gemini en Firebase, que se incluye en Gemini Code Assist. Gemini Code Assist está disponible para probar sin costo hasta el 8 de noviembre de 2024, con un límite de un usuario por cuenta de facturación. Consulta Precios de Gemini en Firebase para obtener más información.
Próximos pasos
- Obtén más información sobre las consultas y las mutaciones en Esquemas, consultas y mutaciones de Data Connect.
- Obtén más información sobre Gemini en Firebase.