Utilizzare l'assistenza AI per gli schemi, le query e le mutazioni di Firebase Data Connect

Puoi utilizzare Gemini in Firebase per creare schemi, query e mutazioni da includere nel codice lato client.

Descrivi un'app e riepiloga il relativo modello di dati oppure descrivi una query o una mutazione che vuoi generare in linguaggio naturale e Gemini in Firebase ti fornirà l'equivalente GraphQL.

Questa assistenza AI è disponibile in molti contesti di sviluppo:

  • Nella console Firebase, esegui e testa l'output, esegui il deployment dello schema e delle operazioni in produzione e sincronizzali con l'ambiente di sviluppo locale.
  • A livello locale, nella nostra estensione VS Code Data Connect, progetta, esegui e testa utilizzando Gemini Code Assist con un database PostgreSQL locale e un emulatore.

Scopri di più su query e mutazioni negli schemi Data Connect, query e mutazioni.

In che modo AI assistance for Data Connect utilizza i tuoi dati

Consulta l'articolo In che modo Gemini in Firebase utilizza i tuoi dati per ulteriori informazioni su come Gemini in Firebase utilizza i tuoi dati.

Configura AI assistance for Data Connect

Per configurare l'assistenza AI in Data Connect, attiva Gemini in Firebase come descritto in Configurare Gemini in Firebase, poi vai a Generare query e mutazioni GraphQL con Gemini in Firebase.

Genera schemi, query e mutazioni GraphQL con Gemini in Firebase

L'assistenza AI per Data Connect è disponibile in molti contesti e in molti dei tuoi flussi di lavoro.

Crea una nuova app e il relativo schema e operazioni iniziali nella console Firebase

Quando crei un nuovo progetto Firebase e configuri lo sviluppo di una nuova app, la console Firebase offre automaticamente l'assistenza dell'AI per la generazione di schemi e operazioni.

Questo flusso di configurazione ti consente di descrivere un'app e poi l'assistenza AI:

  • Genera uno schema Data Connect completo
  • Genera un insieme di query e mutazioni utili e di base che puoi integrare con il codice client.

Sincronizza queste risorse create nella console con il tuo ambiente di sviluppo locale per continuare l'integrazione con i tuoi client.

Questo flusso di lavoro è descritto nella nostra Guida introduttiva.

Aggiungi nuove query e mutazioni da eseguire nella console Firebase

Per utilizzare AI assistance for Data Connect per generare GraphQL in base al linguaggio naturale:

  1. Apri Data Connect nel tuo progetto e, in Servizi, seleziona l'origine dati.

  2. Fai clic su Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark.

  4. Nel campo di testo visualizzato, descrivi in linguaggio naturale la query o la mutazione che vuoi generare e fai clic su Genera.

    Ad esempio, se utilizzi l'origine dati Film a cui viene fatto riferimento nel codelab"Build with Data Connect (web)", potresti chiedere: "Restituisci i primi cinque film del 2022, in ordine decrescente in base alla valutazione", che potrebbe restituire un risultato simile al seguente:

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

  5. Esamina la risposta:

    • Se la risposta ti sembra corretta, fai clic su Inserisci per inserirla nell'editor di codice.
    • Se la risposta può essere perfezionata, fai clic su Modifica, aggiorna il prompt e fai clic su Rigenera.

  6. Dopo aver accettato la risposta, imposta quanto segue nella sezione Parametri, se applicabile:

    • Variabili: se la query o la mutazione contiene variabili, definiscile qui. Utilizza JSON per definirli, ad esempio {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorizzazione: scegli il contesto di autorizzazione (Amministratore, Autenticato o Non autenticato) con cui eseguire la query o la mutazione.

  7. Fai clic su Esegui nell'editor di codice e rivedi i risultati.

Per testare più query o mutazioni nell'editor di codice, assicurati che siano denominate. Ad esempio, la seguente query è denominata GetMovie. Sposta il cursore nella prima riga della query o della mutazione per attivare il pulsante Esegui.

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

Crea uno schema e operazioni iniziali durante la prototipazione locale

L'assistenza AI è disponibile da Gemini Code Assist per il tuo lavoro di prototipazione locale quando utilizzi Visual Studio Code e la nostra estensione VS Code Data Connect.

L'estensione ti consente di descrivere un'app e poi Gemini Code Assist:

  • Genera uno schema Data Connect completo
  • Genera un insieme di query e mutazioni utili e di base che puoi integrare con il codice client.

Questo flusso di lavoro è descritto nella nostra Guida introduttiva al prototipo locale.

Utilizzare il server MCP di Firebase nella prototipazione locale

Il server Firebase MCP, fornito nell'interfaccia a riga di comando Firebase, consente agli strumenti di sviluppo basati sull'AI di funzionare con i tuoi progetti Firebase. Il server Firebase MCP funziona con qualsiasi IDE di assistente AI che può fungere da client MCP, inclusi Cursor, Visual Studio Code Copilot e Windsurf Editor.

Puoi utilizzare il server MCP per generare schemi, query e mutazioni e raccogliere gli input per eseguire operazioni comuni con la CLI Firebase.

Per utilizzare il server MCP:

  1. Installa il server seguendo questa guida.
  2. Richiama lo strumento dataconnect_generate_schema, descrivi un'app e rivedi lo schema consigliato risultante.
  3. Richiama lo strumento dataconnect_generate_operation, descrivi un'operazione che vuoi eseguire sullo schema ed esamina la query o la mutazione consigliata risultante.

Per altri strumenti Data Connect, consulta la guida al server MCP.

Altri casi d'uso di AI assistance for Data Connect

Le sezioni seguenti descrivono casi d'uso di esempio, incluso uno in cui puoi chiedere a Gemini di aiutarti a creare una mutazione per popolare Data Connect e poi eseguire una query per verificare i risultati.

Crea una mutazione che aggiunga un film al database in base all'input dell'utente

In questa sezione, esamineremo un esempio di utilizzo del linguaggio naturale per generare GraphQL per una mutazione che puoi utilizzare per popolare il database. Questo esempio presuppone che tu stia utilizzando lo schema del database dei film utilizzato nella documentazione di Firebase Data Connect e nel codelab "Crea con Data Connect (web)".

  1. Dalla console Firebase, apri Data Connect.

  2. Seleziona il servizio e l'origine dati, quindi apri la scheda Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e, nella casella che viene visualizzata, digita la query:

    Create a movie based on user input.

  4. Fai clic su Genera. La mutazione viene restituita. Ad esempio, Gemini potrebbe restituire una mutazione come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Successivamente, fai clic su Inserisci per inserire la mutazione nell'editor dei dati.

  7. Per eseguire la mutazione, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi alcune variabili di test:

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

  8. Fai clic su Esegui.

  9. Successivamente, crea una query che verifichi che il film sia stato aggiunto. Fai clic sull'icona Aiutami a scrivere GraphQL pen_spark e, nella casella visualizzata, digita il prompt:

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

    Gemini potrebbe restituire una risposta simile alla seguente:

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

  10. Inserisci ed esegui la query. Il film aggiunto dovrebbe essere visualizzato nel campo Cronologia.

Crea una query che elenca le recensioni in base al genere e alle valutazioni fornite dagli utenti

In questa sezione, esaminerai un esempio di utilizzo del linguaggio naturale per generare GraphQL per una query. Questo esempio presuppone che tu stia utilizzando il database dei film utilizzato nella documentazione di Firebase Data Connect e nel codelab "Crea con Data Connect (web)".

  1. Dalla console Firebase, apri Data Connect.

  2. Seleziona il servizio e l'origine dati, quindi apri la scheda Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e, nella casella visualizzata, digita la query:

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

  4. Fai clic su Genera. La query viene restituita. Ad esempio, Gemini potrebbe restituire una query come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Successivamente, fai clic su Inserisci per inserire la mutazione nell'editor dei dati.

  7. Per testare questa query, devi aggiungere delle variabili. Nella sezione Parametri, apri Variabili e includi le variabili da utilizzare per il test:

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

  8. Fai clic su Esegui.

Creare prompt da utilizzare con strumenti di assistenza AI di terze parti

Come per tutti gli strumenti e gli agenti di assistenza AI, migliori sono i prompt, più utili sono gli output.

Quando fornisci prompt in linguaggio naturale a Gemini in Firebase, in background, l'assistente traduce i tuoi input in un prompt più sviluppato.

Se non utilizzi Gemini in Firebase o altre funzionalità di assistenza AI di Firebase e lavori con strumenti AI di terze parti come Cursor o Windsurf, puoi ottenere consigli migliori su Data Connect utilizzando prompt simili e più dettagliati.

Abbiamo pubblicato modelli di prompt che puoi scaricare, adattare e copiare nel tuo IDE:

Dopo aver scaricato e modificato il file, crea un prompt in uno strumento che conosci bene (ad esempio Cursor o Windsurf) nel seguente modo:

  • In Cursor (assicurati di consultare le istruzioni più recenti di Cursor):

    1. Fai clic sull'icona delle impostazioni in alto a destra.
    2. Seleziona la scheda Regole.
    3. Nella sezione Regole del progetto, fai clic sul pulsante Aggiungi una nuova regola.
    4. Copia e incolla la regola.

  • In Windsurf (assicurati di consultare le ultime istruzioni di Windsurf):

    1. Apri la finestra a cascata facendo clic sul pulsante A cascata nell'angolo in alto a destra.
    2. Fai clic sull'icona Personalizzazioni nel menu a scorrimento in alto a destra in Cascade, poi vai al riquadro Regole.
    3. Fai clic sul pulsante + Globale o + Workspace per creare nuove regole a livello globale o di workspace, rispettivamente.
    4. Copia e incolla la regola.

Risoluzione dei problemi AI assistance for Data Connect

Consulta Risolvere i problemi di Gemini in Firebase.

Prezzi

AI assistance for Data Connect è disponibile come parte di Gemini in Firebase, incluso per gli utenti privati.

Per ulteriori informazioni, consulta la sezione Prezzi di Gemini in Firebase.

Passaggi successivi