Usar a assistência de IA para consultas e mutações do Firebase Data Connect

É possível usar o Gemini no Firebase no console do Firebase para ajudar a criar consultas e mutações a serem incluídas no código do lado do cliente. Descreva a consulta ou mutação que você quer gerar em linguagem natural, e o Gemini em Firebase vai fornecer o equivalente do GraphQL. Execute e teste a saída no console Firebase. Em seguida, copie as consultas e mutações finalizadas para o código.

Saiba mais sobre consultas e mutações em esquemas, consultas e mutações do Data Connect.

Como AI assistance for Data Connect in the Firebase console usa seus dados

O AI assistance for Data Connect in the Firebase console não usa seus comandos nem as respostas deles como dados para treinar o modelo. Para mais informações, consulte Como o Gemini no Google Cloud usa seus dados.

Configurar AI assistance for Data Connect in the Firebase console

Para configurar a assistência da IA no Data Connect, ative o Gemini no Firebase, conforme descrito em Configurar o Gemini no Firebase, e acesse Gerar consultas e mutações GraphQL com o Gemini no Firebase.

Gerar consultas e mutações GraphQL com o Gemini em Firebase

Para usar AI assistance for Data Connect in the Firebase console para gerar GraphQL com base na linguagem natural:

  1. Abra Data Connect no seu projeto e, em Services, selecione a fonte de dados.

  2. Clique em Dados.

  3. Clique no ícone Quero ajuda para escrever GraphQLpen_spark.

  4. No campo de texto que aparece, descreva a consulta ou mutação que você quer gerar na linguagem natural e clique em Gerar.

    Por exemplo, se você estiver usando a fonte de dados Filmes mencionada no guia de início rápido do Firebase Data Connect e no codelab Criar com Data Connect, você poderá perguntar "Retornar os cinco principais filmes de 2022, em ordem decrescente por classificação", que pode retornar um resultado como este:

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

    • Se a resposta estiver correta, clique em Inserir para inserir a resposta no editor de código.
    • Se a resposta puder ser refinada, clique em Editar, atualize a instrução e clique em Gerar novamente.
  6. Depois de aceitar a resposta, defina o seguinte na seção Parâmetros, se aplicável:

    • Variáveis: se a consulta ou mutação tiver variáveis, defina-as aqui. Use JSON para defini-los, por exemplo, {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorização: escolha o contexto de autorização (Administrador, Autenticado ou Não autenticado) para executar a consulta ou a mutação.
  7. Clique em Executar no editor de código e analise os resultados.

Para testar várias consultas ou mutações no editor de código, verifique se elas estão nomeadas. Por exemplo, a consulta a seguir se chama GetMovie. Mova o cursor para a primeira linha da consulta ou mutação para ativar o botão Run.

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

Casos de uso de AI assistance for Data Connect in the Firebase console

As seções a seguir descrevem casos de uso de exemplo, incluindo um em que você pode pedir a Gemini para ajudar a criar uma mutação para preencher Data Connect e, em seguida, consultar para verificar os resultados.

Criar uma mutação que adicione um filme ao banco de dados com base na entrada do usuário

Nesta seção, você vai conferir um exemplo de como usar a linguagem natural para gerar GraphQL para uma mutação que pode ser usada para preencher seu banco de dados. Neste exemplo, presumimos que você esteja usando o esquema do banco de dados de filmes usado na documentação do Firebase Data Connect e no codelab Build with Data Connect.

  1. No console do Firebase, abra Data Connect.

  2. Selecione o serviço e a origem de dados e abra a guia Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark e, na caixa que aparece, digite sua consulta:

    Create a movie based on user input.
    
  4. Clique em Gerar. A mutação é retornada. Por exemplo, Gemini pode retornar uma mutação como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar a solicitação e em Regenerate.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para executar a mutação, você precisa adicionar variáveis. Na seção Parâmetros, abra Variáveis e inclua algumas variáveis de teste:

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

  9. Em seguida, crie uma consulta que verifique se o filme foi adicionado. Clique em Quero ajuda para escrever GraphQL pen_spark e, na caixa exibida, digite seu comando:

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

    Gemini pode retornar uma resposta como esta:

    query ComedySpaceTravelMovies2024 @auth(level: PUBLIC) {
      movies(
        where: {
        releaseYear: { eq: 2024 },
        tags: { includesAll: ["space travel", "comedy"] }
        }
      ) {
          id
          title
          imageUrl
          releaseYear
          genre
          rating
          description
          tags
        }
    }
    
  10. Insira e execute a consulta. O filme adicionado vai aparecer no campo History.

Criar uma consulta que liste avaliações com base em classificações e gêneros fornecidos pelo usuário

Nesta seção, você vai conferir um exemplo de uso da linguagem natural para gerar o GraphQL para uma consulta. Neste exemplo, presumimos que você esteja usando o banco de dados de filmes usado na documentação Firebase Data Connect e no Build com o codelab Data Connect.

  1. No console do Firebase, abra Data Connect.

  2. Selecione seu serviço e fonte de dados e abra a guia Dados.

  3. Clique no ícone Help me write GraphQLpen_spark e, na caixa que aparece, digite sua consulta:

    List all movie reviews, based on user-configurable genre and ratings.
    
  4. Clique em Gerar. A consulta é retornada. Por exemplo, Gemini pode retornar uma consulta como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar a solicitação e em Regenerate.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para testar essa consulta, você precisa adicionar variáveis. Na seção Parâmetros, abra Variáveis e inclua as variáveis a serem usadas para teste:

    {"genre":"sci-fi", "minRating":4, "maxRating":9}
    
  8. Clique em Executar.

Resolver problemas AI assistance for Data Connect in the Firebase console

Consulte Resolver problemas do Gemini no Firebase.

Preços

O AI assistance for Data Connect in the Firebase console está disponível como parte do Gemini no Firebase, que está incluído no Gemini Code Assist. Acesse Preços do Gemini no Firebase para mais informações.

Próximas etapas