Lista de verificação de produção para usar o Firebase AI Logic

Quando você estiver pronto para lançar seu app e tiver usuários finais reais interagindo com os recursos de IA generativa, revise esta lista de verificação de práticas recomendadas e considerações importantes.

Geral

Consulte a lista de verificação geral de lançamento para apps que usam o Firebase

Esta lista de verificação de lançamento do Firebase descreve práticas recomendadas importantes antes de lançar qualquer app do Firebase na produção.

Verifique se os projetos do Firebase seguem as práticas recomendadas

Por exemplo, use projetos diferentes do Firebase para desenvolvimento, teste e produção. Confira mais práticas recomendadas para gerenciar seus projetos.

Acesso e segurança

Consulte a lista de verificação de segurança geral para apps que usam o Firebase

Esta lista de verificação de segurança descreve práticas recomendadas importantes para acesso e segurança de apps e serviços do Firebase.

Começar a aplicar Firebase App Check

O Firebase App Check ajuda a proteger as APIs que dão acesso aos modelos Gemini e Imagen. O App Check verifica se as solicitações são do seu app e de um dispositivo autêntico que não foi adulterado. Ele é compatível com provedores de atestado para plataformas Apple (DeviceCheck ou App Attest), Android (Play Integrity) e Web (reCAPTCHA Enterprise), além de oferecer suporte a todos esses provedores para apps Flutter e Unity.

Além disso, para se preparar para a proteção aprimorada contra App Check com a proteção contra repetição, recomendamos ativar o uso de tokens de uso limitado nos seus apps.

Configurar restrições para suas chaves de API do Firebase

  • Revise a lista de permissões de "Restrições de API" de cada chave de API do Firebase:

  • Defina Restrições de aplicativos para restringir o uso de cada chave de API do Firebase apenas a solicitações do seu app (por exemplo, um ID de pacote correspondente para o app da Apple). Mesmo que você restrinja sua chave, o uso de Firebase App Check ainda é altamente recomendável.

As APIs relacionadas ao Firebase usam chaves de API apenas para identificar o projeto ou app do Firebase, não para autorização para chamar a API.

Faturamento, monitoramento e cota

Evite cobranças inesperadas

Se o projeto do Firebase estiver no plano de preços Blaze de pagamento por uso, monitore seu uso e configure alertas de orçamento.

Configurar o monitoramento de IA no console do Firebase

Configure o monitoramento de IA para ter visibilidade das principais métricas de desempenho, como solicitações, latência, erros e uso de tokens. O monitoramento de IA também ajuda a inspecionar e depurar seus recursos Firebase AI Logic mostrando rastreamentos individuais.

Revise suas cotas para as APIs subjacentes necessárias

Gerenciamento de configurações

Use uma versão estável do modelo no app de produção

No app de produção, use apenas versões estáveis do modelo (como gemini-2.0-flash-001), não uma versão de pré-lançamento ou experimental ou um alias atualizado automaticamente.

Embora um alias estável atualizado automaticamente aponte para uma versão estável, a versão real do modelo para que ele aponta muda automaticamente sempre que uma nova versão estável é lançada, o que pode resultar em comportamento ou respostas inesperadas. Além disso, as versões prévia e experimental são recomendadas apenas durante a prototipagem.

Configurar e usar o Firebase Remote Config

Com o Remote Config, é possível controlar configurações importantes para seus recursos de IA generativa na nuvem em vez de codificar valores no seu código. Isso significa que você pode atualizar a configuração sem lançar uma nova versão do app.

  • (Altamente recomendado) Mude remotamente o nome do modelo usado no seu app à medida que novos modelos são lançados ou outros são desativados.

  • (Opcional) Controle de forma dinâmica e até condicional outros parâmetros no seu app, como configuração de geração de modelo (tokens máximos, temperatura etc.), configurações de segurança, instruções do sistema e dados de comandos.

  • (Opcional) Defina um parâmetro minimum_version em Remote Config para comparar a versão atual do app com a versão mais recente definida em Remote Config e mostrar uma notificação de atualização aos usuários ou forçar a atualização.

Definir o local para acessar o modelo

Disponível apenas quando você usa o Vertex AI Gemini API como seu provedor de API.

Definir um local para acessar o modelo pode ajudar a reduzir os custos e evitar a latência para os usuários.

Se você não especificar um local, o padrão será us-central1. Você pode definir esse local durante a inicialização ou, opcionalmente, usar Firebase Remote Config para mudar dinamicamente o local com base na localização de cada usuário.