Usar a assistência de IA para o Data Connect

Use o Gemini em Firebase para ajudar a criar esquemas, consultas e mutações para o código do cliente.

Descreva seu app, modelo de dados ou uma consulta ou mutação desejada em linguagem natural , e o Gemini em Firebase gera o Data Connect equivalente.

Essa assistência de IA está disponível nos seguintes contextos de desenvolvimento:

  • No console do Firebase, você pode gerar, testar e implantar seus esquemas e operações.
  • No ambiente local, você pode usar a CLI do Firebase e a extensão do Data Connect para VS Code para gerar, testar e desenvolver seu app com o emulador.
  • As ferramentas de desenvolvimento com tecnologia de IA podem usar o servidor MCP do Firebase para gerar, testar e desenvolver seu app.

Saiba mais sobre a sintaxe de Data Connect esquema, consulta e mutação nos guias.

Como AI assistance for Data Connect usa seus dados

Para mais informações, consulte Como o Gemini no Firebase usa seus dados.

Configurar AI assistance for Data Connect

Para usar a assistência de IA com Data Connect, ative o Gemini em Firebase conforme descrito em Configurar o Gemini em Firebase.

Gerar esquema, consultas e mutações com o Gemini em Firebase

Você pode usar a assistência de IA para Data Connect em muitos fluxos de trabalho.

No Firebase console

Ao criar um serviço Data Connect, o console Firebase oferece uma experiência de "Introdução ao Gemini".

Você pode descrever uma ideia de app, e a assistência de IA gera o seguinte:

  • Um esquema completo com base na sua ideia de app.
  • Exemplo de operações e mutações de dados.

Na página de dados, você pode usar o Me ajude a escrever em GraphQLpen_spark botão para gerar e executar operações com base na linguagem natural. Confira alguns exemplos de casos de uso.

Esse fluxo de trabalho é descrito no nosso guia de introdução. Você pode continuar no ambiente de desenvolvimento local com o esquema e as operações implantadas.

No ambiente local

Você também pode receber assistência de IA da CLI do Firebase e da extensão do Data Connect para VS Code.

Você pode fornecer sua ideia de app para firebase init dataconnect, e ela gera o seguinte:

  • Um esquema completo com base na sua ideia de app.
  • Exemplo de operações e uma mutação de dados iniciais.

A extensão do Data Connect para VS Code oferece os seguintes recursos:

  • Gera/refina a lente de código de operações para converter comentários GraphQL em Data Connect operações.
  • Integração total com o Gemini Code Assist e o servidor MCP do Firebase.

Esse fluxo de trabalho é descrito no nosso guia de introdução para prototipagem local.

Usar o servidor MCP do Firebase com ferramentas de desenvolvimento com tecnologia de IA

O servidor MCP do Firebase funciona com qualquer ferramenta de assistência de IA que possa atuar como cliente MCP , incluindo a CLI do Gemini, Gemini Code Assist, o Cursor, o Visual Studio Code Copilot, o Claude Desktop e o Windsurf Editor.

O servidor MCP do Firebase oferece mais contexto e recursos para ajudar as ferramentas de desenvolvimento com tecnologia de IA a funcionar melhor com Data Connect. Ele pode fazer o seguinte:

  • Configurar novos diretórios de projetos e SDKs gerados.
  • Criar e iterar em esquemas, operações com base em erros de compilação.
  • Executar operações em serviços de back-end ou emuladores locais.
  • Coletar informações sobre serviços atuais.

Para usar o servidor MCP do Firebase:

  1. Configure seu cliente MCP seguindo este guia.
  2. Peça ajuda relacionada ao Data Connect. Exemplos de comandos:
    1. "Configurar um projeto Data Connect para um app de entrega de pizza."
    2. "Corrigir erros de compilação do Data Connect."
    3. "Na página inicial, preciso mostrar salas de chat ativas e a lista de amigos. Gerar uma consulta Data Connect."
    4. "Quais usuários estão no meu emulador local Data Connect?"
    5. "Em quais regiões do Google Cloud meus serviços Data Connect estão?"

Exemplos de casos de uso para gerar operações

As seções a seguir descrevem exemplos de casos de uso:

Retornar os cinco melhores filmes em ordem decrescente por classificação

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

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

  2. Clique em Dados.

  3. Clique no ícone Me ajude a escrever em GraphQLpen_spark. Descreva em linguagem natural a consulta ou mutação que você quer gerar e clique em Gerar.

    Por exemplo, se você estiver usando a origem de dados de filmes referenciada no codelab Criar com Data Connect, você pode pedir: Retorne os cinco melhores 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
  }
}

  4. 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.

  5. 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.

  6. Clique em Run 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 é chamada de 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 }
}

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

Este exemplo mostra como usar a linguagem natural para gerar uma mutação GraphQL que preenche seu banco de dados. Este exemplo pressupõe que você esteja usando o esquema de banco de dados de filmes usado na Firebase Data Connect documentação e no "Criar com Data Connect (na Web)" codelab.

  1. No Firebase console, abra Data Connect.

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

  3. Clique no ícone Me ajude a escrever em GraphQLpen_spark e descreva sua mutação:

    Create a movie based on user input.

  4. Clique em Gerar. A mutação é retornada. Por exemplo, o 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. Revise a resposta gerada. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  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 Me ajude a escrever em GraphQL pen_spark e, na caixa que aparece, digite o comando:

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

    O 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 Histórico.

Criar uma consulta que lista avaliações com base no gênero e nas classificações fornecidas pelo usuário

Este exemplo mostra como usar a linguagem natural para gerar uma consulta GraphQL. Este exemplo pressupõe que você esteja usando o banco de dados de filmes usado na Firebase Data Connect documentação e no "Criar com Data Connect (na Web)" codelab.

  1. No Firebase console, abra Data Connect.

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

  3. Clique no ícone Me ajude a escrever em GraphQLpen_spark e descreva sua consulta:

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

  4. Clique em Gerar. A consulta é retornada. Por exemplo, o 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. Revise a resposta gerada. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  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 variáveis para usar nos testes:

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

  8. Clique em Executar.

Comandos de design para ferramentas de assistência de IA de terceiros

Assim como em todas as ferramentas de assistência de IA, comandos melhores geram resultados mais úteis.

Quando você fornece comandos de linguagem natural ao Gemini em Firebase, por trás dos bastidores, o assistente traduz suas entradas para um comando mais desenvolvido.

Se você estiver trabalhando com ferramentas de IA de terceiros, como Cursor ou Windsurf, poderá receber recomendações Data Connectmelhores usando comandos semelhantes e mais detalhados.

Publicamos modelos de comandos para você baixar, adaptar e copiar para seu ambiente de desenvolvimento integrado:

Depois de baixar e modificar, crie um comando em uma ferramenta familiar (por exemplo, Cursor ou Windsurf) da seguinte maneira:

  • No Cursor (confira as instruções mais recentes do Cursor):

    1. Clique no ícone de configurações no canto superior direito.
    2. Selecione a guia Regras.
    3. Em Regras do projeto, clique no botão Adicionar uma nova regra.
    4. Copie e cole a regra.

  • No Windsurf (confira as instruções mais recentes do instructions from Windsurf):

    1. Abra a janela em cascata clicando no botão Cascata no canto superior direito.
    2. Clique no ícone Personalizações no menu deslizante no canto superior direito da cascata e navegue até o painel Regras.
    3. Clique no botão + Global ou + Workspace para criar novas regras no nível global ou do espaço de trabalho, respectivamente.
    4. Copie e cole a regra.

Resolver problemas AI assistance for Data Connect

Consulte Resolver problemas do Gemini no Firebase.

Preços

AI assistance for Data Connect está disponível como parte do Gemini em Firebase e está incluída para usuários individuais.

Acesse Preços do Gemini no Firebase para mais informações.

Próximas etapas