استخدام المساعدة المستنِدة إلى الذكاء الاصطناعي في Data Connect

استخدِم Gemini في Firebase للمساعدة في إنشاء المخططات والاستعلامات والتعديلات لرمزك البرمجي من جهة العميل.

ما عليك سوى وصف تطبيقك أو نموذج البيانات أو طلب البحث أو التعديل المطلوب بلغة طبيعية، وسينشئ Gemini في Firebase الرمز Data Connect المكافئ.

تتوفّر هذه المساعدة المستندة إلى الذكاء الاصطناعي في سياقات التطوير التالية:

  • في وحدة تحكّم Firebase، يمكنك إنشاء المخططات والعمليات واختبارها ونشرها.
  • في بيئتك المحلية، يمكنك استخدام واجهة سطر الأوامر (CLI) الخاصة بـ Firebase وإضافة Data Connect VS Code لإنشاء التطبيق واختباره وتطويره باستخدام المحاكي.
  • يمكن لأدوات التطوير المستندة إلى الذكاء الاصطناعي استخدام خادم MCP في Firebase لإنشاء تطبيقك واختباره وتطويره.

يمكنك الاطّلاع على مزيد من المعلومات عن بنية Data Connect المخطط وطلب البحث والتعديل في الأدلة.

كيف يستخدم الناشر AI assistance for Data Connect بياناتك؟

لمزيد من المعلومات، يمكنك الاطّلاع على طريقة استخدام Gemini في Firebase لبياناتك.

إعداد AI assistance for Data Connect

لاستخدام المساعدة المستنِدة إلى الذكاء الاصطناعي مع Data Connect، فعِّل Gemini في Firebase كما هو موضّح في إعداد Gemini في Firebase.

إنشاء المخططات والطلبات والتعديلات باستخدام "Gemini في Firebase"

يمكنك الاستعانة بميزات الذكاء الاصطناعي في Data Connect في العديد من مهام عملك.

في وحدة تحكّم Firebase

عند إنشاء خدمة Data Connect، تقدّم وحدة تحكّم Firebase تجربة "البدء باستخدام Gemini".

يمكنك وصف فكرة تطبيق، وستنشئ لك ميزة "المساعدة المستندة إلى الذكاء الاصطناعي" ما يلي:

  • مخطط كامل استنادًا إلى فكرة تطبيقك
  • أمثلة على العمليات وتعديلات البيانات

من صفحة البيانات، يمكنك استخدام الزر ساعدني في كتابة GraphQLpen_spark لإنشاء العمليات وتنفيذها استنادًا إلى اللغة الطبيعية. يمكنك الاطّلاع على بعض الأمثلة على حالات الاستخدام.

يمكنك الاطّلاع على وصف لسير العمل هذا في دليل البدء. يمكنك مواصلة العمل في بيئة التطوير المحلية باستخدام المخطط والعمليات التي تم نشرها.

في بيئتك المحلية

يمكنك أيضًا الحصول على مساعدة من الذكاء الاصطناعي من خلال Firebase CLI وإضافة Data Connect VS Code.

يمكنك تقديم فكرة تطبيقك إلى firebase init dataconnect، وسينشئ لك ما يلي:

  • مخطط كامل استنادًا إلى فكرة تطبيقك
  • أمثلة على العمليات وتغيير بيانات أولية

توفّر إضافة Data Connect VS Code الميزات التالية:

  • Generates/Refine Operations Code Lens لتحويل تعليقات GraphQL إلى عمليات Data Connect.
  • تكامل سلس مع Gemini Code Assist وخادم Firebase MCP

يتم وصف سير العمل هذا في دليل البدء في إنشاء نماذج أولية محلية.

استخدام خادم "إدارة العملاء المتعددين" (MCP) في Firebase مع أدوات التطوير المستندة إلى الذكاء الاصطناعي

يعمل خادم MCP في Firebase مع أي أدوات مساعدة مستندة إلى الذكاء الاصطناعي يمكنها العمل كعميل MCP، بما في ذلك Gemini CLI وGemini Code Assist وCursor وVisual Studio Code Copilot وClaude Desktop وWindsurf Editor.

يوفّر خادم MCP في Firebase سياقًا وإمكانات إضافية لمساعدة أدوات التطوير المستندة إلى الذكاء الاصطناعي على العمل بشكل أفضل مع Data Connect. يمكنه تنفيذ ما يلي:

  • إعداد أدلة المشاريع الجديدة وحِزم SDK التي تم إنشاؤها
  • إنشاء المخططات والعمليات وتكرارها استنادًا إلى أخطاء التجميع
  • إنشاء مخططات وعمليات جديدة استنادًا إلى المتطلبات
  • إنشاء العمليات وتنفيذها على المحاكي المحلي أو خدمات الخلفية
  • جمع معلومات عن الخدمات الحالية

لاستخدام خادم Firebase MCP، اتّبِع الخطوات التالية:

  1. يمكنك إعداد برنامج MCP باتّباع هذا الدليل.
  2. طلب المساعدة بشأن Data Connect أمثلة على الطلبات:
    1. "إعداد مشروع Data Connect لتطبيق توصيل البيتزا"
    2. "إصلاح أخطاء تجميع Data Connect"
    3. "في الصفحة الرئيسية، أريد عرض غرف المحادثات النشطة وقائمة الأصدقاء. أنشئ طلب بحث Data Connect".
    4. "ما هم المستخدمون في محاكي Data Connect المحلي؟"
    5. "ما هي مناطق Google Cloud التي تتوفّر فيها خدمات Data Connect؟"

أمثلة على حالات استخدام عمليات الإنشاء

توضّح الأقسام التالية أمثلة على حالات الاستخدام:

عرض أفضل خمسة أفلام بترتيب تنازلي حسب التقييم

لاستخدام AI assistance for Data Connect لإنشاء GraphQL استنادًا إلى اللغة الطبيعية، اتّبِع الخطوات التالية:

  1. افتح Data Connect في مشروعك، وضِمن الخدمات، اختَر مصدر البيانات.

  2. انقر على البيانات.

  3. انقر على رمز ساعدني في كتابة GraphQLpen_spark. اكتب وصفًا للاستعلام أو التعديل المطلوب إنشاؤه بلغة طبيعية، ثم انقر على إنشاء.

    على سبيل المثال، إذا كنت تستخدم مصدر بيانات "الأفلام" المشار إليه في برنامج التدريب العملي "إنشاء تطبيق باستخدام Data Connect (على الويب)"، يمكنك طرح السؤال التالي: أريد عرض أفضل خمسة أفلام لعام 2022، مرتّبة تنازليًا حسب التقييم، وقد يعرض لك نتيجة مثل ما يلي:

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

  4. راجِع الردّ:

    • إذا بدا الردّ صحيحًا، انقر على إدراج لإدراجه في محرّر الرموز.
    • إذا كان من الممكن تحسين الردّ، انقر على تعديل، وعدِّل الطلب، ثم انقر على إعادة الإنشاء.

  5. بعد قبول الردّ، اضبط ما يلي في قسم المَعلمات، إذا كان ذلك منطبقًا:

    • المتغيرات: إذا كان طلب البحث أو التعديل يتضمّن متغيرات، حدِّدها هنا. استخدِم JSON لتحديدها، على سبيل المثال، {"title":"The Matrix", "releaseYear":"1999"}.
    • التفويض: اختَر سياق التفويض (المشرف أو المصادقة أو عدم المصادقة) الذي تريد استخدامه لتنفيذ طلب البحث أو التعديل.

  6. انقر على تشغيل في أداة تعديل الرموز وراجِع النتائج.

لاختبار طلبات بحث أو عمليات تغيير متعددة في محرّر الرموز، تأكَّد من تسميتها. على سبيل المثال، يُطلق على طلب البحث التالي الاسم GetMovie. حرِّك المؤشر إلى السطر الأول من طلب البحث أو التعديل لتفعيل الزر تنفيذ.

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

إنشاء عملية تغيير تضيف فيلمًا إلى قاعدة البيانات استنادًا إلى إدخال المستخدم

يوضّح هذا المثال كيفية استخدام اللغة الطبيعية لإنشاء عملية تعديل GraphQL تعبئ قاعدة البيانات. يفترض هذا المثال أنّك تستخدم مخطط قاعدة بيانات الأفلام المستخدَم في مستندات Firebase Data Connect وبرنامج "التطوير باستخدام Data Connect" (على الويب) التدريبي.

  1. من وحدة تحكّم Firebase، افتح Data Connect.

  2. اختَر خدمتك ومصدر بياناتك، ثم افتح علامة التبويب البيانات.

  3. انقر على رمز ساعدني في كتابة GraphQLpen_spark واشرح التغيير الذي تريد إجراءه:

    Create a movie based on user input.

  4. انقر على إنشاء. يتم عرض التغيير. على سبيل المثال، قد يعرض Gemini عملية تحويل مثل:

    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. راجِع الناتج. إذا لزم الأمر، انقر على تعديل لتحسين الطلب، ثم انقر على إعادة إنشاء.

  6. بعد ذلك، انقر على إدراج لإدراج التغيير في أداة تعديل البيانات.

  7. لتنفيذ عملية التغيير، عليك إضافة متغيرات. من قسم المَعلمات، افتح المتغيّرات وأدرِج بعض متغيّرات الاختبار:

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

  8. انقر على تشغيل.

  9. بعد ذلك، أنشئ طلب بحث للتأكّد من أنّه تمت إضافة فيلمك. انقر على رمز ساعدني في كتابة GraphQL pen_spark، ثم اكتب طلبك في المربّع الذي يظهر:

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

    قد يعرض Gemini ردًا مثل ما يلي:

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

  10. أدرِج الاستعلام ونفِّذه. من المفترض أن يظهر الفيلم الذي أضفته في حقل السجلّ.

إنشاء طلب بحث يعرض المراجعات استنادًا إلى النوع والتقييمات التي يقدّمها المستخدم

يوضّح هذا المثال كيفية استخدام اللغة الطبيعية لإنشاء طلب بحث GraphQL. يفترض هذا المثال أنّك تستخدم قاعدة بيانات الأفلام المستخدَمة في مستندات Firebase Data Connect والدرس التطبيقي "إنشاء تطبيق باستخدام Data Connect (على الويب)".

  1. من وحدة تحكّم Firebase، افتح Data Connect.

  2. اختَر خدمتك ومصدر بياناتك، ثم افتح علامة التبويب البيانات.

  3. انقر على رمز ساعدني في كتابة GraphQLpen_spark واشرح طلبك:

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

  4. انقر على إنشاء. يتم عرض طلب البحث. على سبيل المثال، قد يعرض Gemini طلب بحث مثل:

    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. راجِع الناتج. إذا لزم الأمر، انقر على تعديل لتحسين الطلب، ثم انقر على إعادة إنشاء.

  6. بعد ذلك، انقر على إدراج لإدراج التغيير في أداة تعديل البيانات.

  7. لاختبار هذا الطلب، عليك إضافة متغيّرات. من قسم المَعلمات، افتح المتغيّرات وأدرِج المتغيّرات التي تريد استخدامها في الاختبار:

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

  8. انقر على تشغيل.

طلبات التصميم لأدوات المساعدة المستندة إلى الذكاء الاصطناعي التابعة لجهات خارجية

كما هو الحال مع جميع أدوات المساعدة المستندة إلى الذكاء الاصطناعي، تؤدي الطلبات الأفضل إلى نتائج أكثر فائدة.

عندما تقدّم طلبات مكتوبة بلغة طبيعية إلى "Gemini في Firebase"، يترجم المساعد طلباتك في الخلفية إلى طلب أكثر تفصيلاً.

إذا كنت تعمل باستخدام أدوات الذكاء الاصطناعي التابعة لجهات خارجية، مثل Cursor أو Windsurf، يمكنك الحصول على Data Connect اقتراحات أفضل باستخدام طلبات مشابهة وأكثر تفصيلاً.

لقد نشرنا نماذج طلبات يمكنك تنزيلها وتعديلها ونسخها إلى بيئة التطوير المتكاملة (IDE):

بعد تنزيل الملف وتعديله، أنشئ طلبًا في أداة مألوفة (مثل Cursor أو Windsurf) على النحو التالي:

  • في Cursor (يُرجى مراجعة أحدث التعليمات من Cursor):

    1. انقر على رمز الإعدادات في أعلى اليسار.
    2. انقر على علامة التبويب القواعد.
    3. ضمن قواعد المشروع، انقر على الزر إضافة قاعدة جديدة.
    4. انسخ القاعدة وألصِقها.

  • في Windsurf (يُرجى مراجعة أحدث التعليمات من Windsurf):

    1. افتح نافذة "التتالي" من خلال النقر على الزر تتالي في أعلى يسار الصفحة.
    2. انقر على رمز التخصيصات في قائمة شريط التمرير أعلى يسار الصفحة في Cascade، ثم انتقِل إلى لوحة القواعد.
    3. انقر على الزر + عام أو + مساحة عمل لإنشاء قواعد جديدة على مستوى عام أو على مستوى مساحة العمل، على التوالي.
    4. انسخ القاعدة وألصِقها.

تحديد المشاكل وحلّها AI assistance for Data Connect

اطّلِع على تحديد المشاكل وحلّها في Gemini في Firebase.

الأسعار

تتوفّر AI assistance for Data Connect كجزء من Gemini في Firebase وهي مضمّنة للمستخدمين الفرديين.

لمزيد من المعلومات، يُرجى الاطّلاع على أسعار Gemini in Firebase.

الخطوات التالية