Usa la asistencia de IA para SQL Connect

Usa Gemini en Firebase para ayudarte a crear esquemas, consultas y mutaciones para tu código del cliente.

Describe tu app, modelo de datos o una consulta o mutación deseada en lenguaje natural, y Gemini en Firebase generará el SQL Connect equivalente.

Esta asistencia de IA está disponible en los siguientes contextos de desarrollo:

  • En Firebase console, puedes generar, probar e implementar tus esquemas y operaciones.
  • En tu entorno local, puedes usar Firebase CLI y la extensión de SQL Connect para VS Code para generar, probar y desarrollar tu app con el emulador.
  • Las herramientas de desarrollo potenciadas por IA pueden usar el servidor de MCP de Firebase para generar, probar y desarrollar tu app.

Obtén más información sobre la sintaxis de SQL Connect esquemas, consultas y mutaciones en las guías.

Cómo usa tus datos AI assistance for SQL Connect

Para obtener más información, consulta Cómo usa tus datos Gemini en Firebase.

Configura AI assistance for SQL Connect

Para usar la asistencia de IA con SQL Connect, habilita Gemini en Firebase como se describe en Configura Gemini en Firebase.

Firebase SQL Connect

Genera esquemas, consultas y mutaciones con Gemini en Firebase

Puedes usar la asistencia de IA para SQL Connect en muchos de tus flujos de trabajo.

En el Firebase console

Cuando creas un servicio SQL Connect, la consola Firebase ofrece una experiencia de "Comenzar a usar Gemini".

Puedes describir una idea de app, y la asistencia de IA generará lo siguiente:

  • Un esquema completo basado en la idea de tu app
  • Operaciones de ejemplo y mutaciones de datos

En la página de datos, puedes usar el botón Ayúdame a escribir GraphQLpen_spark para generar y ejecutar operaciones basadas en lenguaje natural. Consulta algunos casos de uso de ejemplo.

Este flujo de trabajo se describe en nuestra guía de introducción. Puedes continuar en tu entorno de desarrollo local con el esquema y las operaciones implementados.

En tu entorno local

También puedes obtener asistencia de IA de Firebase CLI y la extensión de SQL Connect para VS Code.

Puedes proporcionar la idea de tu app a firebase init dataconnect, y generará lo siguiente:

  • Un esquema completo basado en la idea de tu app
  • Operaciones de ejemplo y una mutación de datos iniciales

La extensión de SQL Connect para VS Code proporciona las siguientes funciones:

  • Genera/Define mejor la lente de código de operaciones para convertir comentarios de GraphQL en SQL Connect operaciones.
  • Integración perfecta con Gemini Code Assist y el servidor de MCP de Firebase.

Este flujo de trabajo se describe en nuestra guía de introducción para la creación de prototipos locales.

Usa el servidor de MCP de Firebase con herramientas de desarrollo potenciadas por IA

El servidor de MCP de Firebase funciona con cualquier herramienta de asistencia de IA que pueda actuar como cliente de MCP , incluidas Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop y Windsurf Editor.

El servidor de MCP de Firebase proporciona contexto y capacidades adicionales para ayudar a las herramientas de desarrollo potenciadas por IA a funcionar mejor con SQL Connect. Puede hacer lo siguiente:

  • Configurar directorios de proyectos nuevos y SDKs generados
  • Compilar y realizar iteraciones en esquemas y operaciones basadas en errores de compilación
  • Ejecutar operaciones en el emulador local o en los servicios de backend
  • Recopilar información sobre los servicios existentes

Para usar el servidor de MCP de Firebase, haz lo siguiente:

  1. Configura tu cliente de MCP siguiendo esta guía.
  2. Pide ayuda relacionada con SQL Connect. Ejemplos de instrucciones:
    1. "Configura un proyecto de SQL Connect para una app de entrega de pizza".
    2. "Corrige los errores de compilación de SQL Connect".
    3. En la página principal, necesito mostrar las salas de chat activas y la lista de amigos. Genera una consulta de SQL Connect"
    4. "¿Qué usuarios están en mi emulador local SQL Connect?".
    5. "¿En qué regiones de Google Cloud se encuentran mis servicios de SQL Connect?"

Ejemplos de casos de uso para generar operaciones

En las siguientes secciones, se describen casos de uso de ejemplo:

Devuelve las cinco películas principales en orden descendente por calificación

Para usar AI assistance for SQL Connect para generar GraphQL basado en lenguaje natural, haz lo siguiente:

  1. Abre SQL Connect en tu proyecto y, en Servicios, selecciona tu fuente de datos.

  2. Haz clic en Datos (Data).

  3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark. Describe en lenguaje natural la consulta o mutación que deseas generar y haz clic en Generar.

    Por ejemplo, si usas la fuente de datos de Películas a la que se hace referencia en el codelab "Crea con SQL Connect (Web)", podrías preguntar, "Muestra las cinco películas principales del 2022 en orden descendente por calificación", lo que podría devolver un resultado como el siguiente:

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

  4. Revisa la respuesta:

    • Si la respuesta parece correcta, haz clic en Insertar para insertarla en el editor de código.
    • Si se puede definir mejor la respuesta, haz clic en Editar, actualiza la instrucción y haz clic en Volver a generar.

  5. Después de aceptar la respuesta, configura lo siguiente en la sección Parámetros, si corresponde:

    • Variables: Si tu consulta o mutación contiene variables, defínelas aquí. Usa JSON para definirlos, por ejemplo, {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorización: Elige el contexto de autorización (administrador, autenticado o no autenticado) con el que se ejecutará la consulta o la mutación.

  6. Haz clic en Ejecutar en el editor de código y revisa los resultados.

Para probar varias consultas o mutaciones en el editor de código, asegúrate de que tengan un nombre. Por ejemplo, la siguiente consulta se llama GetMovie. Mueve el cursor a la primera línea de la consulta o mutación para activar el botón Ejecutar.

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

Crea una mutación que agregue una película a la base de datos según la entrada del usuario

En este ejemplo, se muestra cómo usar el lenguaje natural para generar una mutación de GraphQL que propaga tu base de datos. En este ejemplo, se supone que usas el esquema de la base de datos de películas que se usa en la Firebase SQL Connect documentación y "Crea con SQL Connect (Web)" codelab.

  1. En Firebase console, abre SQL Connect.

  2. Selecciona tu servicio y fuente de datos y, luego, abre la pestaña Datos.

  3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark y describe tu mutación:

    Create a movie based on user input.

  4. Haz clic en Generar. Se muestra la mutación. Por ejemplo, Gemini podría mostrar una mutación como la siguiente:

    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. Revisa el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y haz clic en Volver a generar.

  6. A continuación, haz clic en Insertar para insertar la mutación en el editor de datos.

  7. Para ejecutar la mutación, deberás agregar variables. En la sección Parámetros, abre Variables e incluye algunas variables de prueba:

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

  8. Haz clic en Ejecutar.

  9. A continuación, crea una consulta que verifique que se haya agregado tu película. Haz clic en Ayúdame a escribir GraphQL pen_spark y, en el cuadro que aparece, escribe tu instrucción:

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

    Gemini podría devolver una respuesta como la siguiente:

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

  10. Inserta y ejecuta la consulta. La película que agregaste debería aparecer en el campo Historial.

Crea una consulta que muestre las opiniones según el género y las calificaciones proporcionadas por el usuario

En este ejemplo, se muestra cómo usar el lenguaje natural para generar una consulta de GraphQL. En este ejemplo, se supone que usas la base de datos de películas que se usa en la Firebase SQL Connect documentación y "Crea con SQL Connect (Web)" codelab.

  1. En Firebase console, abre SQL Connect.

  2. Selecciona tu servicio y fuente de datos y, luego, abre la pestaña Datos.

  3. Haz clic en el ícono Ayúdame a escribir GraphQLpen_spark y describe tu consulta:

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

  4. Haz clic en Generar. Se muestra la consulta. Por ejemplo, Gemini podría mostrar una consulta como la siguiente:

    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. Revisa el resultado. Si es necesario, haz clic en Editar para definir mejor la instrucción y haz clic en Volver a generar.

  6. A continuación, haz clic en Insertar para insertar la mutación en el editor de datos.

  7. Para probar esta consulta, deberás agregar variables. En la sección Parámetros, abre Variables e incluye variables para usar en las pruebas:

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

  8. Haz clic en Ejecutar.

Diseña instrucciones para herramientas de asistencia de IA de terceros

Al igual que con todas las herramientas de asistencia de IA, las mejores instrucciones producen resultados más útiles.

Cuando proporcionas instrucciones en lenguaje natural a Gemini en Firebase, en segundo plano, el asistente traduce tus entradas a una instrucción más desarrollada.

Si trabajas con herramientas de IA de terceros, como Cursor o Windsurf, puedes obtener mejores SQL Connect recomendaciones usando instrucciones similares y más detalladas.

Publicamos plantillas de instrucciones para que las descargues, adaptes y copies en tu IDE:

Después de descargar y modificar, crea una instrucción en una herramienta familiar (por ejemplo, Cursor o Windsurf) de la siguiente manera:

  • En Cursor (asegúrate de revisar las instrucciones más recientes de Cursor), haz lo siguiente:

    1. Haz clic en el ícono de configuración en la parte superior derecha.
    2. Selecciona la pestaña Reglas.
    3. En Reglas del proyecto, haz clic en el botón Agregar una regla nueva.
    4. Copia y pega la regla.

  • En Windsurf (asegúrate de revisar las instrucciones más recientes de Windsurf), haz lo siguiente:

    1. Para abrir la ventana en cascada, haz clic en el botón Cascada en la esquina superior derecha.
    2. Haz clic en el ícono Personalizaciones en el menú deslizante superior derecho de Cascade y, luego, navega al panel Reglas.
    3. Haz clic en el botón + Global o + Área de trabajo para crear reglas nuevas a nivel global o del área de trabajo, respectivamente.
    4. Copia y pega la regla.

Soluciona problemas de AI assistance for SQL Connect

Consulta Soluciona problemas de Gemini en Firebase.

Precios

AI assistance for SQL Connect está disponible como parte de Gemini en Firebase y se incluye para usuarios individuales.

Consulta Precios de Gemini en Firebase para obtener más información.

Próximos pasos