Utiliser l'assistance IA pour Data Connect

Utilisez Gemini dans Firebase pour créer des schémas, des requêtes et des mutations pour votre code côté client.

Décrivez votre application, votre modèle de données, ou une requête ou une mutation souhaitée en langage naturel. Gemini dans Firebase génère l'équivalent Data Connect.

Cette assistance IA est disponible dans les contextes de développement suivants :

  • Dans la console Firebase, vous pouvez générer, tester et déployer vos schémas et opérations.
  • Dans votre environnement local, vous pouvez utiliser la CLI Firebase et l'extension VS Code Data Connect pour générer, tester et développer votre application avec l'émulateur.
  • Les outils de développement optimisés par l'IA peuvent utiliser le serveur MCP Firebase pour générer, tester et développer votre application.

En savoir plus sur la syntaxe des schémas, des requêtes et des mutations dans les guidesData Connect

Comment AI assistance for Data Connect utilise vos données

Pour en savoir plus, consultez Comment Gemini dans Firebase utilise vos données.

Configurer AI assistance for Data Connect

Pour utiliser l'assistance IA avec Data Connect, activez Gemini dans Firebase comme décrit dans Configurer Gemini dans Firebase.

Générer des schémas, des requêtes et des mutations avec Gemini dans Firebase

Vous pouvez utiliser l'assistance IA pour Data Connect dans de nombreux workflows.

Dans la console Firebase

Lorsque vous créez un service Data Connect, la console Firebase propose une expérience "Premiers pas avec Gemini".

Vous pouvez décrire une idée d'application, et l'assistance IA génère les éléments suivants :

  • Un schéma complet basé sur votre idée d'application.
  • Exemples d'opérations et de mutations de données.

Sur la page de données, vous pouvez utiliser le bouton M'aider à écrire du code GraphQLpen_spark pour générer et exécuter des opérations basées sur le langage naturel. Consultez quelques exemples d'utilisation.

Ce workflow est décrit dans notre guide de démarrage. Vous pouvez continuer dans votre environnement de développement local avec le schéma et les opérations déployés.

Dans votre environnement local

Vous pouvez également obtenir de l'aide de l'IA à partir de la CLI Firebase et de l'extension VS Code Data Connect.

Vous pouvez fournir votre idée d'application à firebase init dataconnect, qui génère les éléments suivants :

  • Un schéma complet basé sur votre idée d'application.
  • Exemples d'opérations et de mutation des données de départ.

L'extension Data Connect VS Code offre les fonctionnalités suivantes :

  • CodeLens "Générer/Affiner les opérations" pour convertir les commentaires GraphQL en opérations Data Connect.
  • Intégration parfaite avec Gemini Code Assist et le serveur Firebase MCP.

Ce workflow est décrit dans notre guide de démarrage pour le prototypage local.

Utiliser le serveur MCP Firebase avec des outils de développement optimisés par l'IA

Le serveur Firebase MCP fonctionne avec tous les outils d'assistance IA pouvant servir de client MCP, y compris la CLI Gemini, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop et Windsurf Editor.

Le serveur MCP Firebase fournit un contexte et des fonctionnalités supplémentaires pour aider les outils de développement basés sur l'IA à mieux fonctionner avec Data Connect. Elle peut effectuer les opérations suivantes :

  • Configurez de nouveaux répertoires de projet et des SDK générés.
  • Créez et itérez des schémas et des opérations en fonction des erreurs de compilation.
  • Générez de nouveaux schémas et opérations en fonction des exigences.
  • Générez et exécutez des opérations sur des services d'émulateur ou de backend locaux.
  • Rassemblez des informations sur les services existants.

Pour utiliser le serveur MCP Firebase :

  1. Configurez votre client MCP en suivant ce guide.
  2. Demandez de l'aide concernant Data Connect. Exemples de requêtes :
    1. "Configure un projet Data Connect pour une application de livraison de pizzas."
    2. "Corrige les erreurs de compilation Data Connect."
    3. "Sur la page d'accueil, je dois afficher les salons de discussion actifs et la liste d'amis. Génère une requête Data Connect."
    4. "Quels utilisateurs se trouvent dans mon émulateur Data Connect local ?"
    5. "Dans quelles régions Google Cloud se trouvent mes services Data Connect ?"

Exemples de cas d'utilisation pour la génération d'opérations

Les sections suivantes décrivent des exemples de cas d'utilisation :

Renvoie les cinq meilleurs films par ordre décroissant de note.

Pour utiliser AI assistance for Data Connect afin de générer du code GraphQL basé sur le langage naturel :

  1. Ouvrez Data Connect dans votre projet, puis, sous Services, sélectionnez votre source de données.

  2. Cliquez sur Data (Données).

  3. Cliquez sur l'icône M'aider à écrire des requêtes GraphQLpen_spark. Décrivez en langage naturel la requête ou la mutation que vous souhaitez générer, puis cliquez sur Générer.

    Par exemple, si vous utilisez la source de données "Films" référencée dans l'atelier de programmation "Créer avec Data Connect (Web)", vous pouvez poser la question Affiche les cinq meilleurs films de 2022, par ordre décroissant de note, qui peut renvoyer un résultat comme celui-ci :

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

  4. Examinez la réponse :

    • Si la réponse semble correcte, cliquez sur Insérer pour l'insérer dans l'éditeur de code.
    • Si la réponse peut être affinée, cliquez sur Modifier, modifiez la requête, puis cliquez sur Regénérer.

  5. Une fois que vous avez accepté la réponse, définissez les éléments suivants dans la section Paramètres, le cas échéant :

    • Variables : si votre requête ou mutation contient des variables, définissez-les ici. Utilisez JSON pour les définir, par exemple {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorisation : choisissez le contexte d'autorisation (administrateur, authentifié ou non authentifié) avec lequel exécuter la requête ou la mutation.

  6. Cliquez sur Exécuter dans l'éditeur de code, puis examinez les résultats.

Pour tester plusieurs requêtes ou mutations dans l'éditeur de code, assurez-vous qu'elles sont nommées. Par exemple, la requête suivante est nommée GetMovie. Placez le curseur sur la première ligne de la requête ou de la mutation pour activer le bouton Exécuter.

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

Créer une mutation qui ajoute un film à la base de données en fonction des saisies de l'utilisateur

Cet exemple montre comment utiliser le langage naturel pour générer une mutation GraphQL qui remplit votre base de données. Cet exemple part du principe que vous utilisez le schéma de base de données de films utilisé dans la documentation Firebase Data Connect et l'atelier de programmation Créer avec Data Connect (Web).

  1. Dans la console Firebase, ouvrez Data Connect.

  2. Sélectionnez votre service et votre source de données, puis ouvrez l'onglet Données.

  3. Cliquez sur l'icône M'aider à écrire des requêtes GraphQLpen_spark et décrivez votre mutation :

    Create a movie based on user input.

  4. Cliquez sur Générer. La mutation est renvoyée. Par exemple, Gemini peut renvoyer une mutation comme celle-ci :

    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. Examinez le résultat. Si nécessaire, cliquez sur Modifier pour affiner la requête, puis sur Régénérer.

  6. Cliquez ensuite sur Insérer pour insérer la mutation dans l'éditeur de données.

  7. Pour exécuter la mutation, vous devez ajouter des variables. Dans la section Paramètres, ouvrez Variables et incluez des variables de test :

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

  8. Cliquez sur Exécuter.

  9. Créez ensuite une requête qui vérifie que votre film a bien été ajouté. Cliquez sur M'aider à écrire des requêtes GraphQL pen_spark, puis saisissez votre requête dans la zone qui s'affiche :

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

    Gemini peut renvoyer une réponse semblable à celle-ci :

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

  10. Insérez et exécutez la requête. Le film que vous avez ajouté devrait apparaître dans le champ Historique.

Créez une requête qui liste les avis en fonction du genre et des notes fournis par l'utilisateur.

Cet exemple montre comment utiliser le langage naturel pour générer une requête GraphQL. Cet exemple part du principe que vous utilisez la base de données de films utilisée dans la documentation Firebase Data Connect et l'atelier de programmation Créer avec Data Connect (Web).

  1. Dans la console Firebase, ouvrez Data Connect.

  2. Sélectionnez votre service et votre source de données, puis ouvrez l'onglet Données.

  3. Cliquez sur l'icône M'aider à écrire des requêtes GraphQLpen_spark et décrivez votre requête :

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

  4. Cliquez sur Générer. La requête est renvoyée. Par exemple, Gemini peut renvoyer une requête comme celle-ci :

    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. Examinez le résultat. Si nécessaire, cliquez sur Modifier pour affiner la requête, puis sur Régénérer.

  6. Cliquez ensuite sur Insérer pour insérer la mutation dans l'éditeur de données.

  7. Pour tester cette requête, vous devez ajouter des variables. Dans la section Paramètres, ouvrez Variables et incluez les variables à utiliser pour les tests :

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

  8. Cliquez sur Exécuter.

Concevoir des requêtes pour les outils d'assistance IA tiers

Comme pour tous les outils d'assistance par IA, des requêtes plus précises permettent d'obtenir des résultats plus utiles.

Lorsque vous fournissez des requêtes en langage naturel à Gemini dans Firebase, l'assistant traduit vos entrées en une requête plus élaborée en arrière-plan.

Si vous utilisez des outils d'IA tiers tels que Cursor ou Windsurf, vous pouvez obtenir de meilleures recommandations Data Connect en utilisant des requêtes similaires, mais plus détaillées.

Nous avons publié des modèles de requêtes que vous pouvez télécharger, adapter et copier dans votre IDE :

Après avoir téléchargé et modifié le fichier, créez une invite dans un outil que vous connaissez (par exemple, Cursor ou Windsurf) comme suit :

  • Dans Cursor (assurez-vous de consulter les dernières instructions de Cursor) :

    1. Cliquez sur l'icône des paramètres en haut à droite.
    2. Sélectionnez l'onglet Règles.
    3. Sous Règles du projet, cliquez sur le bouton Ajouter une règle.
    4. Copiez et collez la règle.

  • Dans Windsurf (assurez-vous de consulter les dernières instructions de Windsurf) :

    1. Ouvrez la fenêtre Cascade en cliquant sur le bouton Cascade en haut à droite.
    2. Cliquez sur l'icône Personnalisations dans le menu déroulant en haut à droite de Cascade, puis accédez au panneau Règles.
    3. Cliquez sur le bouton + Global ou + Workspace pour créer des règles au niveau global ou de l'espace de travail, respectivement.
    4. Copiez et collez la règle.

Résoudre les problèmes liés à la configuration AI assistance for Data Connect

Consultez Résoudre les problèmes liés à Gemini dans Firebase.

Tarifs

AI assistance for Data Connect est disponible dans Gemini pour Firebase et est inclus pour les utilisateurs individuels.

Pour en savoir plus, consultez la page Tarifs de Gemini dans Firebase.

Étapes suivantes