Utiliser l'aide de l'IA pour les schémas, les requêtes et les mutations Firebase Data Connect

Vous pouvez utiliser Gemini dans Firebase pour vous aider à créer des schémas, des requêtes et des mutations à inclure dans votre code côté client.

Décrivez une application et résumez son modèle de données, ou décrivez une requête ou une mutation que vous souhaitez générer en langage naturel, et Gemini dans Firebase vous fournira son équivalent GraphQL.

Cette assistance par IA est disponible dans de nombreux contextes de développement:

  • Dans la console Firebase, exécutez et testez la sortie, déployez votre schéma et vos opérations en production, puis synchronisez-les avec votre environnement de développement local.
  • En local, dans notre extension VS Code Data Connect, concevez, exécutez et testez à l'aide de Gemini Code Assist avec une base de données et un émulateur PostgreSQL locaux.

Pour en savoir plus sur les requêtes et les mutations, consultez la page Schémas, requêtes et mutations Data Connect.

Comment AI assistance for Data Connect utilise vos données

Pour en savoir plus sur la manière dont Gemini dans Firebase utilise vos données, consultez Comment Gemini dans Firebase utilise vos données.

Configurer AI assistance for Data Connect

Pour configurer l'assistance optimisée par l'IA dans Data Connect, activez Gemini dans Firebase comme décrit dans Configurer Gemini dans Firebase, puis passez à Générer des requêtes et des mutations GraphQL avec Gemini dans Firebase.

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

L'assistance par IA pour Data Connect est disponible dans de nombreux contextes et dans de nombreux workflows.

Créer une application, son schéma et ses opérations initiales dans la console Firebase

Lorsque vous créez un projet Firebase et que vous configurez le développement d'une nouvelle application, la console Firebase propose automatiquement une assistance par IA pour la génération de schémas et d'opérations.

Ce flux de configuration vous permet de décrire une application, puis l'assistance IA:

  • Génère un schéma Data Connect complet
  • Génère un ensemble de requêtes et de mutations utiles que vous pouvez ensuite intégrer au code client.

Vous synchronisez ces ressources créées dans la console avec votre environnement de développement local pour poursuivre l'intégration avec vos clients.

Ce workflow est décrit dans notre guide de démarrage.

Ajouter des requêtes et des mutations à exécuter dans la console Firebase

Pour générer du code GraphQL basé sur le langage naturel à l'aide de AI assistance for Data Connect:

  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.

  4. Dans le champ de texte qui s'affiche, 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 le atelier de programmation "Créer avec Data Connect (Web)", vous pouvez demander : Renvoyer les cinq meilleurs films de 2022, par ordre décroissant de note, ce qui peut renvoyer un résultat semblable à celui-ci :

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

  5. Examinez la réponse:

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

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

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

  7. Cliquez sur Run (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 Run (Exécuter).

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

Créer un schéma et des opérations initiaux lors du prototypage local

L'assistance de l'IA est disponible à partir de Gemini Code Assist pour votre travail de prototypage local lorsque vous utilisez Visual Studio Code et notre extension VS Code Data Connect.

L'extension vous permet de décrire une application, puis de Gemini Code Assist:

  • Génère un schéma Data Connect complet
  • Génère un ensemble de requêtes et de mutations utiles que vous pouvez ensuite intégrer au code client.

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

Autres cas d'utilisation de AI assistance for Data Connect

Les sections suivantes décrivent des exemples de cas d'utilisation, y compris un cas où vous pouvez demander à Gemini de vous aider à créer une mutation pour renseigner Data Connect, puis l'interroger pour vérifier les résultats.

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

Dans cette section, vous allez découvrir comment utiliser le langage naturel pour générer GraphQL pour une mutation que vous pouvez utiliser pour renseigner 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 dans 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, puis saisissez votre requête dans la zone qui s'affiche:

    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 l'invite, puis sur Générer à nouveau.

  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 quelques 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 l'icône pen_spark M'aider à écrire des requêtes GraphQL, 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 doit apparaître dans le champ Historique.

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

Dans cette section, vous allez découvrir un exemple d'utilisation du langage naturel pour générer du code GraphQL pour une requête. Cet exemple part du principe que vous utilisez la base de données de films utilisée dans la documentation Firebase Data Connect et dans 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, puis saisissez votre requête dans la zone qui s'affiche:

    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 l'invite, puis sur Générer à nouveau.

  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.

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

Consultez Dépannage de Gemini dans Firebase.

Tarifs

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

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

Étapes suivantes