Utilizzare l'assistenza AI per Data Connect

Utilizza Gemini in Firebase per creare schemi, query e mutazioni per il codice lato client.

Descrivi la tua app, il tuo modello di dati o una query o una mutazione desiderata in linguaggio naturale e Gemini in Firebase genera l'equivalente Data Connect.

Questa assistenza AI è disponibile nei seguenti contesti di sviluppo:

  • Nella console Firebase puoi generare, testare e implementare gli schemi e le operazioni.
  • Nel tuo ambiente locale, puoi utilizzare l'interfaccia a riga di comando di Firebase e l'estensione Data Connect VS Code per generare, testare e sviluppare la tua app con l'emulatore.
  • Gli strumenti di sviluppo basati sull'AI possono utilizzare il server Firebase MCP per generare, testare e sviluppare la tua app.

Scopri di più sulla sintassi di Data Connect schema, query e mutazione nelle guide.

In che modo AI assistance for Data Connect utilizza i tuoi dati

Per ulteriori informazioni, vedi In che modo Gemini in Firebase utilizza i tuoi dati.

Configura AI assistance for Data Connect

Per utilizzare l'assistenza AI con Data Connect, attiva Gemini in Firebase come descritto in Configurare Gemini in Firebase.

Genera schema, query e mutazioni con Gemini in Firebase

Puoi utilizzare l'assistenza AI per Data Connect in molti dei tuoi flussi di lavoro.

Nella console Firebase

Quando crei un servizio Data Connect, la console Firebase offre un'esperienza "Inizia a utilizzare Gemini".

Puoi descrivere un'idea di app e l'assistenza AI genera quanto segue:

  • Uno schema completo basato sulla tua idea di app.
  • Esempi di operazioni e mutazioni dei dati.

Nella pagina dei dati, puoi utilizzare il pulsante Aiutami a scrivere GraphQLpen_spark per generare ed eseguire operazioni basate sul linguaggio naturale. Dai un'occhiata ad alcuni esempi di casi d'uso.

Questo flusso di lavoro è descritto nella nostra guida Guida introduttiva. Puoi continuare nel tuo ambiente di sviluppo locale con lo schema e le operazioni di cui è stato eseguito il deployment.

Nel tuo ambiente locale

Puoi anche ricevere assistenza dell'AI dall'interfaccia a riga di comando di Firebase e dall'estensione VS Code di Data Connect.

Puoi fornire la tua idea di app a firebase init dataconnect, che genera quanto segue:

  • Uno schema completo basato sulla tua idea di app.
  • Operazioni di esempio e mutazione dei dati iniziali.

L'estensione Data Connect VS Code fornisce le seguenti funzionalità:

  • Genera/Raffina il Code Lens delle operazioni per convertire i commenti GraphQL in operazioni Data Connect.
  • Integrazione perfetta con Gemini Code Assist e il server Firebase MCP.

Questo flusso di lavoro è descritto nella nostra Guida introduttiva per la prototipazione locale.

Utilizzare il server MCP Firebase con strumenti di sviluppo basati sull'AI

Il server Firebase MCP funziona con qualsiasi strumento di assistenza AI che può fungere da client MCP, inclusi Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop e Windsurf Editor.

Il server Firebase MCP fornisce contesto e funzionalità aggiuntivi per aiutare gli strumenti di sviluppo basati sull'AI a funzionare meglio con Data Connect. Può fare quanto segue:

  • Configura le nuove directory del progetto e gli SDK generati.
  • Crea e itera schemi e operazioni in base agli errori di compilazione.
  • Genera nuovi schemi e operazioni in base ai requisiti.
  • Genera ed esegui operazioni su servizi di backend o emulatori locali.
  • Raccogli informazioni sui servizi esistenti.

Per utilizzare il server Firebase MCP:

  1. Configura il client MCP seguendo questa guida.
  2. Chiedi assistenza in merito a Data Connect. Prompt di esempio:
    1. "Configura un progetto Data Connect per un'app di consegna di pizza."
    2. "Correggi gli errori di compilazione di Data Connect."
    3. "Nella home page, devo mostrare le chat room attive e l'elenco degli amici. Genera una query Data Connect".
    4. "Quali utenti sono nel mio emulatore locale Data Connect?"
    5. "In quali regioni Google Cloud si trovano i miei servizi Data Connect?"

Esempi di casi d'uso per la generazione di operazioni

Le sezioni seguenti descrivono alcuni casi d'uso di esempio:

Restituisci i primi cinque film in ordine decrescente in base alla valutazione

Per utilizzare AI assistance for Data Connect per generare GraphQL in base al linguaggio naturale:

  1. Apri Data Connect nel tuo progetto e, in Servizi, seleziona l'origine dati.

  2. Fai clic su Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark. Descrivi in linguaggio naturale la query o la mutazione che vuoi generare e fai clic su Genera.

    Ad esempio, se utilizzi l'origine dati Film a cui viene fatto riferimento nel codelab"Build with Data Connect (web)", potresti chiedere: "Restituisci i primi cinque film del 2022, in ordine decrescente in base alla valutazione", che potrebbe restituire un risultato come il seguente:

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

  4. Esamina la risposta:

    • Se la risposta ti sembra corretta, fai clic su Inserisci per inserirla nell'editor di codice.
    • Se la risposta può essere perfezionata, fai clic su Modifica, aggiorna il prompt e fai clic su Rigenera.

  5. Dopo aver accettato la risposta, imposta quanto segue nella sezione Parametri, se applicabile:

    • Variabili: se la query o la mutazione contiene variabili, definiscile qui. Utilizza JSON per definirli, ad esempio {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorizzazione: scegli il contesto di autorizzazione (Amministratore, Autenticato o Non autenticato) con cui eseguire la query o la mutazione.

  6. Fai clic su Esegui nell'editor di codice e rivedi i risultati.

Per testare più query o mutazioni nell'editor di codice, assicurati che siano denominate. Ad esempio, la seguente query è denominata GetMovie. Sposta il cursore nella prima riga della query o della mutazione per attivare il pulsante Esegui.

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

Crea una mutazione che aggiunga un film al database in base all'input dell'utente

Questo esempio mostra come utilizzare il linguaggio naturale per generare una mutazione GraphQL che popola il database. Questo esempio presuppone che tu stia utilizzando lo schema del database dei film utilizzato nella Firebase Data Connect documentazione e nel codelab "Build with Data Connect (web)".

  1. Dalla console Firebase, apri Data Connect.

  2. Seleziona il servizio e l'origine dati, poi apri la scheda Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e descrivi la mutazione:

    Create a movie based on user input.

  4. Fai clic su Genera. La mutazione viene restituita. Ad esempio, Gemini potrebbe restituire una mutazione come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Successivamente, fai clic su Inserisci per inserire la mutazione nell'editor dei dati.

  7. Per eseguire la mutazione, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi alcune variabili di test:

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

  8. Fai clic su Esegui.

  9. Successivamente, crea una query che verifichi che il film sia stato aggiunto. Fai clic sull'icona Aiutami a scrivere GraphQL pen_spark e, nella casella visualizzata, digita il prompt:

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

    Gemini potrebbe restituire una risposta simile alla seguente:

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

  10. Inserisci ed esegui la query. Il film aggiunto dovrebbe essere visualizzato nel campo Cronologia.

Crea una query che elenca le recensioni in base al genere e alle valutazioni fornite dagli utenti

Questo esempio mostra come utilizzare il linguaggio naturale per generare una query GraphQL. Questo esempio presuppone che tu stia utilizzando il database dei film utilizzato nella documentazione di Firebase Data Connect e nel codelab "Crea con Data Connect (web)".

  1. Dalla console Firebase, apri Data Connect.

  2. Seleziona il servizio e l'origine dati, poi apri la scheda Dati.

  3. Fai clic sull'icona Aiutami a scrivere GraphQLpen_spark e descrivi la query:

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

  4. Fai clic su Genera. La query viene restituita. Ad esempio, Gemini potrebbe restituire una query come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Successivamente, fai clic su Inserisci per inserire la mutazione nell'editor dei dati.

  7. Per testare questa query, devi aggiungere delle variabili. Nella sezione Parametri, apri Variabili e includi le variabili da utilizzare per il test:

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

  8. Fai clic su Esegui.

Progettare prompt per strumenti di assistenza AI di terze parti

Come per tutti gli strumenti di assistenza AI, prompt migliori producono output più utili.

Quando fornisci prompt in linguaggio naturale a Gemini in Firebase, dietro le quinte l'assistente traduce i tuoi input in un prompt più completo.

Se utilizzi strumenti di AI di terze parti come Cursor o Windsurf, puoi ottenere consigli migliori per Data Connect utilizzando prompt simili e più dettagliati.

Abbiamo pubblicato modelli di prompt che puoi scaricare, adattare e copiare nel tuo IDE:

Dopo aver scaricato e modificato il file, crea un prompt in uno strumento che conosci bene (ad esempio Cursor o Windsurf) nel seguente modo:

  • In Cursor (assicurati di consultare le istruzioni più recenti di Cursor):

    1. Fai clic sull'icona delle impostazioni in alto a destra.
    2. Seleziona la scheda Regole.
    3. Nella sezione Regole del progetto, fai clic sul pulsante Aggiungi una nuova regola.
    4. Copia e incolla la regola.

  • In Windsurf (assicurati di leggere le ultime istruzioni di Windsurf):

    1. Apri la finestra a cascata facendo clic sul pulsante A cascata nell'angolo in alto a destra.
    2. Fai clic sull'icona Personalizzazioni nel menu a scorrimento in alto a destra in Cascade, poi vai al riquadro Regole.
    3. Fai clic sul pulsante + Globale o + Workspace per creare nuove regole a livello globale o di workspace, rispettivamente.
    4. Copia e incolla la regola.

Risoluzione dei problemi AI assistance for Data Connect

Consulta la sezione Risoluzione dei problemi di Gemini in Firebase.

Prezzi

AI assistance for Data Connect è disponibile come parte di Gemini in Firebase ed è incluso per gli utenti privati.

Per ulteriori informazioni, consulta la sezione Prezzi di Gemini in Firebase.

Passaggi successivi