KI-Unterstützung für Data Connect verwenden

Mit Gemini in Firebase können Sie Schemas, Abfragen und Mutationen für Ihren clientseitigen Code erstellen.

Beschreiben Sie Ihre App, Ihr Datenmodell oder eine gewünschte Abfrage oder Mutation in natürlicher Sprache. Gemini in Firebase generiert dann das Data Connect-Äquivalent.

Diese KI-Unterstützung ist in den folgenden Entwicklungskontexten verfügbar:

  • In der Firebase-Konsole können Sie Schemas und Vorgänge erstellen, testen und bereitstellen.
  • In Ihrer lokalen Umgebung können Sie die Firebase CLI und die Data Connect VS Code-Erweiterung verwenden, um Ihre App mit dem Emulator zu generieren, zu testen und zu entwickeln.
  • KI-basierte Entwicklungstools können den Firebase MCP-Server verwenden, um Ihre App zu generieren, zu testen und zu entwickeln.

Weitere Informationen zur Data Connect Schema-, Abfrage- und Mutations-Syntax finden Sie in den Leitfäden.

So verwendet AI assistance for Data Connect Ihre Daten

Weitere Informationen finden Sie unter So verwendet Gemini in Firebase Ihre Daten.

AI assistance for Data Connect einrichten

Wenn Sie die KI‑Unterstützung mit Data Connect verwenden möchten, aktivieren Sie Gemini in Firebase, wie in Gemini in Firebase einrichten beschrieben.

Firebase Data Connect

Schema, Abfragen und Mutationen mit Gemini in Firebase generieren

Sie können KI-Unterstützung für Data Connect in vielen Ihrer Arbeitsabläufe nutzen.

In der Firebase Console

Wenn Sie einen Data Connect-Dienst erstellen, bietet die Firebase-Konsole eine Anleitung für die ersten Schritte mit Gemini.

Sie können eine App-Idee beschreiben und die KI-Unterstützung generiert Folgendes:

  • Ein vollständiges Schema basierend auf Ihrer App-Idee.
  • Beispielvorgänge und Datenänderungen.

Auf der Datenseite können Sie mit der Schaltfläche Help me write GraphQLpen_spark Operationen basierend auf natürlicher Sprache generieren und ausführen. Beispiele für Anwendungsfälle

Dieser Workflow wird in unserer Anleitung für den Einstieg beschrieben. Sie können in Ihrer lokalen Entwicklungsumgebung mit dem bereitgestellten Schema und den bereitgestellten Vorgängen fortfahren.

In Ihrer lokalen Umgebung

Sie können auch über die Firebase CLI und die VS Code-Erweiterung „Data Connect“ KI-Unterstützung erhalten.

Sie können firebase init dataconnect Ihre App-Idee mitteilen. Daraufhin werden die folgenden Elemente generiert:

  • Ein vollständiges Schema basierend auf Ihrer App-Idee.
  • Beispielvorgänge und eine Mutation von Ausgangsdaten.

Die Data Connect-VS Code-Erweiterung bietet die folgenden Funktionen:

  • Code Lens zum Generieren/Optimieren von Vorgängen zum Umwandeln von GraphQL-Kommentaren in Data Connect-Vorgänge.
  • Nahtlose Integration in Gemini Code Assist und den Firebase MCP-Server.

Dieser Workflow wird in unserem Leitfaden für den Einstieg in die lokale Prototypentwicklung beschrieben.

Firebase-MCP-Server mit KI-basierten Entwicklungstools verwenden

Der Firebase-MCP-Server funktioniert mit allen KI-Assistenten-Tools, die als MCP-Client fungieren können, einschließlich Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop und Windsurf Editor.

Der Firebase-MCP-Server bietet zusätzlichen Kontext und zusätzliche Funktionen, damit KI-basierte Entwicklungstools besser mit Data Connect funktionieren. Sie kann Folgendes tun:

  • Neue Projektverzeichnisse und generierte SDKs einrichten
  • Erstellen und iterieren Sie Schemas und Vorgänge basierend auf Kompilierungsfehlern.
  • Generieren Sie neue Schemas und Vorgänge basierend auf Anforderungen.
  • Vorgänge für lokale Emulatoren oder Backend-Dienste generieren und ausführen.
  • Informationen zu vorhandenen Diensten sammeln

So verwenden Sie den Firebase MCP-Server:

  1. Richten Sie Ihren MCP-Client anhand dieser Anleitung ein.
  2. Um Hilfe zu Data Connect bitten Beispiele für Prompts:
    1. „Richte ein Data Connect-Projekt für eine Pizza-Lieferdienst-App ein.“
    2. „Behebe die Data Connect-Kompilierungsfehler.“
    3. „Auf der Startseite müssen aktive Chatrooms und die Freundesliste angezeigt werden. Generiere eine Data Connect-Anfrage.“
    4. „Welche Nutzer sind in meinem lokalen Data Connect-Emulator?“
    5. „In welchen Google Cloud-Regionen befinden sich meine Data Connect-Dienste?“

Beispielhafte Anwendungsfälle für das Generieren von Vorgängen

In den folgenden Abschnitten werden Beispielanwendungsfälle beschrieben:

Gib die fünf Filme mit den höchsten Bewertungen in absteigender Reihenfolge zurück.

So verwenden Sie AI assistance for Data Connect, um GraphQL auf Grundlage natürlicher Sprache zu generieren:

  1. Öffnen Sie Data Connect in Ihrem Projekt und wählen Sie unter Services Ihre Datenquelle aus.

  2. Klicken Sie auf Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark. Beschreiben Sie die Abfrage oder Mutation, die Sie generieren möchten, in natürlicher Sprache und klicken Sie auf Generieren.

    Wenn Sie beispielsweise die im Codelab „Mit Data Connect entwickeln (Web)“ verwendete Datenquelle „Filme“ verwenden, könnten Sie fragen: Gib die fünf besten Filme des Jahres 2022 zurück, absteigend sortiert nach Bewertung. Das Ergebnis könnte so aussehen:

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

  4. Antwort prüfen:

    • Wenn die Antwort korrekt aussieht, klicken Sie auf Einfügen, um sie in den Code-Editor einzufügen.
    • Wenn die Antwort optimiert werden könnte, klicken Sie auf Bearbeiten, aktualisieren Sie den Prompt und klicken Sie auf Neu generieren.

  5. Nachdem Sie die Antwort akzeptiert haben, legen Sie im Abschnitt Parameter gegebenenfalls Folgendes fest:

    • Variablen: Wenn Ihre Abfrage oder Mutation Variablen enthält, definieren Sie sie hier. Verwenden Sie JSON, um sie zu definieren, z. B. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorisierung: Wählen Sie den Autorisierungskontext (Administrator, Authentifiziert oder Nicht authentifiziert) aus, mit dem die Abfrage oder Mutation ausgeführt werden soll.

  6. Klicken Sie im Code-Editor auf Ausführen und sehen Sie sich die Ergebnisse an.

Wenn Sie mehrere Abfragen oder Mutationen im Code-Editor testen möchten, müssen sie benannt sein. Die folgende Abfrage hat beispielsweise den Namen GetMovie. Bewegen Sie den Cursor in die erste Zeile der Abfrage oder Mutation, um die Schaltfläche Ausführen zu aktivieren.

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

Mutation erstellen, die einen Film basierend auf Nutzereingaben in die Datenbank einfügt

In diesem Beispiel wird gezeigt, wie Sie mit natürlicher Sprache eine GraphQL-Mutation generieren, mit der Ihre Datenbank gefüllt wird. In diesem Beispiel wird davon ausgegangen, dass Sie das Filmdatenbankschema verwenden, das in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect entwickeln (Web)“ verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole>Data Connect.

  2. Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark und beschreiben Sie Ihre Mutation:

    Create a movie based on user input.

  4. Klicken Sie auf Erstellen. Die Mutation wird zurückgegeben. Gemini kann beispielsweise eine Mutation wie die folgende zurückgeben:

    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. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu optimieren, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Um die Mutation auszuführen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie einige Testvariablen hinzu:

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

  8. Klicken Sie auf Ausführen.

  9. Erstellen Sie als Nächstes eine Abfrage, mit der Sie überprüfen, ob Ihr Film hinzugefügt wurde. Klicken Sie auf Hilfe beim Verfassen von GraphQL-Abfragen pen_spark und geben Sie in das angezeigte Feld Ihren Prompt ein:

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

    Gemini gibt möglicherweise eine Antwort wie die folgende zurück:

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

  10. Fügen Sie die Abfrage ein und führen Sie sie aus. Der hinzugefügte Film sollte im Feld Verlauf angezeigt werden.

Eine Abfrage erstellen, in der Rezensionen basierend auf dem vom Nutzer angegebenen Genre und den Bewertungen aufgeführt werden

In diesem Beispiel wird gezeigt, wie Sie mit natürlicher Sprache eine GraphQL-Abfrage generieren. In diesem Beispiel wird davon ausgegangen, dass Sie die Filmdatenbank verwenden, die in der Firebase Data Connect-Dokumentation und im Codelab „Mit Data Connect (Web) entwickeln“ verwendet wird.

  1. Öffnen Sie in der Firebase-Konsole>Data Connect.

  2. Wählen Sie Ihren Dienst und Ihre Datenquelle aus und öffnen Sie den Tab Daten.

  3. Klicken Sie auf das Symbol Hilfe beim Verfassen von GraphQL-Abfragenpen_spark und beschreiben Sie Ihre Abfrage:

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

  4. Klicken Sie auf Erstellen. Die Abfrage wird zurückgegeben. Gemini könnte beispielsweise folgende Anfrage zurückgeben:

    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. Sehen Sie sich die Ausgabe an. Klicken Sie bei Bedarf auf Bearbeiten, um den Prompt zu optimieren, und dann auf Neu generieren.

  6. Klicken Sie dann auf Einfügen, um die Mutation in den Dateneditor einzufügen.

  7. Um diese Abfrage zu testen, müssen Sie Variablen hinzufügen. Öffnen Sie im Bereich Parameter die Option Variablen und fügen Sie Variablen hinzu, die für Tests verwendet werden sollen:

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

  8. Klicken Sie auf Ausführen.

Prompts für KI-Tools von Drittanbietern erstellen

Wie bei allen KI-Tools für die Unterstützung von Nutzern führen bessere Prompts zu nützlicheren Ergebnissen.

Wenn Sie Gemini in Firebase Prompts in natürlicher Sprache zur Verfügung stellen, übersetzt der Assistent Ihre Eingaben im Hintergrund in einen ausgereifteren Prompt.

Wenn Sie mit KI-Tools von Drittanbietern wie Cursor oder Windsurf arbeiten, können Sie bessere Data Connect-Empfehlungen erhalten, indem Sie ähnliche, detailliertere Prompts verwenden.

Wir haben Prompt-Vorlagen veröffentlicht, die Sie herunterladen, anpassen und in Ihre IDE kopieren können:

Nachdem Sie den Code heruntergeladen und geändert haben, erstellen Sie in einem vertrauten Tool (z. B. Cursor oder Windsurf) einen Prompt:

  • In Cursor (aktuelle Anleitung von Cursor beachten):

    1. Klicken Sie rechts oben auf das Einstellungssymbol.
    2. Wählen Sie den Tab Regeln aus.
    3. Klicken Sie unter Project Rules (Projektregeln) auf die Schaltfläche Add a new rule (Neue Regel hinzufügen).
    4. Kopieren Sie die Regel und fügen Sie sie ein.

  • In Windsurf (aktuelle Anleitung von Windsurf beachten):

    1. Öffnen Sie das Kaskadenfenster, indem Sie oben rechts auf die Schaltfläche Kaskade klicken.
    2. Klicken Sie im oberen rechten Bereich des Slidermenüs in Cascade auf das Symbol Anpassungen und rufen Sie dann den Bereich Regeln auf.
    3. Klicken Sie auf die Schaltfläche + Global oder + Arbeitsbereich, um neue Regeln auf globaler Ebene bzw. auf Arbeitsbereichsebene zu erstellen.
    4. Kopieren Sie die Regel und fügen Sie sie ein.

Fehlerbehebung AI assistance for Data Connect

Informationen zur Fehlerbehebung für Gemini in Firebase

Preise

AI assistance for Data Connect ist als Teil von Gemini in Firebase verfügbar und für Einzelnutzer enthalten.

Weitere Informationen finden Sie unter Preise für Gemini in Firebase.

Nächste Schritte