Usar a assistência de IA para o Data Connect

Use o Gemini no Firebase para criar esquemas, consultas e mutações para seu código do lado do cliente.

Descreva seu app, modelo de dados ou uma consulta ou mutação desejada em linguagem natural, e o Gemini no Firebase vai gerar o equivalente em Data Connect.

Essa assistência de IA está disponível nos seguintes contextos de desenvolvimento:

  • No console do Firebase, é possível gerar, testar e implantar seus esquemas e operações.
  • No seu ambiente local, use a CLI do Firebase e a extensão do Data Connect para VS Code para gerar, testar e desenvolver no seu app com o emulador.
  • As ferramentas de desenvolvimento com tecnologia de IA podem usar o servidor MCP do Firebase para gerar, testar e desenvolver seu app.

Saiba mais sobre a sintaxe de Data Connect esquema, consulta e mutação nos guias.

Como o AI assistance for Data Connect usa seus dados

Para mais informações, consulte Como o Gemini no Firebase usa seus dados.

Configurar AI assistance for Data Connect

Para usar a assistência de IA com o Data Connect, ative o Gemini no Firebase como descrito em Configurar o Gemini no Firebase.

Firebase Data Connect

Gerar esquema, consultas e mutações com o Gemini em Firebase

Você pode usar a assistência de IA para Data Connect em muitos dos seus fluxos de trabalho.

No console do Firebase

Ao criar um serviço Data Connect, o console Firebase oferece uma experiência de "Começar a usar o Gemini".

Você pode descrever uma ideia de app, e a assistência de IA vai gerar o seguinte:

  • Um esquema completo com base na sua ideia de app.
  • Exemplos de operações e mutações de dados.

Na página de dados, use o botão Quero ajuda para escrever em GraphQLpen_spark para gerar e executar operações com base na linguagem natural. Confira alguns exemplos de casos de uso.

Esse fluxo de trabalho é descrito no nosso guia para iniciantes. Você pode continuar no ambiente de desenvolvimento local com o esquema e as operações implantados.

No seu ambiente local

Você também pode receber assistência de IA da CLI do Firebase e da extensão do Data Connect para VS Code.

Você pode enviar sua ideia de app para o firebase init dataconnect, e ele vai gerar o seguinte:

  • Um esquema completo com base na sua ideia de app.
  • Exemplo de operações e uma mutação de dados de inicialização.

A extensão Data Connect para VS Code oferece os seguintes recursos:

  • Lente de código para gerar/refinar operações para converter comentários do GraphQL em operações Data Connect.
  • Integração perfeita com o Gemini Code Assist e o servidor do Firebase MCP.

Esse fluxo de trabalho é descrito no Guia para iniciantes de prototipagem local.

Usar o servidor MCP do Firebase com ferramentas de desenvolvimento com tecnologia de IA

O servidor MCP do Firebase funciona com qualquer ferramenta de assistente de IA que possa atuar como um cliente MCP, incluindo a CLI do Gemini, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop e Windsurf Editor.

O servidor MCP do Firebase oferece mais contexto e recursos para ajudar as ferramentas de desenvolvimento com tecnologia de IA a trabalhar melhor com o Data Connect. Ele pode fazer o seguinte:

  • Configure novos diretórios de projeto e SDKs gerados.
  • Crie e faça iterações em esquemas e operações com base em erros de compilação.
  • Gerar novos esquemas e operações com base nos requisitos.
  • Gere e execute operações em relação a emuladores locais ou serviços de back-end.
  • Reúna informações sobre os serviços atuais.

Para usar o servidor MCP do Firebase:

  1. Configure seu cliente MCP seguindo este guia.
  2. Peça ajuda relacionada a Data Connect. Exemplos de comandos:
    1. "Configure um projeto Data Connect para um app de entrega de pizza."
    2. "Corrija os erros de compilação de Data Connect."
    3. "Na página inicial, preciso mostrar as salas de chat ativas e a lista de amigos. Gere uma consulta Data Connect."
    4. "Quais usuários estão no meu emulador local Data Connect?"
    5. "Em quais regiões do Google Cloud meus serviços do Data Connect estão?"

Exemplos de casos de uso para gerar operações

As seções a seguir descrevem exemplos de casos de uso:

Retorne os cinco melhores filmes em ordem decrescente por classificação

Para usar AI assistance for Data Connect para gerar GraphQL com base na linguagem natural:

  1. Abra Data Connect no seu projeto e, em Serviços, selecione a fonte de dados.

  2. Clique em Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark. Descreva em linguagem natural a consulta ou mutação que você quer gerar e clique em Gerar.

    Por exemplo, se você estiver usando a origem de dados de filmes referenciada no codelab Criar com Data Connect, você pode pedir: Retorne os cinco melhores filmes de 2022, em ordem decrescente por classificação", que pode retornar um resultado como este:

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

  4. Analise a resposta:

    • Se a resposta estiver correta, clique em Inserir para inserir a resposta no editor de código.
    • Se a resposta puder ser refinada, clique em Editar, atualize a instrução e clique em Gerar novamente.

  5. Depois de aceitar a resposta, defina o seguinte na seção Parâmetros, se aplicável:

    • Variáveis: se a consulta ou mutação tiver variáveis, defina-as aqui. Use JSON para defini-los, por exemplo, {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorização: escolha o contexto de autorização (Administrador, Autenticado ou Não autenticado) para executar a consulta ou a mutação.

  6. Clique em Run no editor de código e analise os resultados.

Para testar várias consultas ou mutações no editor de código, verifique se elas estão nomeadas. Por exemplo, a consulta a seguir é chamada de GetMovie. Mova o cursor para a primeira linha da consulta ou mutação para ativar o botão Run.

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

Crie uma mutação que adicione um filme ao banco de dados com base na entrada do usuário

Este exemplo mostra como usar a linguagem natural para gerar uma mutação do GraphQL que preenche seu banco de dados. Neste exemplo, presumimos que você esteja usando o esquema de banco de dados de filmes usado na documentação do Firebase Data Connect e no codelab Criar com Data Connect (Web).

  1. No console do Firebase, abra Data Connect.

  2. Selecione seu serviço e fonte de dados e abra a guia Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark e descreva sua mutação:

    Create a movie based on user input.

  4. Clique em Gerar. A mutação é retornada. Por exemplo, o Gemini pode retornar uma mutação como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para executar a mutação, adicione variáveis. Na seção Parâmetros, abra Variáveis e inclua algumas variáveis de teste:

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

  8. Clique em Executar.

  9. Em seguida, crie uma consulta que verifique se o filme foi adicionado. Clique em Quero ajuda para escrever em GraphQL pen_spark e, na caixa que aparece, digite seu comando:

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

    O Gemini pode retornar uma resposta como esta:

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

  10. Insira e execute a consulta. O filme adicionado vai aparecer no campo Histórico.

Criar uma consulta que liste avaliações com base no gênero e nas classificações fornecidas pelo usuário

Este exemplo mostra como usar a linguagem natural para gerar uma consulta GraphQL. Este exemplo pressupõe que você está usando o banco de dados de filmes usado na documentação do Firebase Data Connect e no codelab "Criar com Data Connect (Web)".

  1. No console do Firebase, abra Data Connect.

  2. Selecione seu serviço e fonte de dados e abra a guia Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark e descreva sua consulta:

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

  4. Clique em Gerar. A consulta é retornada. Por exemplo, o Gemini pode retornar uma consulta como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para testar essa consulta, adicione variáveis. Na seção Parâmetros, abra Variáveis e inclua as variáveis que serão usadas para teste:

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

  8. Clique em Executar.

Escrever comandos para ferramentas de assistência de IA de terceiros

Como em todas as ferramentas de assistência de IA, comandos melhores geram resultados mais úteis.

Quando você envia comandos de linguagem natural para o Gemini em Firebase, nos bastidores, o assistente traduz suas entradas para um comando mais completo.

Se você estiver trabalhando com ferramentas de IA de terceiros, como Cursor ou Windsurf, poderá receber melhores recomendações de Data Connect usando comandos semelhantes e mais detalhados.

Publicamos modelos de comandos para você baixar, adaptar e copiar na sua IDE:

Depois de baixar e modificar, crie um comando em uma ferramenta conhecida (por exemplo, Cursor ou Windsurf) da seguinte maneira:

  • No Cursor (confira as instruções mais recentes do Cursor):

    1. Clique no ícone de configurações no canto superior direito.
    2. Selecione a guia Regras.
    3. Em Regras do projeto, clique no botão Adicionar uma nova regra.
    4. Copie e cole a regra.

  • No Windsurf (confira as instruções mais recentes do Windsurf):

    1. Clique no botão Em cascata no canto superior direito para abrir a janela.
    2. Clique no ícone Personalizações no menu deslizante do canto superior direito em Cascade e navegue até o painel Regras.
    3. Clique no botão + Global ou + Workspace para criar novas regras no nível global ou do espaço de trabalho, respectivamente.
    4. Copie e cole a regra.

Resolver problemas da AI assistance for Data Connect

Consulte Resolver problemas do Gemini no Firebase.

Preços

O AI assistance for Data Connect está disponível como parte do Gemini no Firebase e está incluído para usuários individuais.

Acesse Preços do Gemini no Firebase para mais informações.

Próximas etapas