Utiliser l'assistance IA pour SQL Connect

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

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

Dans la console Firebase

Lorsque vous créez un service SQL 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.
• Des exemples d'opérations et de mutations de données.

Sur la page de données, vous pouvez utiliser le bouton **Aide-moi à écrire du GraphQL**pen_spark pour générer et exécuter des opérations basées sur le langage naturel. Consultez quelques exemples de cas d'utilisation.

Ce workflow est décrit dans notre guide Premiers pas. 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 SQL Connect VS Code.

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.
• Des exemples d'opérations et une mutation de données d'amorçage.

L'extension SQL Connect VS Code fournit les fonctionnalités suivantes :

• Générer/Affiner le code des opérations pour convertir les commentaires GraphQL en SQL Connect opérations.
• Intégration parfaite au serveur Firebase MCP.

Ce workflow est décrit dans notre guide Premiers pas pour le prototypage local.

Utiliser le serveur Firebase MCP avec des outils de développement basés sur l'IA

Le serveur Firebase MCP fonctionne avec tous les outils d'assistance IA pouvant agir en tant que client, y compris Antigravity, Gemini CLI et Gemini Code Assist, Claude Code et Claude Desktop, Cline, Cursor, VS Code Copilot, Windsurf, etc.

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

• Configurer de nouveaux répertoires de projet et des SDK générés.
• Créer et itérer des schémas et des opérations en fonction des erreurs de compilation.
• Exécuter des opérations sur l'émulateur local ou les services de backend.
• Collecter des informations sur les services existants.

Pour utiliser le serveur Firebase MCP :

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

Exemples de cas d'utilisation pour générer des opérations

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

• Afficher les cinq meilleurs films par ordre décroissant de note
• Créer une mutation qui ajoute un film à la base de données en fonction de l'entrée utilisateur
• Créer une requête qui liste les avis en fonction du genre et des notes fournis par l'utilisateur

Afficher les cinq meilleurs films par ordre décroissant de note

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

1. Dans la console Firebase, accédez à Bases de données et stockage > SQL Connect.

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

3. Cliquez sur l'icône pen_spark Aide-moi à écrire du GraphQL. 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 Movies référencée dans l'atelier de programmation "Créer avec SQL Connect (Web)", vous pouvez demander "Afficher les cinq meilleurs films de 2022 par ordre décroissant de note". Vous obtiendrez peut-être un résultat semblable à 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, mettez à jour le prompt, puis cliquez sur Régénérer.

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 et 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 entrées utilisateur

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

1. Dans la console Firebase, accédez à Bases de données et stockage > SQL Connect.

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

3. Cliquez sur l'icône pen_spark Aide-moi à écrire du GraphQL 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 le prompt, puis cliquez 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 été ajouté. Cliquez sur l'icônepen_spark Aide-moi à écrire du GraphQL et, dans la zone qui s'affiche, saisissez votre prompt :

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

   Gemini peut renvoyer une réponse comme 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

Cet exemple montre comment utiliser le langage naturel pour générer une requête GraphQL. Cet exemple suppose que vous utilisez la base de données de films utilisée dans la Firebase SQL Connect documentation et "Créer avec SQL Connect (Web)" atelier de programmation.

1. Dans la console Firebase, accédez à Bases de données et stockage > SQL Connect.

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

3. Cliquez sur l'icône pen_spark Aide-moi à écrire du GraphQL 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 le prompt, puis cliquez 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 des variables à utiliser pour les tests :

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

8. Cliquez sur Exécuter.

Concevoir des prompts pour les outils d'assistance IA tiers

Comme pour tous les outils d'assistance IA, de meilleurs prompts génèrent des résultats plus utiles.

Lorsque vous fournissez des prompts en langage naturel à Gemini dans Firebase, l'assistant traduit vos entrées en un prompt plus développé en arrière-plan.

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

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

• Un modèle de prompt pour la génération de schémas
• Un modèle de prompt pour la génération d'opérations

Après avoir téléchargé et modifié un modèle, créez un prompt dans un outil que vous connaissez (par exemple, Cursor ou Windsurf) comme suit :

• Dans Cursor (veillez à 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 (veillez à 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 coulissant en haut à droite de Cascade, puis accédez au panneau Règles.
  3. Cliquez sur le bouton + Global ou + Espace de travail 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 AI assistance for SQL Connect

Consultez Résoudre les problèmes liés à Gemini dans Firebase.

Tarifs

AI assistance for SQL Connect est disponible dans Gemini dans Firebase et est incluse pour les utilisateurs individuels.

Pour en savoir plus, consultez Tarifs de Gemini dans Firebasepour plus d' informations.

Étapes suivantes

• En savoir plus sur les schémas, requêtes et mutations.
• En savoir plus sur Gemini dans Firebase.