Menggunakan bantuan AI untuk SQL Connect

Gunakan Gemini di Firebase untuk membantu membuat skema, kueri, dan mutasi untuk kode sisi klien Anda.

Jelaskan aplikasi, model data, atau kueri atau mutasi yang diinginkan dalam bahasa alami, dan Gemini di Firebase akan membuat padanan SQL Connect.

Bantuan AI ini tersedia dalam konteks pengembangan berikut:

  • Di konsol Firebase, Anda dapat membuat, menguji, dan men-deploy skema dan operasi.
  • Di lingkungan lokal, Anda dapat menggunakan Firebase CLI dan ekstensi VS Code SQL Connect untuk membuat, menguji, dan mengembangkan aplikasi dengan emulator.
  • Alat pengembangan yang didukung AI dapat menggunakan server Firebase MCP untuk membuat, menguji, dan mengembangkan aplikasi Anda.

Pelajari lebih lanjut sintaksis skema, kueri, dan mutasi SQL Connect dalam panduan.SQL Connect

Cara AI assistance for SQL Connect menggunakan data Anda

Untuk mengetahui informasi selengkapnya, lihat Cara Gemini di Firebase menggunakan data Anda.

Menyiapkan AI assistance for SQL Connect

Untuk menggunakan bantuan AI dengan SQL Connect, aktifkan Gemini di Firebase seperti yang dijelaskan dalam Menyiapkan Gemini di Firebase.

Membuat skema, kueri, dan mutasi dengan Gemini di Firebase

Anda dapat menggunakan bantuan AI untuk SQL Connect di banyak alur kerja.

Di konsol Firebase

Saat Anda membuat layanan SQL Connect, konsol Firebase menawarkan pengalaman "Getting started with Gemini".

Anda dapat mendeskripsikan ide aplikasi, dan bantuan AI akan membuat hal berikut:

  • Skema lengkap berdasarkan ide aplikasi Anda.
  • Contoh operasi dan mutasi data.

Dari halaman data, Anda dapat menggunakan tombol Help me write GraphQLpen_spark untuk membuat dan menjalankan operasi berdasarkan bahasa alami. Lihat beberapa contoh kasus penggunaan.

Alur kerja ini dijelaskan dalam Panduan memulai guide. Anda dapat melanjutkan di lingkungan pengembangan lokal dengan skema dan operasi yang di-deploy.

Di lingkungan lokal

Anda juga bisa mendapatkan bantuan AI dari Firebase CLI dan ekstensi VS Code SQL Connect.

Anda dapat memberikan ide aplikasi ke firebase init dataconnect, dan aplikasi akan membuat hal berikut:

  • Skema lengkap berdasarkan ide aplikasi Anda.
  • Contoh operasi dan mutasi data awal.

Ekstensi VS Code SQL Connect menyediakan fitur berikut:

  • Generates/Refine Operations Code Lens untuk mengonversi komentar GraphQL menjadi SQL Connect operasi.
  • Integrasi lancar dengan Gemini Code Assist dan server Firebase MCP.

Alur kerja ini dijelaskan dalam Panduan memulai untuk pembuatan prototipe lokal.

Menggunakan server Firebase MCP dengan alat pengembangan yang didukung AI

Server Firebase MCP berfungsi dengan alat asisten AI apa pun yang dapat bertindak sebagai klien MCP, termasuk Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop, dan Windsurf Editor.

Server Firebase MCP memberikan konteks dan kemampuan tambahan untuk membantu alat pengembangan yang didukung AI bekerja lebih baik dengan SQL Connect. Server ini dapat melakukan hal berikut:

  • Menyiapkan direktori project baru dan SDK yang dibuat.
  • Membangun dan melakukan iterasi pada skema, operasi berdasarkan error kompilasi.
  • Menjalankan operasi terhadap layanan backend atau emulator lokal.
  • Mengumpulkan informasi tentang layanan yang ada.

Untuk menggunakan server Firebase MCP:

  1. Siapkan klien MCP Anda dengan mengikuti panduan ini.
  2. Minta bantuan terkait SQL Connect. Contoh perintah:
    1. "Set up a SQL Connect project for a pizza delivery app."
    2. "Fix SQL Connect compile errors."
    3. "In the home page, I need to show active chat rooms and friend list. Generate a SQL Connect query."
    4. "What users are in my local SQL Connect emulator?"
    5. "What Google Cloud regions are my SQL Connect services in?"

Contoh kasus penggunaan untuk membuat operasi

Bagian berikut menjelaskan contoh kasus penggunaan:

Menampilkan lima film teratas dalam urutan menurun berdasarkan rating

Untuk menggunakan AI assistance for SQL Connect guna membuat GraphQL berdasarkan bahasa alami:

  1. Di konsol Firebase, buka Databases & Storage > SQL Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon pen_spark Help me write GraphQL. Deskripsikan dalam bahasa alami kueri atau mutasi yang ingin Anda buat, lalu klik Generate.

    Misalnya, jika menggunakan sumber data Film yang dirujuk dalam codelab Membangun menggunakan (web) SQL Connect", Anda dapat bertanya, "Tampilkan lima film teratas tahun 2022, dalam urutan menurun berdasarkan rating", yang mungkin akan menampilkan hasil seperti berikut:

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

  4. Tinjau responsnya:

    • Jika respons terlihat benar, klik Insert untuk menyisipkan respons ke editor kode.
    • Jika respons dapat ditingkatkan, klik Edit, perbarui perintah, lalu klik Regenerate.

  5. Setelah Anda menerima respons, tetapkan hal berikut di bagian Parameters, jika berlaku:

    • Variables: Jika kueri atau mutasi Anda berisi variabel, tentukan variabel tersebut di sini. Gunakan JSON untuk menentukannya, misalnya, {"title":"The Matrix", "releaseYear":"1999"}.
    • Authorization: Pilih konteks Authorization (Administrator, Authenticated, atau Unauthenticated) yang akan digunakan untuk menjalankan kueri atau mutasi.

  6. Klik Run di editor kode dan tinjau hasilnya.

Untuk menguji beberapa kueri atau mutasi di editor kode, pastikan kueri atau mutasi tersebut diberi nama. Misalnya, kueri berikut diberi nama GetMovie. Pindahkan kursor ke baris pertama kueri atau mutasi untuk mengaktifkan tombol Run.

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

Membuat mutasi yang menambahkan film ke database berdasarkan input pengguna

Contoh ini menunjukkan cara menggunakan bahasa alami untuk membuat mutasi GraphQL yang mengisi database Anda. Contoh ini mengasumsikan bahwa Anda menggunakan skema database film yang digunakan dalam Firebase SQL Connect dokumentasi dan "Build with SQL Connect (web)" codelab.

  1. Di konsol Firebase, buka Databases & Storage > SQL Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon pen_spark Help me write GraphQL dan jelaskan mutasi Anda:

    Create a movie based on user input.

  4. Klik Generate. Mutasi akan ditampilkan. Misalnya, Gemini mungkin menampilkan mutasi seperti:

    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. Tinjau output-nya. Jika perlu, klik Edit untuk menyempurnakan perintah dan klik Regenerate.

  6. Selanjutnya, klik Insert untuk menyisipkan mutasi ke editor data.

  7. Untuk menjalankan mutasi, Anda harus menambahkan variabel. Dari bagian Parameters, buka Variables dan sertakan beberapa variabel pengujian:

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

  8. Klik Run.

  9. Selanjutnya, buat kueri yang memverifikasi bahwa film Anda telah ditambahkan. Klik Help me write GraphQL pen_spark dan, di kotak yang muncul, ketik perintah Anda:

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

    Gemini mungkin menampilkan respons seperti berikut:

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

  10. Sisipkan dan jalankan kueri. Film yang Anda tambahkan akan muncul di kolom History.

Membuat kueri yang mencantumkan ulasan berdasarkan genre dan rating yang diberikan pengguna

Contoh ini menunjukkan cara menggunakan bahasa alami untuk membuat kueri GraphQL. Contoh ini mengasumsikan bahwa Anda menggunakan database film yang digunakan dalam Firebase SQL Connect dokumentasi dan "Build with SQL Connect (web)" codelab.

  1. Di konsol Firebase, buka Databases & Storage > SQL Connect.

  2. Pilih layanan dan sumber data Anda, lalu buka tab Data.

  3. Klik ikon pen_spark Help me write GraphQL dan jelaskan kueri Anda:

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

  4. Klik Generate. Kueri akan ditampilkan. Misalnya, Gemini mungkin menampilkan kueri seperti:

    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. Tinjau output-nya. Jika perlu, klik Edit untuk menyempurnakan perintah dan klik Regenerate.

  6. Selanjutnya, klik Insert untuk menyisipkan mutasi ke editor data.

  7. Untuk menguji kueri ini, Anda harus menambahkan variabel. Dari bagian Parameters, buka Variables dan sertakan variabel yang akan digunakan untuk pengujian:

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

  8. Klik Run.

Mendesain perintah untuk alat bantuan AI pihak ketiga

Seperti semua alat bantuan AI, perintah yang lebih baik akan menghasilkan output yang lebih berguna.

Saat Anda memberikan perintah bahasa alami ke Gemini di Firebase, di balik layar, asisten akan menerjemahkan input Anda ke perintah yang lebih lengkap.

Jika Anda menggunakan alat AI pihak ketiga seperti Cursor atau Windsurf, Anda bisa mendapatkan rekomendasi SQL Connect yang lebih baik dengan menggunakan perintah yang serupa dan lebih mendetail.

Kami telah memublikasikan template perintah untuk Anda download, sesuaikan, dan salin ke IDE:

Setelah mendownload dan mengubah, buat perintah di alat yang biasa Anda gunakan (misalnya Cursor atau Windsurf) sebagai berikut:

  • Di Cursor (pastikan untuk meninjau petunjuk terbaru dari Cursor):

    1. Klik ikon setelan di kanan atas.
    2. Pilih tab Rules.
    3. Di bagian Project Rules, klik tombol Add a new rule.
    4. Salin dan tempel aturan.

  • Di Windsurf (pastikan untuk meninjau petunjuk terbaru dari Windsurf):

    1. Buka jendela Cascade dengan mengklik tombol Cascade di pojok kanan atas.
    2. Klik ikon Customizations di menu slider kanan atas di Cascade, lalu buka panel Rules.
    3. Klik tombol + Global atau + Workspace untuk membuat aturan baru di tingkat global atau ruang kerja.
    4. Salin dan tempel aturan.

Memecahkan masalah AI assistance for SQL Connect

Lihat Memecahkan masalah Gemini di Firebase.

Harga

AI assistance for SQL Connect tersedia sebagai bagian dari Gemini di Firebase dan disertakan untuk pengguna individual.

Lihat Harga Gemini di Firebase pricing untuk mengetahui informasi selengkapnya.

Langkah berikutnya