Korzystanie z pomocy AI w przypadku SQL Connect

Używaj Gemini w Firebase, aby tworzyć schematy, zapytania i mutacje na potrzeby kodu po stronie klienta.

Opisz swoją aplikację, model danych lub żądane zapytanie albo mutację w języku naturalnym , a Gemini w Firebase wygeneruje SQL Connect odpowiednik.

Ta pomoc AI jest dostępna w tych kontekstach programistycznych:

  • W konsoli Firebase możesz generować, testować i wdrażać schematy i operacje.
  • W środowisku lokalnym możesz używać wiersza poleceń Firebase i rozszerzenia SQL Connect VS Code do generowania, testowania i tworzenia aplikacji za pomocą emulatora.
  • Narzędzia programistyczne oparte na AI mogą używać serwera Firebase MCP do generowania, testowania i tworzenia aplikacji.

Więcej informacji o SQL Connect schemacie, składni zapytań i mutacji znajdziesz w przewodnikach.

Jak AI assistance for SQL Connect wykorzystuje Twoje dane

Więcej informacji znajdziesz w artykule Jak Gemini w Firebase wykorzystuje Twoje dane.

Konfigurowanie AI assistance for SQL Connect

Aby korzystać z pomocy AI w SQL Connect, włącz Gemini w Firebase zgodnie z opisem w artykule Konfigurowanie Gemini w Firebase.

Generowanie schematów, zapytań i mutacji za pomocą Gemini w Firebase

Pomocy AI w SQL Connect możesz używać w wielu przepływach pracy.

W konsoli Firebase

Gdy tworzysz usługę SQL Connect, w konsoli Firebase wyświetla się komunikat „Pierwsze kroki z Gemini”.

Możesz opisać pomysł na aplikację, a pomoc AI wygeneruje te elementy:

  • Kompletny schemat oparty na Twoim pomyśle na aplikację.
  • Przykładowe operacje i mutacje danych.

Na stronie danych możesz użyć przycisku pen_spark Pomóż mi pisać w GraphQL, aby generować i wykonywać operacje na podstawie języka naturalnego. Zapoznaj się z kilkoma przykładowymi przypadkami użycia cases.

Ten przepływ pracy jest opisany w naszym przewodniku dla początkujących. Możesz kontynuować pracę w lokalnym środowisku programistycznym z wdrożonym schematem i operacjami.

W środowisku lokalnym

Możesz też korzystać z pomocy AI w wierszu poleceń Firebase i rozszerzeniu SQL Connect VS Code.

Możesz podać pomysł na aplikację w poleceniu firebase init dataconnect, a ono wygeneruje te elementy:

  • Kompletny schemat oparty na Twoim pomyśle na aplikację.
  • Przykładowe operacje i mutację danych początkowych.

Rozszerzenie SQL Connect VS Code oferuje te funkcje:

  • Generuje/dopracowuje operacje Code Lens , aby przekształcać komentarze GraphQL w SQL Connect operacje.
  • Płynna integracja z serwerem Firebase MCP.

Ten przepływ pracy jest opisany w naszym przewodniku dla początkujących dotyczącym prototypowania lokalnego.

Używanie serwera Firebase MCP z narzędziami programistycznymi opartymi na AI

Serwer Firebase MCP współpracuje z dowolnymi narzędziami pomocy AI, które mogą działać jako klient MCP, w tym Antigravity, Claude Code i Claude Desktop, Cline, Cursor, VS Code Copilot, Windsurf i innymi.

Serwer Firebase MCP zapewnia dodatkowy kontekst i możliwości, które pomagają narzędziom programistycznym opartym na AI lepiej współpracować z SQL Connect. Może on wykonywać te czynności:

  • Konfigurowanie nowych katalogów projektów i wygenerowanych pakietów SDK.
  • Tworzenie i iterowanie schematów oraz operacji na podstawie błędów kompilacji.
  • Wykonywanie operacji na lokalnym emulatorze lub usługach backendu.
  • Zbieranie informacji o istniejących usługach.

Aby używać serwera Firebase MCP:

  1. Skonfiguruj klienta MCP zgodnie z tym przewodnikiem.
  2. Poproś o pomoc związaną z SQL Connect. Przykłady promptów:
    1. „Skonfiguruj projekt SQL Connect dla aplikacji do dostarczania pizzy”.
    2. „Napraw błędy kompilacji SQL Connect”.
    3. „Na stronie głównej muszę wyświetlać aktywne pokoje czatów i listę znajomych. Wygeneruj zapytanie SQL Connect”.
    4. „Którzy użytkownicy są w moim lokalnym SQL Connect emulatorze?”
    5. „W których regionach Google Cloud znajdują się moje usługi SQL Connect?”

Przykładowe przypadki użycia generowania operacji

W sekcjach poniżej opisujemy przykładowe przypadki użycia:

Zwracanie 5 najlepszych filmów w kolejności malejącej według oceny

Aby użyć AI assistance for SQL Connect do wygenerowania GraphQL na podstawie języka naturalnego:

  1. W konsoli Firebase kliknij Bazy danych i miejsce na dane > SQL Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę pen_spark Pomóż mi pisać w GraphQL. Opisz w języku naturalnym zapytanie lub mutację, które chcesz wygenerować, i kliknij Wygeneruj.

    Jeśli na przykład używasz źródła danych Movies, do którego odwołuje się moduł „Tworzenie aplikacji za pomocą SQL Connect (internet)”, możesz zadać pytanie „Zwróć 5 najlepszych filmów z 2022 roku w kolejności malejącej według oceny”. Może to zwrócić wynik podobny do tego:

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

  4. Sprawdź odpowiedź:

    • Jeśli odpowiedź jest prawidłowa, kliknij Wstaw , aby wstawić ją do edytora kodu.
    • Jeśli odpowiedź można dopracować, kliknij Edytuj, zaktualizuj prompt i kliknij Wygeneruj ponownie.

  5. Po zaakceptowaniu odpowiedzi ustaw w sekcji Parametry te opcje (jeśli dotyczy):

    • Zmienne: jeśli zapytanie lub modyfikacja zawiera zmienne, zdefiniuj je tutaj. Użyj formatu JSON, np. {"title":"The Matrix", "releaseYear":"1999"}.
    • Autoryzacja: wybierz kontekst autoryzacji (Administrator, Uwierzytelniony lub Nieuwierzytelniony), w którym chcesz uruchomić zapytanie lub mutację.

  6. W edytorze kodu kliknij Uruchom i sprawdź wyniki.

Aby przetestować wiele zapytań lub mutacji w edytorze kodu, upewnij się, że mają one nazwy. Na przykład to zapytanie ma nazwę GetMovie. Aby aktywować przycisk Uruchom , umieść kursor w pierwszym wierszu zapytania lub modyfikacji.

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

Tworzenie modyfikacji, która dodaje film do bazy danych na podstawie danych wejściowych użytkownika

Ten przykład pokazuje, jak użyć języka naturalnego do wygenerowania mutacji GraphQL, która wypełnia bazę danych. W tym przykładzie zakładamy, że używasz schematu bazy danych filmów używanego w dokumentacji i module „Tworzenie aplikacji za pomocą (internet)”.Firebase SQL ConnectSQL Connect

  1. W konsoli Firebase kliknij Bazy danych i miejsce na dane > SQL Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę pen_spark Pomóż mi pisać w GraphQL i opisz mutację:

    Create a movie based on user input.

  4. Kliknij Wygeneruj. Mutacja zostanie zwrócona. Na przykład Gemini może zwrócić mutację taką jak ta:

    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. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj , aby dopracować prompt, a następnie kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić modyfikację do edytora danych.

  7. Aby wykonać modyfikację, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i dodaj kilka zmiennych testowych:

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

  8. Kliknij Uruchom.

  9. Następnie utwórz zapytanie, które sprawdzi, czy film został dodany. Kliknij ikonępen_spark Pomóż mi pisać w GraphQL i w wyświetlonym polu wpisz prompt:

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

    Gemini może zwrócić odpowiedź podobną do tej:

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

  10. Wstaw i uruchom zapytanie. Dodany film powinien pojawić się w polu Historia.

Tworzenie zapytania, które wyświetla recenzje na podstawie gatunku i ocen podanych przez użytkownika

Ten przykład pokazuje, jak użyć języka naturalnego do wygenerowania zapytania GraphQL. W tym przykładzie zakładamy, że używasz bazy danych filmów używanej w Firebase SQL Connect dokumentacji i "Tworzenie aplikacji za pomocą SQL Connect (internet)" module.

  1. W konsoli Firebase kliknij Bazy danych i miejsce na dane > SQL Connect.

  2. Wybierz usługę i źródło danych, a następnie otwórz kartę Dane.

  3. Kliknij ikonę pen_spark Pomóż mi pisać w GraphQL i opisz zapytanie:

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

  4. Kliknij Wygeneruj. Zapytanie zostanie zwrócone. Na przykład Gemini może zwrócić zapytanie takie jak to:

    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. Sprawdź dane wyjściowe. W razie potrzeby kliknij Edytuj , aby dopracować prompt, a następnie kliknij Wygeneruj ponownie.

  6. Następnie kliknij Wstaw, aby wstawić modyfikację do edytora danych.

  7. Aby przetestować to zapytanie, musisz dodać zmienne. W sekcji Parametry otwórz Zmienne i dodaj zmienne, których chcesz użyć do testowania:

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

  8. Kliknij Uruchom.

Projektowanie promptów dla narzędzi pomocy AI innych firm

Podobnie jak w przypadku wszystkich narzędzi pomocy AI, lepsze prompty dają bardziej przydatne dane wyjściowe.

Gdy podajesz prompty w języku naturalnym w Gemini w Firebase, za kulisami asystent tłumaczy je na bardziej rozwinięty prompt.

Jeśli pracujesz z narzędziami AI innych firm, takimi jak Cursor czy Windsurf, możesz uzyskać lepsze SQL Connect rekomendacje, używając podobnych, bardziej szczegółowych promptów.

Opublikowaliśmy szablony promptów, które możesz pobrać, dostosować i skopiować do IDE:

Po pobraniu i zmodyfikowaniu utwórz prompt w znanym narzędziu (np. Cursor lub Windsurf) w ten sposób:

  • W Cursor (zapoznaj się z najnowszymi instrukcjami od Cursor):

    1. Kliknij ikonę ustawień w prawym górnym rogu.
    2. Kliknij kartę Reguły.
    3. W sekcji Reguły projektu kliknij przycisk Dodaj nową regulę.
    4. Skopiuj i wklej regułę.

  • W Windsurf (zapoznaj się z najnowszymi instrukcjami od Windsurf):

    1. Otwórz okno Cascade, klikając przycisk Cascade w prawym górnym rogu.
    2. Kliknij ikonę Dostosowania w menu suwaka w prawym górnym rogu Cascade, a następnie przejdź do panelu Reguły.
    3. Kliknij przycisk + Globalne lub + Obszar roboczy, aby utworzyć nowe reguły odpowiednio na poziomie globalnym lub obszaru roboczego.
    4. Skopiuj i wklej regułę.

Rozwiązywanie problemów z AI assistance for SQL Connect

Zobacz Rozwiązywanie problemów z Gemini w Firebase.

Ceny

AI assistance for SQL Connect jest dostępna w ramach Gemini w Firebase i jest bezpłatna dla użytkowników indywidualnych.

Więcej informacji znajdziesz w cenniku Gemini w Firebase pricing for more information.

Dalsze kroki