Utilizzare l'assistenza AI per SQL Connect

Utilizza Gemini in Firebase per creare schemi, query e mutazioni per il codice lato client.

Descrivi la tua app, il modello di dati o una query o una mutazione desiderata in linguaggio naturale e Gemini in Firebase genera l'SQL Connect equivalente.

Questa assistenza AI è disponibile nei seguenti contesti di sviluppo:

  • Nella console Firebase puoi generare, testare ed eseguire il deployment di schemi e operazioni.
  • Nell'ambiente locale, puoi utilizzare l'interfaccia a riga di comando di Firebase e l'estensione SQL Connect VS Code per generare, testare e sviluppare la tua app con l'emulatore.
  • Gli strumenti di sviluppo basati sull'AI possono utilizzare il server Firebase MCP per generare, testare e sviluppare la tua app.

Scopri di più sulla sintassi di SQL Connect schemi, query e mutazioni nelle guide.

In che modo AI assistance for SQL Connect utilizza i tuoi dati

Per ulteriori informazioni, consulta In che modo Gemini in Firebase utilizza i tuoi dati.

Configura AI assistance for SQL Connect

Per utilizzare l'assistenza AI con SQL Connect, abilita Gemini in Firebase come descritto in Configurare Gemini in Firebase.

Generare schemi, query e mutazioni con Gemini in Firebase

Puoi utilizzare l'assistenza AI per SQL Connect in molti flussi di lavoro.

Nella Firebase console

Quando crei un servizio SQL Connect, la console Firebase offre un'esperienza "Inizia a utilizzare Gemini".

Puoi descrivere un'idea di app e l'assistenza AI genera quanto segue:

  • Uno schema completo basato sulla tua idea di app.
  • Esempi di operazioni e mutazioni dei dati.

Nella pagina dei dati, puoi utilizzare il pulsante Aiutami a scrivere GraphQLpen_spark per generare ed eseguire operazioni basate sul linguaggio naturale. Dai un'occhiata ad alcuni esempi di casi d'uso.

Questo flusso di lavoro è descritto nella nostra Guida introduttiva. Puoi continuare nel tuo ambiente di sviluppo locale con lo schema e le operazioni di cui hai eseguito il deployment.

Nell'ambiente locale

Puoi anche ricevere assistenza AI dall'interfaccia a riga di comando di Firebase e dall'estensione SQL Connect VS Code.

Puoi fornire la tua idea di app a firebase init dataconnect e verrà generato quanto segue:

  • Uno schema completo basato sulla tua idea di app.
  • Esempi di operazioni e una mutazione dei dati iniziali.

L'estensione SQL Connect VS Code fornisce le seguenti funzionalità:

  • Genera/Perfeziona l'obiettivo del codice delle operazioni per convertire i commenti GraphQL in SQL Connect operazioni.
  • Integrazione perfetta con Gemini Code Assist e il server Firebase MCP.

Questo flusso di lavoro è descritto nella nostra Guida introduttiva per la prototipazione locale.

Utilizzare il server Firebase MCP con strumenti di sviluppo basati sull'AI

Il server Firebase MCP funziona con tutti gli strumenti di assistenza AI che possono fungere da client MCP, tra cui Gemini CLI, Gemini Code Assist, Cursor, Visual Studio Code Copilot, Claude Desktop e Windsurf Editor.

Il server Firebase MCP fornisce contesto e funzionalità aggiuntivi per aiutare gli strumenti di sviluppo basati sull'AI a funzionare meglio con SQL Connect. Può eseguire le seguenti operazioni:

  • Configurare nuove directory di progetto e SDK generati.
  • Creare e iterare schemi e operazioni in base agli errori di compilazione.
  • Eseguire operazioni su servizi di backend o emulatori locali.
  • Raccogliere informazioni sui servizi esistenti.

Per utilizzare il server Firebase MCP:

  1. Configura il client MCP seguendo questa guida.
  2. Chiedi assistenza relativa a SQL Connect. Esempi di prompt:
    1. "Configura un progetto SQL Connect per un'app di consegna di pizza."
    2. "Correggi gli errori di compilazione di SQL Connect."
    3. "Nella home page, devo mostrare le stanze virtuali attive e l'elenco degli amici. Genera una query."SQL Connect
    4. "Quali utenti sono nel mio emulatore SQL Connect locale?"
    5. In quali regioni Google Cloud si trovano i miei servizi SQL Connect?

Esempi di casi d'uso per la generazione di operazioni

Le sezioni seguenti descrivono esempi di casi d'uso:

Restituire i primi cinque film in ordine decrescente in base alla valutazione

Per utilizzare AI assistance for SQL Connect per generare GraphQL in base al linguaggio naturale:

  1. Apri SQL Connect nel tuo progetto e, in Servizi, seleziona l'origine dati.

  2. Fai clic su Dati.

  3. Fai clic sull'icona pen_spark Aiutami a scrivere GraphQL. Descrivi in linguaggio naturale la query o mutazione che vuoi generare e fai clic su Genera.

    Ad esempio, se utilizzi l'origine dati Movies a cui si fa riferimento nel "Build with SQL Connect (web)" codelab, puoi chiedere "Restituisci i primi cinque film del 2022, in ordine decrescente in base alla valutazione", che potrebbe restituire un risultato simile al seguente:

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

  4. Esamina la risposta:

    • Se la risposta sembra corretta, fai clic su Inserisci per inserirla nell'editor di codice.
    • Se la risposta può essere perfezionata, fai clic su Modifica, aggiorna il prompt e fai clic su Rigenera.

  5. Dopo aver accettato la risposta, imposta quanto segue nella sezione Parametri, se applicabile:

    • Variabili: se la query o la mutazione contiene variabili, definisci le qui. Utilizza JSON per definirle, ad esempio {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorizzazione: scegli il contesto di Autorizzazione (Amministratore, Autenticato o Non autenticato) con cui eseguire la query o la mutazione.

  6. Fai clic su Esegui nell'editor di codice ed esamina i risultati.

Per testare più query o mutazioni nell'editor di codice, assicurati che abbiano un nome. Ad esempio, la seguente query è denominata GetMovie. Sposta il cursore nella prima riga della query o della mutazione per attivare il pulsante Esegui.

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

Creare una mutazione che aggiunge un film al database in base all'input dell'utente

Questo esempio mostra come utilizzare il linguaggio naturale per generare una mutazione GraphQL che popola il database. Questo esempio presuppone che tu stia utilizzando lo schema del database dei film utilizzato nella Firebase SQL Connect documentazione e "Build with SQL Connect (web)" codelab.

  1. Dalla Firebase console, apri SQL Connect.

  2. Seleziona il servizio e l'origine dati, quindi apri la scheda Dati.

  3. Fai clic sull'icona pen_spark Aiutami a scrivere GraphQL e descrivi la mutazione:

    Create a movie based on user input.

  4. Fai clic su Genera. Viene restituita la mutazione. Ad esempio, Gemini potrebbe restituire una mutazione come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Poi, fai clic su Inserisci per inserire la mutazione nell'editor di dati.

  7. Per eseguire la mutazione, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi alcune variabili di test:

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

  8. Fai clic su Esegui.

  9. Poi, crea una query che verifichi che il film sia stato aggiunto. Fai clic su Aiutami a scrivere GraphQL e, nella casella visualizzata, digita il prompt:

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

    Gemini potrebbe restituire una risposta simile alla seguente:

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

  10. Inserisci ed esegui la query. Il film che hai aggiunto dovrebbe essere visualizzato nel campo Cronologia.

Creare una query che elenca le recensioni in base al genere e alle valutazioni fornite dall'utente

Questo esempio mostra come utilizzare il linguaggio naturale per generare una query GraphQL. Questo esempio presuppone che tu stia utilizzando il database dei film utilizzato nella Firebase SQL Connect documentazione e nel "Build with SQL Connect (web)" codelab.

  1. Dalla Firebase console, apri SQL Connect.

  2. Seleziona il servizio e l'origine dati, quindi apri la scheda Dati.

  3. Fai clic sull'icona pen_spark Aiutami a scrivere GraphQL e descrivi la query:

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

  4. Fai clic su Genera. Viene restituita la query. Ad esempio, Gemini potrebbe restituire una query come:

    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. Rivedi l'output. Se necessario, fai clic su Modifica per perfezionare il prompt e fai clic su Rigenera.

  6. Poi, fai clic su Inserisci per inserire la mutazione nell'editor di dati.

  7. Per testare questa query, devi aggiungere variabili. Nella sezione Parametri, apri Variabili e includi le variabili da utilizzare per i test:

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

  8. Fai clic su Esegui.

Progettare prompt per strumenti di assistenza AI di terze parti

Come per tutti gli strumenti di assistenza AI, prompt migliori producono output più utili.

Quando fornisci prompt in linguaggio naturale a Gemini in Firebase, dietro le quinte, l'assistente traduce i tuoi input in un prompt più sviluppato.

Se utilizzi strumenti AI di terze parti come Cursor o Windsurf, puoi ottenere consigli SQL Connect migliori utilizzando prompt simili e più dettagliati.

Abbiamo pubblicato modelli di prompt che puoi scaricare, adattare e copiare nel tuo IDE:

Dopo aver scaricato e modificato, crea un prompt in uno strumento che conosci (ad esempio Cursor o Windsurf) nel seguente modo:

  • In Cursor (assicurati di consultare le istruzioni più recenti di Cursor):

    1. Fai clic sull'icona delle impostazioni in alto a destra.
    2. Seleziona la scheda Regole.
    3. In Regole del progetto, fai clic sul pulsante Aggiungi una nuova regola.
    4. Copia e incolla la regola.

  • In Windsurf (assicurati di consultare le istruzioni più recenti di Windsurf):

    1. Apri la finestra Cascade facendo clic sul pulsante Cascade nell'angolo in alto a destra.
    2. Fai clic sull'icona Personalizzazioni nel menu a scorrimento in alto a destra in Cascade, quindi vai al riquadro Regole.
    3. Fai clic sul pulsante + Globale o + Workspace per creare nuove regole a livello globale o di workspace, rispettivamente.
    4. Copia e incolla la regola.

Risolvere i problemi relativi a AI assistance for SQL Connect

Consulta Risolvere i problemi relativi a Gemini in Firebase.

Prezzi

AI assistance for SQL Connect è disponibile nell'ambito di Gemini in Firebase ed è inclusa per i singoli utenti.

Per ulteriori informazioni, consulta i prezzi di Gemini in Firebase.

Passaggi successivi