Lista de verificação de produção para usar o Firebase AI Logic

Quando você estiver pronto para lançar o app e tiver usuários finais reais interagindo com os recursos de IA generativa, consulte esta lista de verificação de práticas recomendadas e considerações importantes.

Geral

Consulte a lista de verificação de lançamento geral para apps que usam o Firebase

Esta lista de verificação de lançamento do Firebase descreve práticas recomendadas importantes antes de lançar qualquer app do Firebase na produção.

Verifique se os projetos do Firebase seguem as práticas recomendadas

Por exemplo, use projetos diferentes do Firebase para desenvolvimento, teste e produção. Consulte mais práticas recomendadas para gerenciar seus projetos.

Acesso e segurança

Consulte a lista de verificação de segurança geral para apps que usam o Firebase

Esta lista de verificação de segurança descreve práticas recomendadas importantes para acesso e segurança de apps e serviços do Firebase.

Comece a aplicar Firebase App Check

Firebase App Check ajuda a proteger as APIs que dão acesso aos modelos Gemini e Imagen. App Check verifica se as solicitações são do seu app real e de um dispositivo autêntico, não adulterado. Ele oferece suporte a provedores de atestado para plataformas Apple (DeviceCheck ou App Attest), Android (Play Integrity) e Web (reCAPTCHA Enterprise), e também oferece suporte a todos esses provedores para apps Flutter e Unity.

Além disso, para se preparar para a proteção aprimorada do App Check por meio da proteção contra repetição, recomendamos ativar o uso de tokens de uso limitado nos seus apps.

Defina restrições para as chaves de API do Firebase

As APIs relacionadas ao Firebase usam chaves de API apenas para identificar o projeto ou app do Firebase, não para autorização para chamar a API.

Restrinja as solicitações apenas a usuários autenticados

Aplique o modo de usuários autenticados no projeto do Firebase para que todas as chamadas do seu app via Firebase AI Logic venham de usuários autenticados do app. Caso contrário, a solicitação será bloqueada.

Faturamento, monitoramento e cota

Evitar cobranças inesperadas

Se o projeto do Firebase estiver no plano de preços Blaze de pagamento por uso:

Configure o monitoramento de IA no console Firebase

Configure o monitoramento de IA para ter visibilidade das principais métricas de desempenho, como solicitações, latência, erros, e uso de tokens. O AI monitoring também ajuda a inspecionar e depurar seus Firebase AI Logic recursos, mostrando traces individuais.

Consulte suas cotas para as APIs subjacentes necessárias

Gerenciamento de configurações

Use uma versão estável do modelo no app de produção

No app de produção, use apenas versões estáveis do modelo (como gemini-2.0-flash-001), não uma versão de pré-lançamento ou experimental ou um alias atualizado automaticamente.

Embora um alias estável atualizado automaticamente aponte para uma versão estável, a versão real do modelo para a qual ele aponta será alterada automaticamente sempre que uma nova versão estável for lançada, o que pode significar comportamento ou respostas inesperadas. Além disso, as versões de pré-lançamento e experimental são recomendadas apenas durante a prototipagem.

Configurar e usar Firebase Remote Config

Com Remote Config, é possível controlar configurações importantes para os recursos de IA generativa na nuvem , em vez de codificar valores no código. Isso significa que você pode atualizar a configuração sem lançar uma nova versão do app.

  • (Altamente recomendado) Mude remotamente o nome do modelo usado no app à medida que novos modelos são lançados ou outros são desativados.

  • (Opcional) Controle de forma dinâmica e até condicional outros parâmetros no app, como configuração de geração de modelo (como tokens de saída máximos), configurações de segurança, instruções do sistema e dados de comando.

  • (Opcional) Defina um parâmetro minimum_version em Remote Config para comparar a versão atual do app com a versão mais recente definida por Remote Config, para mostrar uma notificação de upgrade aos usuários ou forçar os usuários a fazer upgrade.

Defina o local para acessar o modelo

Disponível apenas ao usar Vertex AI Gemini API como provedor de API.

Definir um local para acessar o modelo pode ajudar com os custos e evitar a latência para os usuários.

Se você não especificar um local, o padrão será us-central1. É possível definir este local durante a inicialização ou, opcionalmente, usar Firebase Remote Config para mudar dinamicamente o local com base no local de cada usuário.