Usar a assistência de IA para esquemas, consultas e mutações do Firebase Data Connect

Use o Gemini no Firebase para criar esquemas, consultas e mutações para incluir no código do lado do cliente.

Descreva um app e resuma o modelo de dados dele ou descreva uma consulta ou mutação que você quer gerar em linguagem natural, e o Gemini no Firebase vai fornecer o equivalente em GraphQL.

Essa assistência de IA está disponível em vários contextos de desenvolvimento:

  • No console do Firebase, execute e teste a saída, implante seu esquema e operações na produção e sincronize-os com seu ambiente de desenvolvimento local.
  • Localmente, na extensão Data Connect do VS Code, crie, execute e teste usando Gemini Code Assist com um banco de dados e um emulador PostgreSQL locais.

Saiba mais sobre consultas e mutações em esquemas, consultas e mutações do Data Connect.

Como o AI assistance for Data Connect usa seus dados

Consulte Como o Gemini no Firebase usa seus dados para mais informações sobre como o Gemini no Firebase usa seus dados.

Configurar AI assistance for Data Connect

Para configurar a assistência da IA no Data Connect, ative o Gemini no Firebase, como descrito em Configurar o Gemini no Firebase, e acesse Gerar consultas e mutações GraphQL com o Gemini no Firebase.

Gerar esquemas, consultas e mutações GraphQL com o Gemini em Firebase

A assistência de IA para Data Connect está disponível em vários contextos e fluxos de trabalho.

Crie um novo app e o esquema e as operações iniciais dele no console Firebase.

Quando você cria um projeto do Firebase e configura para desenvolver um novo app, o console Firebase oferece automaticamente assistência de IA para geração de esquemas e operações.

Esse fluxo de configuração permite descrever um app e depois usar a assistência de IA para:

  • Gera um esquema Data Connect completo.
  • Gera um conjunto útil e essencial de consultas e mutações que podem ser integradas ao código do cliente.

Sincronize esses recursos criados no console com seu ambiente de desenvolvimento local para continuar a integração com seus clientes.

Esse fluxo de trabalho é descrito no nosso Guia para iniciantes.

Adicionar novas consultas e mutações para serem executadas no console Firebase

Para usar AI assistance for Data Connect para gerar GraphQL com base na linguagem natural:

  1. Abra Data Connect no seu projeto e, em Serviços, selecione a fonte de dados.

  2. Clique em Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark.

  4. No campo de texto que aparece, descreva em linguagem natural a consulta ou mutação que você quer gerar e clique em Gerar.

    Por exemplo, se você estiver usando a origem de dados de filmes referenciada no codelab Criar com Data Connect, você pode pedir: Retorne os cinco melhores filmes de 2022, em ordem decrescente por classificação", que pode retornar um resultado como este:

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

  5. Analise a resposta:

    • Se a resposta estiver correta, clique em Inserir para inserir a resposta no editor de código.
    • Se a resposta puder ser refinada, clique em Editar, atualize a instrução e clique em Gerar novamente.

  6. Depois de aceitar a resposta, defina o seguinte na seção Parâmetros, se aplicável:

    • Variáveis: se a consulta ou mutação tiver variáveis, defina-as aqui. Use JSON para defini-los, por exemplo, {"title":"The Matrix", "releaseYear":"1999"}.
    • Autorização: escolha o contexto de autorização (Administrador, Autenticado ou Não autenticado) para executar a consulta ou a mutação.

  7. Clique em Run no editor de código e analise os resultados.

Para testar várias consultas ou mutações no editor de código, verifique se elas estão nomeadas. Por exemplo, a consulta a seguir é chamada de GetMovie. Mova o cursor para a primeira linha da consulta ou mutação para ativar o botão Run.

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

Criar um esquema e operações iniciais durante a criação de protótipos locais

A assistência de IA está disponível em Gemini Code Assist para seu trabalho de prototipagem local quando você usa o Visual Studio Code e a extensão Data Connect VS Code.

Com a extensão, você pode descrever um app e depois Gemini Code Assist:

  • Gera um esquema Data Connect completo.
  • Gera um conjunto útil e essencial de consultas e mutações que podem ser integradas ao código do cliente.

Esse fluxo de trabalho é descrito no nosso guia de primeiros passos para prototipagem local.

Usar o servidor MCP do Firebase em prototipagem local

O servidor MCP do Firebase, fornecido na CLI Firebase, permite que suas ferramentas de desenvolvimento com tecnologia de IA trabalhem com seus projetos do Firebase. O servidor MCP do Firebase funciona com qualquer IDE de assistente de IA que possa atuar como um cliente MCP, incluindo Cursor, Visual Studio Code Copilot e Windsurf Editor.

É possível usar o servidor MCP para gerar esquemas, consultas e mutações, além de coletar entradas para realizar operações comuns com a CLI Firebase.

Para usar o servidor MCP:

  1. Instale o servidor seguindo este guia.
  2. Invoque a ferramenta dataconnect_generate_schema, descreva um app e analise o esquema recomendado resultante.
  3. Invoque a ferramenta dataconnect_generate_operation, descreva uma operação que você quer realizar no seu esquema e revise a consulta ou mutação recomendada resultante.

Para mais ferramentas de Data Connect, consulte o guia do servidor MCP.

Mais casos de uso do AI assistance for Data Connect

As seções a seguir descrevem exemplos de casos de uso, incluindo um em que você pode pedir ao Gemini para ajudar a criar uma mutação para preencher Data Connect e depois consultar para verificar os resultados.

Crie uma mutação que adicione um filme ao banco de dados com base na entrada do usuário

Nesta seção, vamos mostrar um exemplo de como usar a linguagem natural para gerar GraphQL para uma mutação que pode ser usada para preencher seu banco de dados. Neste exemplo, presumimos que você esteja usando o esquema do banco de dados de filmes usado na documentação do Firebase Data Connect e no codelab "Criar com Data Connect (Web)".

  1. No console do Firebase, abra Data Connect.

  2. Selecione seu serviço e fonte de dados e abra a guia Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark e, na caixa que aparecer, digite sua consulta:

    Create a movie based on user input.

  4. Clique em Gerar. A mutação é retornada. Por exemplo, o Gemini pode retornar uma mutação como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para executar a mutação, adicione variáveis. Na seção Parâmetros, abra Variáveis e inclua algumas variáveis de teste:

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

  8. Clique em Executar.

  9. Em seguida, crie uma consulta que verifique se o filme foi adicionado. Clique em Quero ajuda para escrever em GraphQL pen_spark e, na caixa que aparecer, digite seu comando:

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

    O Gemini pode retornar uma resposta como esta:

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

  10. Insira e execute a consulta. O filme adicionado vai aparecer no campo Histórico.

Criar uma consulta que liste avaliações com base no gênero e nas classificações fornecidas pelo usuário

Nesta seção, você vai conferir um exemplo de como usar a linguagem natural para gerar GraphQL em uma consulta. Este exemplo pressupõe que você está usando o banco de dados de filmes usado na documentação do Firebase Data Connect e no codelab Criar com Data Connect (Web).

  1. No console do Firebase, abra Data Connect.

  2. Selecione seu serviço e fonte de dados e abra a guia Dados.

  3. Clique no ícone Quero ajuda para escrever em GraphQLpen_spark e, na caixa que aparece, digite sua consulta:

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

  4. Clique em Gerar. A consulta é retornada. Por exemplo, o Gemini pode retornar uma consulta como:

    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. Verifique a saída. Se necessário, clique em Editar para refinar o comando e clique em Gerar novamente.

  6. Em seguida, clique em Inserir para inserir a mutação no editor de dados.

  7. Para testar essa consulta, adicione variáveis. Na seção Parâmetros, abra Variáveis e inclua as variáveis que serão usadas para teste:

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

  8. Clique em Executar.

Criar comandos para usar com ferramentas de assistência de IA de terceiros

Como em todas as ferramentas e agentes de assistência de IA, quanto melhores forem seus comandos, mais úteis serão as saídas.

Quando você fornece comandos em linguagem natural para o Gemini em Firebase, nos bastidores, o assistente traduz suas entradas para um comando mais completo.

Se você não estiver usando o Gemini no Firebase ou outra assistência de IA do Firebase e estiver trabalhando com ferramentas de IA de terceiros, como Cursor ou Windsurf, poderá receber recomendações melhores sobre Data Connect usando comandos semelhantes e mais detalhados.

Publicamos modelos de comandos para você baixar, adaptar e copiar na sua IDE:

Depois de baixar e modificar, crie um comando em uma ferramenta conhecida (por exemplo, Cursor ou Windsurf) da seguinte maneira:

  • No Cursor (confira as instruções mais recentes do Cursor):

    1. Clique no ícone de configurações no canto superior direito.
    2. Selecione a guia Regras.
    3. Em Regras do projeto, clique no botão Adicionar uma nova regra.
    4. Copie e cole a regra.

  • No Windsurf (confira as instruções mais recentes do Windsurf):

    1. Clique no botão Em cascata no canto superior direito para abrir a janela.
    2. Clique no ícone Personalizações no menu deslizante do canto superior direito em Cascade e navegue até o painel Regras.
    3. Clique no botão + Global ou + Workspace para criar novas regras no nível global ou do espaço de trabalho, respectivamente.
    4. Copie e cole a regra.

Resolver problemas AI assistance for Data Connect

Consulte Resolver problemas do Gemini no Firebase.

Preços

O AI assistance for Data Connect está disponível como parte do Gemini no Firebase, que está incluído para usuários individuais.

Acesse Preços do Gemini no Firebase para mais informações.

Próximas etapas