Firebase Data Connect şemaları, sorguları ve mutasyonları için yapay zeka desteğinden yararlanma

İstemci tarafı kodunuza ekleyeceğiniz şemalar, sorgular ve mutasyonlar oluşturmanıza yardımcı olması için Firebase içinde Gemini'ı kullanabilirsiniz.

Bir uygulamayı açıklayıp veri modelini özetleyin veya doğal dilde oluşturmak istediğiniz bir sorguyu ya da mutasyonu açıklayın. Firebase, size bunun GraphQL eşdeğerini sunar.

Bu yapay zeka yardımı birçok geliştirme bağlamında kullanılabilir:

  • Firebase konsolunda çıkışı çalıştırıp test edin, şemanızı ve işlemlerinizi üretime dağıtın ve bunları yerel geliştirme ortamınızla senkronize edin.
  • Yerel olarak, Data Connect VS Code uzantımızda yerel bir PostgreSQL veritabanı ve emülatörle Gemini Code Assist kullanarak tasarlayın, çalıştırın ve test edin.

Data Connect Şemalar, sorgular ve mutasyonlar bölümünde sorgular ve mutasyonlar hakkında daha fazla bilgi edinin.

AI assistance for Data Connect verilerinizi nasıl kullanır?

'daki Gemini'ın verilerinizi nasıl kullandığı hakkında daha fazla bilgi edinmek için Firebase'daki Gemini verilerinizi nasıl kullanır? başlıklı makaleyi inceleyin.Firebase

AI assistance for Data Connect ayarlarını yapın

Data Connect'da yapay zeka yardımını ayarlamak için Firebase'da Gemini'ı ayarlama başlıklı makalede açıklandığı şekilde Firebase'da Gemini'ı etkinleştirin, ardından Firebase'da Gemini ile GraphQL sorguları ve mutasyonları oluşturma bölümüne geçin.

Firebase'da Gemini ile GraphQL şemaları, sorguları ve mutasyonları oluşturma

Data Connect için yapay zeka yardımı birçok bağlamda ve iş akışınızın çoğunda kullanılabilir.

Firebase konsolunda yeni bir uygulama ve bu uygulamanın ilk şemasını ve işlemlerini oluşturma

Yeni bir Firebase projesi oluşturup yeni bir uygulama geliştirmek için kurulum yaptığınızda Firebase konsolu, şema ve işlem oluşturma konusunda otomatik olarak yapay zeka yardımı sunar.

Bu kurulum akışı, bir uygulamayı açıklamanıza olanak tanır. Ardından yapay zeka yardımıyla:

  • Tam bir Data Connect şeması oluşturur.
  • Daha sonra istemci koduyla entegre edebileceğiniz yararlı ve temel bir sorgu ve mutasyon grubu oluşturur.

Müşterilerinizle entegrasyona devam etmek için konsolda oluşturulan bu kaynakları yerel geliştirme ortamınızla senkronize edersiniz.

Bu iş akışı Başlangıç kılavuzumuzda açıklanmaktadır.

Firebase konsolunda çalıştırılacak yeni sorgular ve mutasyonlar ekleyin

AI assistance for Data Connect'ı kullanarak doğal dile dayalı GraphQL oluşturmak için:

  1. Projenizde Data Connect simgesini açın ve Hizmetler bölümünde veri kaynağınızı seçin.

  2. Veri'yi tıklayın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın.

  4. Görünen metin alanında, oluşturmak istediğiniz sorguyu veya mutasyonu doğal dilde açıklayın ve Oluştur'u tıklayın.

    Örneğin, "Data Connect ile geliştirin (web)" adlı codelab'de referans verilen Filmler veri kaynağını kullanıyorsanız "2022'nin en iyi beş filmini puanına göre azalan sırada döndür" diye sorabilirsiniz. Bu sorgu, aşağıdaki gibi bir sonuç döndürebilir:

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

  5. Yanıtı inceleyin:

    • Yanıt doğru görünüyorsa yanıtı kod düzenleyiciye eklemek için Ekle'yi tıklayın.
    • Yanıt daha iyi hale getirilebilecekse Düzenle'yi tıklayın, istemi güncelleyin ve Yeniden üret'i tıklayın.

  6. Yanıtı kabul ettikten sonra, varsa Parametreler bölümünde aşağıdakileri ayarlayın:

    • Değişkenler: Sorgunuz veya mutasyonunuz değişkenler içeriyorsa bunları burada tanımlayın. Bunları tanımlamak için JSON kullanın. Örneğin, {"title":"The Matrix", "releaseYear":"1999"}.
    • Yetkilendirme: Sorguyu veya mutasyonu çalıştırmak için Yetkilendirme bağlamını (Yönetici, Kimliği Doğrulanmış veya Kimliği Doğrulanmamış) seçin.

  7. Kod düzenleyicide Çalıştır'ı tıklayın ve sonuçları inceleyin.

Kod düzenleyicide birden fazla sorguyu veya mutasyonu test etmek için bunların adlandırıldığından emin olun. Örneğin, aşağıdaki sorgunun adı GetMovie'dır. Çalıştır düğmesini etkinleştirmek için imlecinizi sorgunun veya mutasyonun ilk satırına getirin.

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

Yerel prototip oluşturma sırasında ilk şemayı ve işlemleri oluşturma

Visual Studio Code ve Data Connect VS Code uzantımızı kullandığınızda yerel prototip oluşturma çalışmalarınız için Gemini Code Assist simgesinden yapay zeka yardımına erişebilirsiniz.

Uzantı, bir uygulamayı açıklamanıza ve ardından Gemini Code Assist:

  • Tam bir Data Connect şeması oluşturur.
  • Daha sonra istemci koduyla entegre edebileceğiniz yararlı ve temel bir sorgu ve mutasyon grubu oluşturur.

Bu iş akışı, Yerel prototip oluşturmaya başlama kılavuzumuzda açıklanmaktadır.

Yerel prototiplemede Firebase MCP sunucusunu kullanma

Firebase KSA'da sağlanan Firebase MCP sunucusu, yapay zeka destekli geliştirme araçlarınıza Firebase projelerinizle çalışma olanağı tanır. Firebase MCP sunucusu; Cursor, Visual Studio Code Copilot ve Windsurf Editor gibi MCP istemcisi olarak hareket edebilen tüm yapay zeka asistanı IDE'leriyle çalışır.

Şemalar, sorgular ve mutasyonlar oluşturmak için MCP sunucusunu kullanabilir ve Firebase KSA ile yaygın işlemleri gerçekleştirmek için girişler toplayabilirsiniz.

MCP sunucusunu kullanmak için:

  1. Sunucuyu bu kılavuzdaki talimatları uygulayarak yükleyin.
  2. dataconnect_generate_schema aracını çağırın, bir uygulamayı açıklayın ve sonuç olarak önerilen şemayı inceleyin.
  3. dataconnect_generate_operation aracını çağırın, şemanızda gerçekleştirmek istediğiniz bir işlemi açıklayın ve sonuç olarak elde edilen önerilen sorguyu veya değişikliği inceleyin.

Diğer Data Connect araçlar için MCP sunucu kılavuzuna bakın.

Diğer AI assistance for Data Connect kullanım alanları

Aşağıdaki bölümlerde, Gemini'dan Data Connect öğesini doldurmak için mutasyon oluşturmanıza yardımcı olmasını isteyebileceğiniz ve ardından sonuçları doğrulamak için sorgulayabileceğiniz bir örnek de dahil olmak üzere örnek kullanım alanları açıklanmaktadır.

Kullanıcı girişine göre veritabanına film ekleyen bir mutasyon oluşturma

Bu bölümde, veritabanınızı doldurmak için kullanabileceğiniz bir mutasyon için GraphQL oluşturmak üzere doğal dil kullanma örneğini inceleyeceksiniz. Bu örnekte, Firebase Data Connect dokümanlarında ve "Data Connect ile geliştirme (web)" codelab'inde kullanılan film veritabanı şemasını kullandığınız varsayılmaktadır.

  1. Firebase konsolundan, Data Connect hizmetini açın.

  2. Hizmetinizi ve veri kaynağınızı seçip Veri sekmesini açın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın ve açılan kutuya sorgunuzu yazın:

    Create a movie based on user input.

  4. Oluştur'u tıklayın. Mutasyon döndürülür. Örneğin, Gemini aşağıdaki gibi bir mutasyon döndürebilir:

    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. Çıkışı inceleyin. Gerekirse istemi iyileştirmek için Düzenle'yi, ardından Yeniden oluştur'u tıklayın.

  6. Ardından, mutasyonu veri düzenleyiciye eklemek için Ekle'yi tıklayın.

  7. Mutasyonu yürütmek için değişkenler eklemeniz gerekir. Parametreler bölümünde Değişkenler'i açın ve bazı test değişkenlerini ekleyin:

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

  8. Çalıştır'ı tıklayın.

  9. Ardından, filminizin eklendiğini doğrulayan bir sorgu oluşturun. GraphQL yazmama yardım et'i pen_spark tıklayın ve açılan kutuya isteminizi yazın:

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

    Gemini aşağıdaki gibi bir yanıt verebilir:

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

  10. Sorguyu ekleyip çalıştırın. Eklediğiniz film, Geçmiş alanında görünür.

Kullanıcı tarafından sağlanan türe ve puanlara göre yorumları listeleyen bir sorgu oluşturun

Bu bölümde, bir sorgu için GraphQL oluşturmak üzere doğal dil kullanma örneğini inceleyeceksiniz. Bu örnekte, Firebase Data Connect dokümanlarında ve "Data Connect ile geliştirme (web)" codelab'inde kullanılan film veritabanını kullandığınız varsayılmaktadır.

  1. Firebase konsolundan, Data Connect hizmetini açın.

  2. Hizmetinizi ve veri kaynağınızı seçip Veri sekmesini açın.

  3. GraphQL yazmama yardım etpen_spark simgesini tıklayın ve açılan kutuya sorgunuzu yazın:

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

  4. Oluştur'u tıklayın. Sorgu döndürülür. Örneğin, Gemini şu gibi bir sorgu döndürebilir:

    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. Çıkışı inceleyin. Gerekirse istemi iyileştirmek için Düzenle'yi, ardından Yeniden oluştur'u tıklayın.

  6. Ardından, mutasyonu veri düzenleyiciye eklemek için Ekle'yi tıklayın.

  7. Bu sorguyu test etmek için değişken eklemeniz gerekir. Parametreler bölümünde Değişkenler'i açın ve test için kullanılacak değişkenleri ekleyin:

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

  8. Çalıştır'ı tıklayın.

Üçüncü taraf yapay zeka yardım araçlarıyla kullanılacak istemler tasarlama

Tüm yapay zeka destekli araçlarda ve aracıların kullanımında olduğu gibi, istemleriniz ne kadar iyi olursa sonuçlarınız da o kadar faydalı olur.

Firebase'da Gemini'a doğal dil istemleri sağladığınızda, asistan arka planda girişlerinizi daha kapsamlı bir isteme çevirir.

Firebase veya diğer Firebase yapay zeka yardım araçlarında Gemini'ı kullanmıyorsanız ve Cursor ya da Windsurf gibi üçüncü taraf yapay zeka araçlarıyla çalışıyorsanız benzer ayrıntılı istemler kullanarak Data Connect hakkında daha iyi öneriler alabilirsiniz.

İndirebileceğiniz, uyarlayabileceğiniz ve IDE'nize kopyalayabileceğiniz istem şablonları yayınladık:

İndirip değiştirdikten sonra, aşağıdaki gibi tanıdık bir araçta (ör. Cursor veya Windsurf) istem oluşturun:

  • Cursor'da (Cursor'ın en son talimatlarını incelediğinizden emin olun):

    1. Sağ üstteki ayarlar simgesini tıklayın.
    2. Kurallar sekmesini seçin.
    3. Proje Kuralları bölümünde Yeni kural ekle düğmesini tıklayın.
    4. Kuralı kopyalayıp yapıştırın.

  • Windsurf'te (Windsurf'ün en son talimatlarını incelediğinizden emin olun):

    1. Sağ üst köşedeki Cascade (Basamak) düğmesini tıklayarak Cascade penceresini açın.
    2. Cascade'deki sağ üst kaydırma menüsünde Özelleştirmeler simgesini tıklayın, ardından Kurallar paneline gidin.
    3. Sırasıyla genel veya çalışma alanı düzeyinde yeni kurallar oluşturmak için + Global ya da + Workspace düğmesini tıklayın.
    4. Kuralı kopyalayıp yapıştırın.

Sorun giderme AI assistance for Data Connect

Firebase'da Gemini ile ilgili sorunları giderme başlıklı makaleyi inceleyin.

Fiyatlandırma

AI assistance for Data Connect, bireysel kullanıcılar için sunulan Firebase'deki Gemini kapsamında kullanılabilir.

Daha fazla bilgi için Gemini in Firebase fiyatlandırması başlıklı makaleyi inceleyin.

Sonraki adımlar