extension-to-functions-codebase

Compétence pour convertir une extension Firebase installée (ou la source d'une extension) en une base de code autonome Cloud Functions for Firebase ou en un package npm publiable,…

npx skills add https://github.com/firebase/agent-skills --skill extension-to-functions-codebase

Extension to Functions Codebase & npm Package Migration

Overview

Migrates a Firebase Extension into either:

  1. A local Cloud Functions codebase (functions/src/ for app integration).
  2. A publishable npm package (reusable open-source package exporting V2 functions).

Leverages native Cloud Functions features (declarative IAM, Parameterized Config, SDK Lifecycle Hooks) and modernizes 1st Gen triggers to 2nd Gen using the Destructuring Compatibility Shim.


Target Migration Workflows

  • Target A: Local Functions Codebase (End-User App Integration)

    • Output: Code under functions/src/. Config in .env.
    • Deployment: firebase deploy --only functions.
  • Target B: Publishable npm Package / Shareable Package

    • Output: Reusable npm package exporting V2 functions.
    • Configuration: package.json specifying exports map, engines: { "node": ">=22" }, and peerDependencies: { "firebase-functions": ">=6.0.0" }.
    • Usage: Consumers install package and re-export functions in index.ts (export * from "<package-name>").

Core Rules & Constraints

1. Declarative IAM & APIs (Zero-Local-Overhead)

Use native SDK declarations instead of manual gcloud scripts or console instructions:

  • Use requiresRole("roles/...") for required GCP IAM permissions.
  • Use requiresAPI("service.googleapis.com", "Description") for Google APIs.

2. Global Parameter Access Restriction

  • Never call .value() at top-level module load scope.
  • Initialize global SDK instances inside onInit() or lazy getters:
    import { defineString } from "firebase-functions/params";
    import { onInit } from "firebase-functions/v2";
    
    const dataset = defineString("DATASET_ID");
    let client: BigQuery;
    
    onInit(() => {
      client = new BigQuery({ datasetId: dataset.value() });
    });
    

3. V2 Concurrency & Cost Parity

V2 enables concurrency (up to 80 requests). To preserve V1 single-concurrency pricing, set cpu: "gcf_gen1".


Step-by-Step Migration Execution

Step 1: Inventory Extension Resources

  1. extension.yaml:
    • params → defineString, defineInt, defineBoolean, defineSecret.
    • apis → requiresAPI(...).
    • roles → requiresRole(...).
    • lifecycleEvents → afterFirstDeploy & afterRedeploy.
    • resources → Upgrade 1st Gen triggers to 2nd Gen (onDocumentWritten, onTaskDispatched, onRequest).
  2. Files & Scripts: Preserve devDependencies, test framework (jest), and test scripts.

Step 2: Configure package.json

  • Set name: "<package-name>", engines: { "node": ">=22" }.
  • Set peerDependencies:
    "peerDependencies": {
      "firebase-admin": "^11.0.0 || ^12.0.0",
      "firebase-functions": ">=6.0.0"
    }
    
  • Configure exports map targeting ESM/CommonJS and TypeScript declarations (lib/index.js, lib/index.d.ts).

Step 3: Upgrade Triggers from V1 to V2

  • Firestore: Use onDocumentWritten from firebase-functions/v2/firestore.
  • Tasks: Use onTaskDispatched from firebase-functions/v2/tasks. Remove EXT_INSTANCE_ID when enqueueing tasks.
  • HTTP: Use onRequest from firebase-functions/v2/https.
  • Apply Destructuring Compatibility Shim ({ change, context }, { snapshot, context }) where legacy 1st Gen handlers expect (change, context).

Step 4: Convert Lifecycle Events

Map extension lifecycle events to SDK lifecycle hooks in src/index.ts:

  • onInstall → afterFirstDeploy({ task: { function: "initTask" } })
  • onUpdate / onConfigure → afterRedeploy({ task: { function: "setupTask" } })

Step 5: Package README & Export Instructions

Generate README.md containing:

  1. Installation instructions (npm install).
  2. Re-export snippet (export * from "<package-name>").
  3. Parameterized Configuration .env reference table.
  4. What Changed (Extension vs Package) comparison table.

Reminder: NEVER execute npm publish.

Plus de skills de firebase

developing-genkit-dart
firebase
SDK IA unifié pour Dart permettant la génération de code, les sorties structurées, les outils, les flux et les agents. Fournit des API centrales pour la génération, la définition d'outils, l'orchestration de flux, les embeddings et le streaming avec une interface unique. Inclut 8+ plugins pour les fournisseurs LLM (Google Gemini, Anthropic Claude, OpenAI GPT), Firebase AI, Model Context Protocol, l'intégration du navigateur Chrome et l'hébergement de serveur HTTP via Shelf. CLI intégré avec interface utilisateur de développement local pour l'exécution de flux, le traçage, l'expérimentation de modèles et...
developing-genkit-go
firebase
Développez des applications alimentées par l'IA en utilisant Genkit en Go. Utilisez lorsque l'utilisateur demande de créer des fonctionnalités d'IA, des agents, des flux ou des outils en Go avec Genkit, ou lorsque vous travaillez…
developing-genkit-js
firebase
Créez des applications Node.js/TypeScript alimentées par l'IA avec les flux, outils et support multi-modèle de Genkit. Genkit est indépendant du fournisseur ; il prend en charge Google AI, OpenAI, Anthropic, Ollama et d'autres fournisseurs de LLM via des plugins. Définissez des flux avec des schémas typés sécurisés utilisant Zod, exécutez des requêtes de génération et composez des workflows IA multi-étapes en TypeScript. Nécessite Genkit CLI v1.29.0+ ; des changements majeurs récents de l'API signifient que vous devez consulter genkit docs:read et common-errors.md pour les modèles actuels, et non les connaissances antérieures...
developing-genkit-python
firebase
Développez des applications alimentées par l'IA en utilisant Genkit en Python. Utilisez lorsque l'utilisateur pose des questions sur Genkit, les agents IA, les flux ou les outils en Python, ou lorsqu'il rencontre Genkit…
developing-genkit-tooling
firebase
Meilleures pratiques pour créer des outils Genkit, incluant les commandes CLI et les outils serveur MCP. Couvre les conventions de nommage, les modèles architecturaux et la cohérence…
firebase-ai-logic
firebase
We need to translate the given text from English to French. The text describes a client-side Gemini integration for web apps. We must preserve the name "firebase-ai-logic" but it's not in the text, so we don't include it. We translate only the text inside <text>. No extra labels. Keep technical terms like "Gemini", "Gemini Nano", "Chrome", "Cloud Storage", "App Check", "JSON", "multimodal", "streaming", "hybrid execution", "on-device inference", "fallback", etc. Translate the rest naturally. The text: "Client-side Gemini integration for web apps with multimodal inference, streaming, and on-device hybrid execution. Supports text-only and multimodal inputs (images, audio, video, PDFs); files over 20 MB route through Cloud Storage Includes chat sessions with automatic history, streaming responses for real-time display, and structured JSON output enforcement Offers hybrid on-device inference via Gemini Nano in Chrome, with automatic fallback to cloud execution Requires App Check for production..." We need to
firebase-ai-logic
firebase
Intégrez Firebase AI Logic (Gemini dans Firebase) pour des fonctionnalités d’application intelligentes. Utilisez lors de l’ajout de capacités d’IA aux applications Firebase, de la mise en œuvre d’IA générative…
firebase-ai-logic-basics
firebase
Compétence officielle pour intégrer Firebase AI Logic (API Gemini) dans les applications web. Couvre la configuration, l'inférence multimodale, la sortie structurée et la sécurité.