extension-to-functions-codebase

Skill untuk mengonversi Firebase Extension yang terinstal (atau sumber ekstensi) menjadi codebase Cloud Functions for Firebase yang berdiri sendiri atau paket npm yang dapat dipublikasikan,…

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.

Lebih banyak skill dari firebase

developing-genkit-dart
firebase
SDK AI terpadu untuk Dart yang memungkinkan pembuatan kode, output terstruktur, alat, alur, dan agen. Menyediakan API inti untuk pembuatan, definisi alat, orkestrasi alur, embeddings, dan streaming dengan satu antarmuka. Mencakup 8+ plugin untuk penyedia LLM (Google Gemini, Anthropic Claude, OpenAI GPT), Firebase AI, Model Context Protocol, integrasi peramban Chrome, dan hosting server HTTP melalui Shelf. CLI bawaan dengan UI pengembangan lokal untuk eksekusi alur, penelusuran, eksperimen model, dan...
developing-genkit-go
firebase
Kembangkan aplikasi bertenaga AI menggunakan Genkit di Go. Gunakan saat pengguna meminta untuk membangun fitur AI, agen, alur, atau alat di Go menggunakan Genkit, atau saat bekerja…
developing-genkit-js
firebase
Bangun aplikasi Node.js/TypeScript bertenaga AI dengan alur, alat, dan dukungan multi-model Genkit. Genkit tidak bergantung pada penyedia; mendukung Google AI, OpenAI, Anthropic, Ollama, dan penyedia LLM lainnya melalui plugin. Tentukan alur dengan skema yang aman tipe menggunakan Zod, jalankan permintaan generasi, dan susun alur kerja AI multi-langkah dalam TypeScript. Membutuhkan Genkit CLI v1.29.0+; perubahan API besar baru-baru ini berarti Anda harus merujuk pada genkit docs:read dan common-errors.md untuk pola terkini, bukan pengetahuan sebelumnya...
developing-genkit-python
firebase
Kembangkan aplikasi bertenaga AI menggunakan Genkit di Python. Gunakan saat pengguna bertanya tentang Genkit, agen AI, alur, atau alat di Python, atau saat menemui Genkit…
developing-genkit-tooling
firebase
Praktik terbaik untuk menulis perangkat Genkit, termasuk perintah CLI dan alat server MCP. Mencakup konvensi penamaan, pola arsitektur, dan konsistensi…
firebase-ai-logic
firebase
Integrasi Gemini sisi klien untuk aplikasi web dengan inferensi multimodal, streaming, dan eksekusi hibrida di perangkat. Mendukung input teks saja dan multimodal (gambar, audio, video, PDF); file di atas 20 MB dialihkan melalui Cloud Storage. Menyertakan sesi obrolan dengan riwayat otomatis, respons streaming untuk tampilan real-time, dan penerapan output JSON terstruktur. Menawarkan inferensi hibrida di perangkat melalui Gemini Nano di Chrome, dengan fallback otomatis ke eksekusi cloud. Memerlukan App Check untuk produksi...
firebase-ai-logic
firebase
Integrasikan Firebase AI Logic (Gemini di Firebase)
firebase-ai-logic-basics
firebase
Keterampilan resmi untuk mengintegrasikan Firebase AI Logic (Gemini API) ke dalam aplikasi web. Mencakup pengaturan, inferensi multimodal, keluaran terstruktur, dan keamanan.