ADK i Firebase
Stack, na którym budujemy autorskie aplikacje z AI dla naszych klientów
Czasem standardowe rozwiązanie nie wystarcza. Klient potrzebuje własnej aplikacji, własnego workflow, własnego asystenta AI dla swojego biznesu. Wtedy idziemy ścieżką, którą Google zaprojektował specjalnie do tego: Firebase jako backend, Agent Development Kit dla logiki AI, Genkit jako warstwa middleware, Cloud Run jako runtime. Razem dają stack, na którym da się przejść od prototypu w AI Studio do skalowalnej aplikacji produkcyjnej.
pełny stack
backend, AI, deployment z jednego źródła
mln+
pobrań ADK
open-source
Genkit, ADK pod kontrolą
scale-to-zero
aplikacje płacą tylko za użycie
Standardowy SaaS nie pasuje. Budowa od zera trwa rok. Co dalej?
Standardowe narzędzia AI (Copilot, Gemini Enterprise) świetnie sprawdzają się tam, gdzie potrzeba ogólnego asystenta lub typowych use case'ów. Ale firma rzadko jest typowa. Twój klient ma specyficzny proces, Twój produkt ma własną logikę, Twoja operacja wymaga aplikacji, której nie znajdziesz w katalogu. Co wtedy?
Pewnie znasz przynajmniej jedną z tych sytuacji:
-
Off-the-shelf nie obsługuje Twojej specyfiki
Twoi klienci pracują inaczej niż średnia rynkowa. Standardowe narzędzia obsługują 70% potrzeb, a brakuje tych 30%, które realnie różnicują biznes. Wszelkie obejścia kończą się Excelem i ręcznymi krokami. -
Stack do budowy aplikacji zmienił się trzy razy w ostatnim roku
AI Studio, Antigravity, Firebase, Genkit, ADK, Cloud Run, MCP. Każdy zespół developerski w 2026 musi się w tym odnaleźć od nowa. Zatrudniasz developerów, którzy uczą się przez sześć miesięcy, zanim zaczną dowozić. -
Prototyp działa, ale produkcja to inny świat
Ktoś z biznesu zrobił prototyp w AI Studio, działa, jest entuzjazm. Wdrożenie tej samej logiki dla 5 000 użytkowników z autentykacją, bazą, bezpieczeństwem i audytem to projekt na rok, którego nikt nie chce zaczynać od zera. -
Backend jako problem dla front-endowego zespołu
Twoi developerzy są dobrzy we frontend i mobilkach, ale infrastruktura, baza, autentykacja, kolejki, deployment to dla nich obcy obszar. Tracisz tempo na sprawy, które powinny być załatwione raz.
Stack, którego nie musisz budować od zera
Google przemyślał ten problem i w 2026 udostępnił spójny stack: AI Studio jako miejsce, w którym idea staje się działającym prototypem w minutach, Firebase jako backend gotowy do skalowania, Agent Development Kit (ADK) dla logiki agentów, Genkit jako warstwa middleware production-grade. Wszystko łączy się przez wspólny model deployment, autentykacji i danych. Naszą rolą jest złożyć z tego aplikację pasującą do Twojego konkretnego problemu.
Pracujemy w czterech etapach:
Discovery i prototyp
Zaczynamy od warsztatu produktowego: jakie problemy aplikacja rozwiązuje, kto z niej korzysta, jakie dane mają wpływać. Robimy szybki prototyp w AI Studio z Gemini 3 Pro albo z innymi modelami z Model Garden, żeby zweryfikować pomysł zanim zaczniemy implementację. Często to wystarczy, żeby zarząd zobaczył wartość i zgodził się na pełny projekt.
Architektura i konfiguracja stacku
Projektujemy architekturę aplikacji: Firestore dla danych nierelacyjnych, Cloud SQL z Firebase Data Connect dla relacyjnych, Firebase Authentication dla użytkowników, App Check dla weryfikacji klientów, AI Logic dla wbudowanej GenAI, Genkit dla orkiestracji AI po stronie backendu, ADK dla agentów. Aplikacja jest wdrażana w firebase app hosting.
Implementacja i integracje
Budujemy frontend (web, mobile, najczęściej w Angular lub React), backend w Firebase Functions, agentów w ADK z dostępem do Twoich danych w BigQuery i systemach transakcyjnych przez konektory. Wdrażamy na Cloud Run lub Firebase App Hosting.
Wsparcie i rozwój
Po starcie produkcyjnym przejmujemy bieżące utrzymanie aplikacji w modelu Managed Services GCP. Monitoring (Cloud Observability + Crashlytics), aktualizacje stack-u, optymalizacja kosztów, rozwój o nowe funkcje. Aplikacje napisane na Firebase + Cloud Run skalują się automatycznie, więc utrzymanie jest tańsze niż przy klasycznych deploymentach.
Masz pomysł na aplikację z AI, ale nie wiesz, czy da się go zrealizować?
Opowiedz nam o niej. Na bazie naszego doświadczenia opowiemy, jak Twoja aplikacja może wyglądać, zanim zdecydujesz o pełnym projekcie.
Komponenty, które łączymy w jednej aplikacji
To, co Google nazywa "stack 2026", to siedem powiązanych elementów. Każdy ma swoje miejsce i swoją rolę.
01
AI Studio i Antigravity: prototyp
AI Studio (aistudio.google.com) to środowisko, w którym budujesz prototyp full-stack aplikacji z dostępem do Gemini 3 Pro, Firestore, Authentication i Cloud Run. Google Antigravity to desktopowa wersja tego doświadczenia, z większą kontrolą i pełną integracją z resztą Google Cloud. Świetne narzędzia do walidacji pomysłu w godzinach, nie w tygodniach.
02
Firebase: backend aplikacji
Backend-as-a-Service Google'a: Firestore (NoSQL z vector embeddings dla RAG), Firebase Authentication (logowanie z Google, Apple, e-mail, telefonem), App Check (weryfikacja, że request idzie z Twojej aplikacji), Cloud Messaging (notyfikacje push), Storage (pliki). Firebase Data Connect dodaje Postgres przez GraphQL endpoint, jeśli potrzebujesz relacyjnej bazy.
03
Firebase AI Logic: GenAI po stronie klienta
Wbudowanie generative AI w aplikację mobilną lub webową bez konfiguracji serwerowej. Idealne dla prostych funkcji AI (streszczenie tekstu, rozpoznawanie obrazu, multimodalne interakcje), gdy nie chcesz budować pełnego backendu AI.
04
Agent Development Kit (ADK): agenci
Python-native framework do budowy agentów AI. Ponad 7 milionów pobrań, multi-agent orchestration przez graph-based framework. Long-running agents (nowość z I/O 2026) rozwiązują problem stanowości w długich workflowach. ADK jest model-agnostic (Gemini, Claude, open) i deployment-agnostic (Cloud Run, GKE, lokalnie).
05
Cloud Run: serverless runtime
Tu trafiają aplikacje Firebase i agenci ADK. Scale-to-zero, pay-per-second, GPU dla modeli. Cloud Run jest dziś domyślnym targetem deploymentu dla aplikacji Antigravity i Firebase, więc cały stack żyje na nim natywnie.
Jakie aplikacje budujemy na tym stack-u
Stack Firebase + ADK + Genkit + Cloud Run jest na tyle elastyczny, że obsługuje bardzo różne typy aplikacji. W naszej praktyce powtarzają się cztery główne klasy projektów.
Aplikacje klienckie z AI
Aplikacja mobilna lub webowa dla Twoich klientów, z wbudowanym asystentem AI, personalizacją i analityką. Firebase Authentication obsługuje logowanie, Firestore przechowuje preferencje, AI Logic odpowiada na pytania, Genkit kontroluje koszty i bezpieczeństwo modeli.
Wewnętrzne aplikacje workflow
Dedykowana aplikacja dla Twojego zespołu, której nie ma na rynku w gotowej formie. Zbieranie danych w terenie, akceptacje w nietypowym procesie, monitoring specyficzny dla branży. Buduje się to szybciej niż klasyczny rozwój aplikacji, dzięki gotowym komponentom Firebase.
Agenci dla konkretnego procesu biznesowego
Agent obsługujący zgłoszenia od klientów, analizujący dokumenty w specyficznym formacie, prowadzący dialog według reguł biznesowych. ADK pozwala zbudować takiego agenta z pełną kontrolą logiki, Cloud Run jest runtimem.
Modernizacja istniejących aplikacji
Klient ma już aplikację (najczęściej web), ale chce dodać warstwę AI. Embeddings i RAG, asystent kontekstowy, autouzupełnianie. Robimy to bez przepisywania aplikacji od zera, przez integrację Genkit lub Firebase AI Logic.
Firebase to nie odpowiedź na wszystko
Firebase pasuje świetnie do większości aplikacji w 2026, ale ma swoje granice. Mamy też kompetencje w klasycznym rozwoju aplikacji i otwarcie mówimy, kiedy Firebase nie będzie najlepszym wyborem.
Firebase jest świetny, kiedy:
aplikacja jest event-driven, ma zmienne obciążenie, używa głównie danych nierelacyjnych (Firestore), korzysta z gotowych komponentów (Auth, Storage, AI Logic), działa razem z resztą Google Cloud, ma agresywny budżet czasu na MVP.
Firebase jest mniej oczywisty, kiedy:
aplikacja wymaga bardzo specyficznej kontroli nad bazą relacyjną (chociaż Data Connect z Postgres pomaga), długich procesów stanowych wykraczających poza Cloud Run timeouts, integracji z systemami on-premise z bardzo wymagającym SLA, wymagań compliance, które Firebase nie spełnia.
W tych przypadkach często projektujemy hybrydę: Firebase dla warstwy aplikacji klienckiej, klasyczna architektura (GKE, Compute Engine) dla backendu wymagającego specyficznej kontroli. Naszą wartością jest dobrać proporcje, nie pchać Firebase tam, gdzie nie pasuje.
Dlaczego warto powierzyć budowę aplikacji z AI 7Technology
Google Cloud Sell & Service Partner
Bezpośredni dostęp do najnowszych funkcji Firebase i ADK, w tym tych w preview (Application Design Center z Cloud Next '26, ADK long-running agents z I/O 2026, Antigravity scaffolding). Negocjujemy też warunki kontraktowe dla Twojej organizacji.
Stack 2026 ogarniamy w jednym zespole
AI Studio, Antigravity, Firebase, Genkit, ADK, Cloud Run, MCP. To nie są dla nas hasła z prezentacji, tylko codzienna praca. Twój zespół developerski nie musi przechodzić sześciomiesięcznego onboardingu.
Łączymy aplikację z resztą Twojego IT
Aplikacja autorska zwykle musi rozmawiać z Twoim ERP, CRM, MES, BPM. Mamy kompetencje SAP, Comarch ERP, WEBCON BPS i autorskiego 7MES w tym samym zespole. Twoja aplikacja Firebase ma realny dostęp do danych transakcyjnych, nie żyje w izolacji.
Doradzamy hybrydę, nie sprzedajemy stack-u
Jeśli Twoja aplikacja lepiej pasuje do GKE z klasyczną architekturą, tak powiemy. Jeśli wystarczy klasyczny Firebase bez AI, też tak powiemy. Mapujemy stack do problemu, nie odwrotnie.
Zostajemy po wdrożeniu
Aplikacja w produkcji wymaga ciągłej opieki. Aktualizacje modeli AI, nowe wersje Firebase i Genkit, monitoring kosztów (per-token, per-vCPU-second). W modelu Managed Services GCP przejmujemy tę odpowiedzialność, żeby Twój zespół skupił się na produkcie, nie na infrastrukturze.
Co mówią o nas klienci
"Migracja produkcyjnego SAP była dla nas projektem o najwyższym ryzyku. 7Technology przeprowadziło nas przez nią bez ani jednego nieplanowanego przestoju."
Lucyna Michniewicz
CIO @ VOX
"Szukaliśmy partnera, który weźmie odpowiedzialność za całość, a nie odeśle nas do kolejnego podwykonawcy. Po kilku latach współpracy wiem, że trafiliśmy dobrze."
Edyta Sapijaszko
CIO @ Herbapol
"Automatyzacja procesów na WEBCON BPS zdjęła z naszych zespołów dziesiątki godzin pracy ręcznej miesięcznie. Wdrożenie poszło sprawnie i zgodnie z planem."
Magdalena Obidowska
Project Manager @ Oceanic
Projekty, za które wzięliśmy odpowiedzialność
Środowisko IT dealera Mercedes-Benz w Google Cloud
Migracja kluczowych systemów biznesowych do chmury, a następnie przejęcie i integracja środowiska IT nowego salonu w Sosnowcu - bez przerwy w pracy sprzedaży i serwisu.
System:
Środowisko IT - ok. 55 systemów (m.in. ERP, DMS, systemy kadrowo-płacowe i księgowe, SAP)
Technologia:
Google Cloud Platform, Terraform, SAP
Kluczowe osiągnięcia:
Jedno środowisko dla 5 lokalizacji; przejęcie salonu bez przestoju
Automatyzacja sortowania półtusz w chłodni
Decyzję o przydziale półtuszy do zamówienia zamiast operatora podejmuje algorytm, a rozjazdy na torach przestawiają się same - na podstawie sześciu parametrów każdej sztuki.
System:
System MES 7Technology + dedykowany moduł automatyzacji chłodni
Technologia:
RFID w hakach, sterowniki PLC, integracja z wagami i klasyfikacją mięsności
Kluczowe osiągnięcia:
Kilku pracowników na zmianę → 1 operator; reakcja na zmianę zamówienia w kilka sekund
Od papierowych kart do pełnej identyfikowalności z 7MES
Wdrożenie objęło cały zakład - od rampy przyjęć, przez rozbiór i produkcję, po kontrolę załadunku pod dokiem - z pełną genealogią każdej partii.
System:
7MES (autorski system klasy MES 7Technology)
Technologia:
Comarch ERP XL, wagi hakowe / najazdowe / stanowiskowe / laboratoryjne, skanery i terminale dotykowe
Kluczowe osiągnięcia:
Kompletacja krótsza o 4–5 godzin; genealogia partii od ręki zamiast w dni
Cztery lata cyfryzacji na WEBCON BPS, SAP i AI
Kilkanaście procesów w WEBCON zintegrowanych z SAP, a najnowszy etap zamienił ponad 40 000 dokumentów surowcowych w przeszukiwalną bazę wiedzy dla działu badań.
System:
WEBCON BPS + SAP (moduły FI i MM)
Technologia:
WEBCON BPS, SAP Gateway (OData, REST API), Google Cloud (Gemini, BigQuery, Looker Studio), OCR, KSeF, Autenti
Kluczowe osiągnięcia:
Wyszukiwanie surowca z 2–4 godzin do poniżej 30 sekund
Powiązane technologie i usługi
Technologie:
Usługi
Konsultacje:
Często zadawane pytania o ADK i Firebase
Agent Development Kit to Python-native, open-source framework od Google do budowy AI agentów. Ponad 7 milionów pobrań, blisko 6 trylionów tokenów miesięcznie przetwarzanych przez modele Gemini z poziomu ADK. Multi-agent orchestration przez graph-based framework, long-running agents dla scenariuszy stanowych, model-agnostic i deployment-agnostic.
Firebase to platforma Backend-as-a-Service Google'a do budowy aplikacji mobilnych i webowych. Główne komponenty: Firestore (baza NoSQL), Firebase Authentication, App Check (weryfikacja klientów), Cloud Messaging (notyfikacje), Storage (pliki), App Hosting (deployment), Firebase AI Logic (GenAI po stronie klienta), Data Connect (Postgres przez GraphQL).
Genkit to open-source framework od Firebase do budowy aplikacji AI w JavaScript, Go, Python i Dart. Genkit Middleware działa w Firebase Functions i dodaje funkcje, których brakuje w pojedynczym wywołaniu modelu: retry, fallback, tool approval, observability. Jest komplementarny z ADK, często używamy obu w jednej aplikacji (ADK dla agentów, Genkit dla pozostałej logiki AI).
AI Studio (aistudio.google.com) to webowe środowisko do szybkiego prototypowania pomysłów z dostępem do Gemini 3 Pro i full-stack scaffoldingu na Cloud Run + Firestore + Auth. Antigravity to desktopowa aplikacja (Mac, Windows, Linux), będąca rozwinięciem AI Studio z większą kontrolą i pełną integracją z resztą Google Cloud. Oba są bezpłatne w wersji podstawowej.
Tak, w obu warstwach. ADK jest model-agnostic, możesz używać Gemini, Claude (Opus, Sonnet, Haiku), Grok, Llama, Mistral, Gemma, DeepSeek, Qwen z Model Garden. Genkit również wspiera wiele modeli. Firebase AI Logic dziś jest skupiony na modelach Gemini, ale Google rozszerza wsparcie.
Tak. Firebase i Cloud Run skalują się automatycznie. Firebase obsługuje aplikacje używane przez miliony użytkowników (Spotify, Bloomberg Media, Comcast bazują na elementach tego stacku). Skalowanie jest tańsze niż przy klasycznych deploymentach, bo płacisz tylko za realne zużycie.
To zależy od tego, jak jest zbudowana obecnie. Aplikacje webowe i mobilne często da się stopniowo migrować przez backend (Firebase Functions zamiast własnego API), bazę (Firestore lub Data Connect zamiast własnego SQL), autentykację (Firebase Auth zamiast własnego mechanizmu). Migracja w całości jest możliwa, ale zwykle robimy ją krokami, żeby nie blokować rozwoju produktu.
Wszystkie warstwy są rozliczane per-use. Firebase ma hojny free tier (Spark plan), do produkcji potrzebny jest plan Blaze (płatny). Cloud Run rozlicza vCPU-seconds i GB-seconds. Modele AI rozliczane per-token. Dla średniej aplikacji produkcyjnej miesięczny koszt to zazwyczaj kilkaset do kilku tysięcy USD, zależnie od liczby użytkowników i wywołań AI. Nowi klienci Google Cloud dostają 300 USD darmowych kredytów.
W modelu Managed Services GCP przejmujemy bieżącą opiekę nad aplikacją: aktualizacje stack-u (Firebase, Genkit, ADK), monitoring (Cloud Observability + Crashlytics), optymalizacja kosztów (rightsizing modeli, cache'owanie odpowiedzi), rozwój o nowe funkcje. Aplikacje na tym stack-u są tańsze w utrzymaniu niż klasyczne deploymenty, ale wymagają specyficznej wiedzy.
