Як створити AI-powered додаток на Laravel + MongoDB за допомогою Laravel Boost

Уявіть, що ви створюєте нову функцію для свого продукту.

Нічого масштабного — просто розумніший спосіб досліджувати дані про нерухомість, щось на кшталт легкого браузера Airbnb.

А замість написання складних запитів ви хочете, щоб розробники ставили питання простою природною мовою, наприклад:

«Покажи мені апартаменти в Barcelona до $100.»
«Знайди місця в Porto з WiFi та щонайменше 2 спальнями.»

Жодного синтаксису, який треба запам’ятовувати.

Ніяких здогадок.

Просто намір → результат.

У цьому навчальному посібнику ми зробимо невеликий, але потужний проєкт, який робить саме це, використовуючи:

• Laravel 12.
• MongoDB Atlas.
• Laravel Boost для запитів у природній мові.
• AI-discoverable helper methods, які стають частиною вашої предметної області.

Замість списку розділених кроків ми побудуємо цей проєкт як наратив, де кожен крок природно виникає з потреб попереднього.

Починаємо.

# What we’re building

Наша мета — створити Airbnb Explorer, невеликий модуль для Laravel, який вміє:

• Отримувати реальні дані про нерухомість із набору даних MongoDB sample_airbnb.
• Відповідати на запитання в природній мові за допомогою Laravel Boost.
• Генерувати інсайти за допомогою MongoDB aggregations.
• Надавати повторно використовувані, AI-discoverable domain helpers.
• Підтримувати сучасний робочий процес, орієнтований на наміри.

Це не буде «ще один CRUD».

Це поступовий шлях від ідеї → використання → абстракція → інсайт.

# Why MongoDB for this project?

Перш ніж занурюватися в код, варто пояснити, чому MongoDB підходить для такого дослідницького, AI-асистованого застосунку.

# 1. Flexible document schema

Кожен запис у наборі sample_airbnb містить багато полів:

• Вкладені об'єкти (наприклад address)
• Масиви (наприклад amenities)
• Необов’язкові поля
• Різна структура між документами

Документна модель MongoDB дозволяє природно зберігати й запитувати такі структури без міграцій чи жорсткої схеми.

Для дослідницької розробки й AI-згенерованих запитів ця гнучкість дуже корисна.

# 2. Rich query capabilities

MongoDB пропонує:

• Потужну фільтрацію.
• Геопросторові запити.
• Повні aggregation pipelines.
• Фасетну аналітику.
• Запити по масивах.
• Гнучке індексування.

Це природно відповідає типовим завданням пошуку нерухомості, особливо коли результати формуються динамічною користувацькою наміром або AI-обмеженнями.

# 3. Built-in analytics engine (aggregation framework)

MongoDB aggregation pipeline дозволяє отримувати інсайти, наприклад:

• Середня ціна за типом нерухомості.
• Розподіл кількості спалень.
• Найпопулярніші amenities.

Усе всередині бази даних — без додаткового шару аналітики.

# What is Laravel Boost?

Laravel Boost — це нова функція Laravel, що приносить розробку в природній мові у ваш робочий процес.

Вона складається з трьох частин:

# 1. The Boost assistant (IDE integration)

Це бічна панель в популярних редакторах, як-от VS Code, PHPStorm, Sublime Text і Cursor.

Вона надає:

• Запити у природній мові.
• Генерацію коду.
• Розуміння проєкту.
• Виконання PHP-коду в ізольованому середовищі.
• Пояснення та допомогу з рефакторингом.

Це основний інтерфейс, через який розробники «спілкуються» з проєктом.

# 2. The Boost engine (inside your Laravel project)

Коли ви вмикаєте Boost у проєкті, Laravel додає:

• Метадані файли.
• Підказки про структуру.
• Визначення контексту.
• Механізми безпечного виконання коду.

Boost використовує це, щоб зрозуміти моделі, методи й структуру вашого проєкту.

# 3. AI-discoverable methods

Boost здатен відкривати методи вашої моделі через:

• Конвенції в іменах.
• PHPDoc-коментарі.
• Приклади.
• Типи параметрів.

Це робить вашу доменну логіку «живою» — AI природно звертається до хелперів, які ви визначаєте.

# Installing Laravel Boost

Щоб використовувати Boost у проєкті, його вмикають під час створення проєкту.

Laravel надає прапорець:

laravel new airbnb-explorer --boost

Це:

• Скелює файли метаданих Boost.
• Налаштовує проєкт для AI-підтримки.
• Дозволяє розширенню Boost в IDE одразу розуміти проєкт.

Якщо ви вже створили проєкт, Boost можна ввімкнути вручну:

php artisan boost:install

Але рекомендований спосіб — і єдиний, що розглядається в цьому посібнику — це прапорець --boost при створенні проєкту.

# Spinning up the world (setting up Laravel + MongoDB)

Почніть зі створення нового Laravel-проєкту з увімкненим Boost:

laravel new airbnb-explorer

Прапорець --boost створює необхідні файли метаданих і конфігурації, які дозволяють Laravel Boost зрозуміти структуру проєкту та виконувати інструкції на природній мові.

На боці MongoDB створіть безкоштовний кластер M0 в Atlas і завантажте набір даних sample_airbnb, який містить понад 5 000 реальних оголошень.

Цей набір даних стане «світом», який потім досліджуватиме ваш AI-асистент.

# Connecting the dots: Laravel ↔ MongoDB

Встановіть PHP-розширення MongoDB і пакет Laravel MongoDB:

pecl install mongodb
composer require mongodb/laravel-mongodb

Додайте підключення до .env:

MONGODB_URI="mongodb+srv://<user>:<pass>@cluster.mongodb.net"
MONGODB_DATABASE="sample_airbnb"
DB_CONNECTION=mongodb

Потім перевірте з’єднання:

DB::connection('mongodb')->getCollection('listingsAndReviews')->countDocuments();

Якщо ви побачите щось на кшталт 5555, ваш світ офіційно підключений.

# Giving shape to the data (creating the model)

Тепер Laravel має спосіб «думати» про вашу колекцію MongoDB.

Створіть модель:

php artisan make:model ListingAndReviews

Потім налаштуйте її:

use MongoDB\Laravel\Eloquent\Model;
 
class ListingAndReviews extends Model
{
    protected $connection = 'mongodb';
    protected $collection = 'listingsAndReviews';
 
    protected $fillable = [
        'name', 'summary', 'property_type', 'bedrooms', 'beds',
        'bathrooms', 'price', 'address', 'amenities'
    ];
 
    protected $casts = [
        'bedrooms' => 'integer',
        'bathrooms' => 'decimal:1',
        'price' => 'decimal:2',
    ];
}

Спробуйте в Tinker:

ListingAndReviews::first()->name;

Якщо побачите щось на кшталт "Ribeira Charming Duplex", модель працює.

# Talking to your data for the first time (using Boost)

Ось і чарівний момент.

Відкрийте редактор із увімкненим Boost і скажіть:

«Using the ListingAndReviews model, show me 5 listings in Barcelona.»

Boost:

1. Читає структуру проєкту.
2. Виявляє вашу модель.
3. Генерує правильний код.
4. Виконує його.
5. Повертає реальні дані.

Наприклад:

ListingAndReviews::where('address.market', 'Barcelona')
    ->limit(5)
    ->get();

Ви щойно виконали запит до MongoDB, використовуючи природну мову.

Але після кількох подібних запитів ви помічаєте, що виникають шаблони…

# Extracting patterns into AI-friendly helper methods

Більшість запитів мають однакову структуру:

• Вибір міста.
• Застосування фільтрів (ціна, спальні, тип нерухомості).
• Обмеження кількості результатів.

Замість повторення — і щоб допомогти Boost зрозуміти вашу домену — ви винесете логіку в метод:

/**
 * Get listings from a specific city with optional filters.
 *
 * @param string $city
 * @param array  $filters Optional:
 *   - propertyType
 *   - minBedrooms
 *   - maxPrice
 *   - limit
 *
 * @example ListingAndReviews::byCity("Porto")
 * @example ListingAndReviews::byCity("Barcelona", ["limit" => 5])
 */
public static function byCity(string $city, array $filters = [])
{
    $query = static::where('address.market', $city);
 
    if (isset($filters['propertyType']))
        $query->where('property_type', $filters['propertyType']);
 
    if (isset($filters['minBedrooms']))
        $query->where('bedrooms', '>=', $filters['minBedrooms']);
 
    if (isset($filters['maxPrice']))
        $query->where('price', '<=', $filters['maxPrice']);
 
    return $query
        ->limit($filters['limit'] ?? 10)
        ->get(['_id', 'name', 'price', 'bedrooms', 'property_type', 'address']);
}

Тепер введіть:

«Show me apartments in Porto under 80 dollars.»

Boost автоматично використає ваш метод:

ListingAndReviews::byCity("Porto", [
    "propertyType" => "Apartment",
    "maxPrice" => 80,
]);

Ви вже не просто робите запити.

Ви вчите AI вашій доменній мові.

# Turning queries into insights (analytics with aggregation)

Після дослідження оголошень наступне природне питання:

«Які інсайти я можу витягти?»

MongoDB блискуче підходить для аналітики через aggregation framework.

Створіть перший аналітичний хелпер:

/**
 * Get price stats grouped by property type.
 *
 * @example ListingAndReviews::priceStatsByType()
 * @example ListingAndReviews::priceStatsByType("Porto")
 */
public static function priceStatsByType(?string $city = null)
{
    $pipeline = [];
 
    if ($city) {
        $pipeline[] = ['$match' => ['address.market' => $city]];
    }
 
    $pipeline[] = [
        '$group' => [
            '_id' => '$property_type',
            'averagePrice' => ['$avg' => '$price'],
            'count' => ['$sum' => 1],
            'minPrice' => ['$min' => '$price'],
            'maxPrice' => ['$max' => '$price'],
        ]
    ];
 
    return DB::connection('mongodb')
        ->collection('listingsAndReviews')
        ->aggregate($pipeline)
        ->toArray();
}

Тепер Boost зможе відповідати на питання типу:

«Яка середня ціна за типом нерухомості в Barcelona?»

І він обиратиме ваш хелпер у першу чергу.

# Teaching the AI what your domain means

Boost навчається з ваших:

• Імен методів.
• PHPDoc-коментарів.
• Структур параметрів.
• Прикладів.

Коли ви створюєте методи на кшталт…

public static function affordable(string $city, float $maxPrice = 75)

…Boost починає розуміти:

• «Affordable» = ціна нижче порогу.
• Цей метод — переважний шлях для бюджетних запитів.

Отже, підказки на кшталт…

«Find budget-friendly places in Porto.»

…коректно зіставлятимуться з вашим хелпером.

Boost не просто здогадується — він навчається.

# Supercharging performance with indexes

Зі зростанням запитів зростає й потреба в продуктивності.

Створіть індекси:

$collection->createIndex(['address.market' => 1]);
$collection->createIndex(['price' => 1]);
$collection->createIndex(['address.market' => 1, 'price' => 1]);

Запустіть знову:

"Show me affordable apartments in Porto"

Тепер виконання відбувається значно швидше, часто на порядок.

AI + оптимізовані структури даних = сучасна розробка.

# Giving your work a safety net (tests)

Ваші методи тепер формують невелике внутрішнє API.

Тести фіксують очікувану поведінку:

public function test_by_city_filters_correctly()
{
    $listings = ListingAndReviews::byCity("Barcelona", [
        "propertyType" => "Apartment",
        "maxPrice" => 100,
    ]);
 
    $this->assertNotEmpty($listings);
 
    $this->assertTrue($listings->every(fn($l) =>
        $l->property_type === "Apartment" &
        $l->price <= 100
    ));
}

Тести також допомагають Boost. Вони:

• Прояснюють семантику.
• Зменшують неоднозначність.
• Підсилюють правила домену.

Ви створили сигнали коректності для людей і для AI.

# A developer workflow powered by AI

На цей момент у вас є:

• Доменні хелпери специфічні для завдань.
• Аналітика, побудована на aggregation.
• Розробка у природній мові через Boost.
• Швидкі запити завдяки індексам.
• Стабільність через тести.

Ваш робочий процес виглядає так:

Developer Intent → AI Understanding → Helper Method → Query → Insight

Ви не пишете запити до бази вручну.

Ви формулюєте цілі — і Boost перетворює їх на код.

Це розробка, керована наміром, а не синтаксисом.

# Common pitfalls and how to avoid them

Працюючи з Laravel + MongoDB + Boost, розробники часто стикаються з кількома проблемами. Ось найпоширеніші — і як їх швидко виправити.

# 1. “Connection timeout” or “Could not connect to MongoDB Atlas”

Зазвичай це трапляється через те, що кластер блокує запит.

# ✔ Fix: Add your IP to the Atlas network access list

В MongoDB Atlas:

Security → Network Access → Add IP Address

Для девелопменту більшість використовують:

0.0.0.0/0 (allow all)

Але ви також можете додати свою конкретну IP-адресу.

Якщо ви користуєтесь VPN або корпоративним Wi‑Fi, IP може змінюватися — оновлюйте whitelist відповідно.

# 2. Forgetting to install the MongoDB PHP extension

Laravel не підключиться до MongoDB без встановленого PHP-розширення.

Типові симптоми:

• “Class MongoDB\Client not found”
• “Call to undefined function MongoDB\Driver\Manager()”
• pecl не встановлений

# ✔ Fix: Install the extension

macOS:pecl install mongodb
 
Ubuntu:sudo apt install php-mongodb
 
Windows:Download the extension matching your PHP version and add to php.ini:extension=mongodb

Не забудьте перезапустити веб‑сервер або PHP‑FPM.

# 3. Not using the correct Laravel MongoDB driver

Laravel не має вбудованої підтримки MongoDB за замовчуванням.

Якщо ви забули встановити пакет…

composer require mongodb/laravel-mongodb

…ви побачите помилки на кшталт:

• “Database type mongodb not supported.”
• “Call to undefined method connection() on driver ‘mongodb.’”

# 4. Missing or misconfigured ENV variables

Типові помилки:

• Невірний connection string
• Відсутні username/password
• Використання неправильного імені бази
• Спеціальні символи в паролі не закодовані в URL

# ✔ Fix: Verify

# .env

Приклад робочої конфігурації:

MONGODB_URI="mongodb+srv://username:password@cluster123.mongodb.net"
MONGODB_DATABASE="sample_airbnb"
DB_CONNECTION=mongodb

# 5. AI not discovering your helper methods

Симптоми:

• Boost продовжує генерувати сирі запити замість виклику вашого хелпера.
• Boost ігнорує методи вашої доменної області.
• Boost неправильно інтерпретує параметри.

# ✔ Fix: Add precise PHPDoc + examples

Boost сильно покладається на:

• Чіткі імена параметрів.
• Чисті сигнатури методів.
• Пояснення в PHPDoc.
• Приклади використання.
• Послідовне іменування.

Приклад:

/**
 * Get affordable listings in a city.
 *
 * @example ListingAndReviews::affordable("Porto", 75)
 */

Коли документація чітка, Boost надійно обиратиме ваш хелпер у першу чергу.

# 6. Tinker execution errors when using Boost

Іноді Boost виконує код, який у Tinker падає, бо:

• Модель не була імпортована.
• MongoDB-драйвер не завантажився.
• Запит посилається на відсутнє поле.

# ✔ Fix: Preface your commands with model imports

use App\Models\ListingAndReviews;

І завжди перевіряйте фактичні імена полів у вашому наборі даних.

# Conclusion: Building smarter with Laravel + MongoDB + AI

Під час цієї подорожі ви створили більше, ніж просто приклад. Ви:

• Підключили Laravel до MongoDB Atlas.
• Досліджували дані через природну мову.
• Створили AI-discoverable helper methods.
• Побудували інсайти за допомогою aggregations.
• Оптимізували продуктивність індексами.
• Забезпечили стабільність тестами.
• Навчили AI, як працює ваша доменна область.

Laravel додає елегантності.

MongoDB дає гнучкість.

Boost приносить інтелект.

Разом вони відкривають новий тип робочого процесу.