Lara Translate MCP Server

Model Context Protocol (MCP) 是一种开放标准化的通信协议，允许AI应用程序连接到外部工具、数据源和服务。可以将MCP想象成AI应用程序的USB-C接口——就像USB-C提供了标准化的方式连接设备到各种外围设备一样，MCP为AI模型连接到不同的数据源和工具提供了标准化方式。

Lara Translate MCP Server通过此标准化协议，使AI应用程序能够访问Lara Translate的强大翻译能力。

更多Model Context Protocol的信息请访问： https://modelcontextprotocol.io/

Lara Translate MCP Server实现了Model Context Protocol，为AI应用程序提供无缝的翻译能力。集成流程如下：

1. 连接建立：当一个兼容MCP的AI应用程序启动时，它会连接到已配置的MCP服务器，包括Lara Translate MCP Server。
2. 工具和资源发现：AI应用程序发现由Lara Translate MCP Server提供的可用翻译工具和资源。
3. 请求处理：当检测到翻译需求时：
   • AI应用程序格式化一个包含要翻译的文本、语言对和可选上下文的结构化请求。
   • MCP服务器验证请求并将其转换为Lara Translate API调用。
   • 使用您的凭据安全地将请求发送到Lara Translate的API。
4. 翻译与响应：Lara Translate通过高级AI模型处理翻译。
5. 结果集成：翻译结果显示给AI应用程序，它可将其纳入到响应中。

这种集成架构允许AI应用程序无需直接实现API即可访问专业的翻译服务，同时保持了您API凭据的安全性，并通过自然语言指令提供调整翻译参数的灵活性。

将Lara与大型语言模型（LLMs）集成，创建了一个显著增强非英语翻译质量的强大协同效应。

为什么通用LLM在翻译中的表现欠佳

尽管大规模语言模型具备广泛的语言能力，但它们常常缺乏特定领域和语言所需的专门知识和最新术语。

Lara在领域方面的优势

Lara通过利用基于数十亿专业翻译段落训练的语言模型（T-LMs）克服这一限制。这些模型提供领域特定的机器翻译，掌握文化细微差别和行业术语，这是普通LLM可能遗漏的内容。其结果是：语境准确且听感流畅的翻译。

专为非英语而设计的优势

Lara聚焦于非英语语言，解决了像GPT-4这类模型的性能差距问题。在如Common Crawl和Wikipedia这样的数据集中，英语占主导地位，导致其他语言的输出质量下降。Lara通过在多语言环境中提高理解、生成和结构调整的质量来缩小这个差距。

更快、更智能的多语言表现

通过将复杂的翻译任务卸载至专业的T-LMs，Lara减少了计算开销并最小化延迟——这是LLM处理非英语输入时的常见问题。它的架构可与LLM并行处理翻译，实现实时高质量输出，同时不牺牲速度或效率。

规模化翻译的成本效益

Lara还降低了在非英语工作流中使用像GPT-4之类模型的成本。由于标记化（以及定价）针对英语优化，使用Lara可以在到达LLM之前完成翻译，这意味着只有翻译后的英语内容会被处理。这提高了成本效益，并支持全球企业在竞争中实现规模化的扩展支持。

输入:

• text (array): 包含要翻译的文本块数组，每个元素包含：
  • text (string): 文本内容
  • translatable (boolean): 是否应翻译该块
• source (可选字符串): 源语言代码（例如，'en-EN'）
• target (字符串): 目标语言代码（例如，'it-IT'）
• context (可选字符串): 改善翻译质量的额外上下文
• instructions (可选字符串[]): 调整翻译行为的指令
• source_hint (可选字符串): 用于语言检测的提示

返回值: 维持原结构的翻译后文本块

返回值: 包含所有记忆项及其详细信息的数组

输入:

• name (string): 新记忆库名称
• external_id (可选字符串): 从MyMemory导入的记忆库ID（例如，'ext_my_[MyMemory ID]'）

返回值: 创建的记忆库数据

输入:

• id (string): 要更新的记忆库ID
• name (string): 更新后的记忆库名称

返回值: 已更新的记忆库数据

输入:

• id (string): 要删除的记忆库ID

返回值: 已删除的记忆库数据

输入:

• id (string | string[]): 添加翻译单元的记忆库ID或ID列表
• source (string): 源语言代码
• target (string): 目标语言代码
• sentence (string): 原始句子
• translation (string): 翻译后的句子
• tuid (可选字符串): 翻译单元唯一标识符
• sentence_before (可选字符串): 上下文中之前的句子
• sentence_after (可选字符串): 上下文中之后的句子

返回值: 新增的翻译单元详情

输入:

• id (string): 记忆库ID
• source (string): 源语言代码
• target (string): 目标语言代码
• sentence (string): 原始句子
• translation (string): 翻译后的句子
• tuid (可选字符串): 翻译单元唯一标识符
• sentence_before (可选字符串): 上下文中之前的句子
• sentence_after (可选字符串): 上下文中之后的句子

返回值: 删除的翻译单元详情

输入:

• id (string): 要更新的记忆库ID
• tmx (file path): 要上传的TMX文件路径
• gzip (boolean): 文件是否被压缩(.gz)

返回值: 导入细节

输入:

• id (string): 导入作业的ID

返回值: 导入细节

该选项要求在系统中安装Node.js。

1. 将以下内容添加到您的MCP配置文件中：

{
  "mcpServers": {
    "lara-translate": {
      "command": "npx",
      "args": ["-y", "@translated/lara-mcp@latest"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

2. 替换 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 为您实际的Lara API凭据。

该选项要求在系统中安装Docker。

1. 将以下内容添加到您的MCP配置文件中：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "translatednet/lara-mcp:latest"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

2. 替换 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 为您实际的Lara API凭据。

使用Node.js

1. 克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

2. 安装依赖项并构建：

# 安装依赖项
pnpm install

# 构建
pnpm run build

3. 添加以下内容到你的MCP配置文件：

{
  "mcpServers": {
    "lara-translate": {
      "command": "node",
      "args": ["<FULL_PATH_TO_PROJECT_FOLDER>/dist/index.js"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

4. 替换：
   • <FULL_PATH_TO_PROJECT_FOLDER> 为项目的绝对路径
   • <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 为您的实际API凭据。

构建Docker镜像

1. 克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

2. 构建Docker镜像：

docker build -t lara-mcp .

3. 添加以下内容到你的MCP配置文件：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "lara-mcp"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

4. 将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您的实际凭据。