Wählen Sie Ihren Workflow¶

Co-op Translator kann auf drei Arten verwendet werden: die CLI, die Python-API und der MCP-Server. Sie haben die gleichen Übersetzungsfunktionen, aber jede passt zu einem anderen Workflow.

Verwenden Sie diese Seite, wenn Sie entscheiden, wo Sie anfangen sollen.

Schnelle Entscheidung¶

Wenn Sie ...	Verwenden	Hier starten
Ein Repository vom Terminal aus übersetzen oder überprüfen	CLI	CLI-Referenz
Übersetzung zu einem Python-Skript, -Dienst, -Notebook oder CI-Job hinzufügen	Python-API	Python-API
Einen Agenten, Editor oder MCP-kompatiblen Client Inhalte für Sie übersetzen lassen	MCP-Server	MCP-Server
Ein Markdown-Dokument, Notebook oder Bild übersetzen, das Ihre App bereits geladen hat	Python-API oder MCP-Server	Python-API oder MCP-Server
Ein komplettes Repository mit standardmäßigen Ausgabeordnern und Metadaten übersetzen	CLI oder `run_translation`	CLI-Referenz oder Python-API

Verwenden Sie die CLI, wenn¶

Wählen Sie die CLI, wenn eine Person oder ein CI-Job die Repository-Übersetzung über eine Shell steuert.

Die CLI ist der direkteste Weg, wenn Sie möchten, dass Co-op Translator Projektdateien erkennt, übersetzte Ausgaben erstellt, das Projektlayout beibehält, Metadaten aktualisiert und Review-Befehle ausführt.

translate -l "ko" -md --dry-run
translate -l "ko" -md -nb -img
co-op-review -l "ko" -md -nb
migrate-links -l "ko" --dry-run

Passt gut für:

Sie übersetzen ein Repository von Ihrem Terminal aus.
Sie möchten einen wiederholbaren Befehl für CI- oder Release-Workflows.
Sie möchten eingebaute Projekterkennung, Ausgabewege, Metadaten, Bereinigung und Review.
Sie bevorzugen eine Befehlsoberfläche gegenüber dem Schreiben von Python-Code.

Verwenden Sie die Python-API, wenn¶

Wählen Sie die Python-API, wenn Ihr eigener Code den Workflow steuern soll.

Die API ist nützlich für Anwendungen, Automatisierungsskripte, Notebooks, Dienste und benutzerdefinierte Pipelines. Sie ermöglicht das Aufrufen von Low-Level-Inhaltsübersetzungs-APIs für einzelne Dateien oder das Ausführen derselben Repository-orchestrierung, die von der CLI verwendet wird.

Ein Markdown-Dokument übersetzen und entscheiden, wo es gespeichert werden soll:

import asyncio
from pathlib import Path

from co_op_translator.api import rewrite_markdown_paths, translate_markdown_content


async def main() -> None:
    source_path = Path("docs/guide.md")
    target_path = Path("translations/ko/docs/guide.md")

    translated = await translate_markdown_content(
        source_path.read_text(encoding="utf-8"),
        "ko",
        {"source_path": source_path},
    )

    rewritten = rewrite_markdown_paths(
        translated,
        source_path=source_path,
        target_path=target_path,
    )

    target_path.parent.mkdir(parents=True, exist_ok=True)
    target_path.write_text(rewritten, encoding="utf-8")


asyncio.run(main())

Führen Sie eine Repository-Übersetzung aus Python aus:

import asyncio

from co_op_translator.api import run_translation


async def main() -> None:
    await run_translation(
        language_codes=["ko"],
        translate_markdown=True,
        translate_notebooks=True,
        translate_images=False,
        dry_run=True,
    )


asyncio.run(main())

Passt gut für:

Ihre Anwendung liest bereits Dateien, Buffer, Notebooks oder Bildbytes.
Sie benötigen benutzerdefinierte Validierung, Speicherung, Protokollierung, Wiederholungen oder Genehmigungsabläufe.
Sie möchten ein Dokument, Notebook oder Bild übersetzen, ohne ein ganzes Repository zu verarbeiten.
Sie möchten Repository-Übersetzung, aber aus Python-Automation statt eines Shell-Befehls.

Verwenden Sie den MCP-Server, wenn¶

Wählen Sie den MCP-Server, wenn ein Agent, Editor oder MCP-kompatibler Client die Co-op Translator-Tools aufrufen soll.

In der normalen lokalen Konfiguration hält der Benutzer den Server nicht manuell am Laufen. Der MCP-Client startet co-op-translator-mcp über stdio, wenn er die Tools benötigt.

Beispiele für Benutzeranfragen, die ein Agent bearbeiten könnte:

"Übersetze diese Markdown-Datei ins Koreanische und behalte die Links korrekt bei."
"Übersetze diese Markdown-Datei ins Koreanische mit dem agentenunterstützten MCP-Workflow, unter Verwendung eines eigenen Modells für die übersetzten Abschnitte."
"Übersetze dieses Notebook ins Koreanische, bewahre Codezellen und verwende Co-op Translator MCP, um das Notebook zu rekonstruieren."
"Übersetze den Text in diesem Bild ins Japanische und speichere das Ergebnis."
"Führe eine Trockenausführung einer Repository-Übersetzung ins Spanische durch und sag mir, was sich ändern würde."
"Prüfe, ob die koreanische Übersetzung auf dem neuesten Stand ist."

Für Markdown und Notebooks kann MCP in zwei Modi arbeiten:

Modus	Verwenden, wenn	Hauptwerkzeuge
Agent-unterstützt	Der MCP-Host-Agent sollte Abschnitte mit seinem eigenen Modell übersetzen, ohne Zugangsdaten für einen LLM-Anbieter von Co-op Translator.	`start_markdown_agent_translation`, `finish_markdown_agent_translation`, `start_notebook_agent_translation`, `finish_notebook_agent_translation`
Provider-gestützt	Co-op Translator sollte Azure OpenAI oder OpenAI direkt aufrufen.	`translate_markdown_content`, `translate_notebook_content`

MCP provider-gestützter Markdown-Toolaufruf-Shape:

{
  "tool": "translate_markdown_content",
  "arguments": {
    "document": "# Setup\n\nInstall Co-op Translator first.",
    "language_code": "ko",
    "options": {
      "source_path": "docs/setup.md"
    }
  }
}

MCP Bild-Toolaufruf-Shape:

{
  "tool": "translate_image_content",
  "arguments": {
    "image_path": "assets/architecture.png",
    "language_code": "ko",
    "output_path": "translated_images/ko/assets/architecture.png"
  }
}

Repository-Übersetzung wird standardmäßig über MCP als Trockendurchlauf ausgeführt:

{
  "tool": "run_translation",
  "arguments": {
    "language_codes": ["ko"],
    "translate_markdown": true,
    "translate_notebooks": true,
    "translate_images": false,
    "dry_run": true
  }
}

Passt gut für:

Sie möchten natürlichsprachige Übersetzungsworkflows in einem Agenten oder Editor.
Sie möchten Markdown- oder Notebook-Übersetzung, bei der das Host-Agent-Modell vorbereitete Abschnitte übersetzt.
Sie möchten, dass der Agent ausgewählte Inhalte statt eines gesamten Repositories übersetzt.
Sie möchten einen Genehmigungsschritt vor repositoryweiten Schreibvorgängen.
Sie möchten eine Schnittstelle, die Markdown-, Notebook-, Bild-, Review- und Pfad-Umschreibungswerkzeuge bereitstellt.

Wie sie zusammenpassen¶

Die CLI ist die beste Standardeinstellung für Menschen, die Repositories übersetzen. Die Python-API ist am besten, wenn Ihr Code den Workflow besitzt. Der MCP-Server ist am besten, wenn ein Agent oder Editor den Workflow besitzt.

Alle drei Pfade verwenden die gleiche öffentliche Co-op Translator-API, sodass Sie mit der CLI beginnen, später mit Python automatisieren und dieselben Funktionen für MCP-Clients bereitstellen können, wenn Sie agentengesteuerte Workflows benötigen.