Wählen Sie Ihren Workflow

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

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

Wenn Sie Übersetzungen per Hand bearbeiten: Die standardmäßigen CLI- und Actions-Workflows übersetzen geänderte Quelldateien vollständig neu, sodass Ihre Formulierungen in diesen Dateien überschrieben werden können. Prüfen Sie den Diff, bevor Sie ein Update annehmen. Zur Bewahrung der Blockstruktur akzeptierter Markdown-Änderungen verwenden Sie den optionalen Python API translation state provider.

Schnelle Entscheidung

Wenn Sie ...	Verwenden	Hier starten
Ein Repository vom Terminal aus übersetzen oder überprüfen	CLI	CLI Reference
Übersetzung zu einem Python-Skript, Service, Notebook oder CI-Job hinzufügen	Python API	Python API
Lassen Sie einen Agenten, Editor oder MCP-kompatiblen Client Inhalte für Sie übersetzen	MCP Server	MCP Server
Ein Markdown-Dokument, Notebook oder Bild übersetzen, das Ihre Anwendung bereits geladen hat	Python API oder MCP Server	Python API oder MCP Server
Ein ganzes Repository mit standardmäßigen Ausgabeordnern und Metadaten übersetzen	CLI oder run_translation	CLI Reference oder Python API

Verwenden Sie die CLI, wenn

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

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

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

Dieses Beispiel übersetzt Markdown und Notebooks. Fügen Sie -img nur hinzu, nachdem Sie Azure AI Vision konfiguriert haben. Für einen ersten Lauf nur mit Markdown folgen Sie Your first translation.

Gute Anwendungsfälle:

• Sie übersetzen ein Repository von Ihrem Terminal aus.
• Sie möchten einen wiederholbaren Befehl für CI- oder Release-Workflows.
• Sie möchten integrierte Projekterkennung, Ausgabepfade, 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, Services und benutzerdefinierte Pipelines. Sie erlaubt es, niedrigstufige Inhaltsübersetzungs-APIs für einzelne Dateien aufzurufen oder dieselbe repositoryweite Orchestrierung auszuführen, die auch die CLI verwendet.

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:

from co_op_translator.api import run_translation

run_translation(
    language_codes="ko",
    markdown=True,
    notebook=True,
    images=False,
    dry_run=True,
)

Gute Anwendungsfälle:

• Ihre Anwendung liest bereits Dateien, Puffer, Notebooks oder Bildbytes.
• Sie benötigen benutzerdefinierte Validierung, Speicherung, Logging, Wiederholungen oder Genehmigungsabläufe.
• Sie möchten ein Dokument, Notebook oder Bild übersetzen, ohne ein ganzes Repository zu verarbeiten.
• Sie möchten eine Repository-Übersetzung, aber über Python-Automation statt über einen Shell-Befehl.

Verwenden Sie den MCP-Server, wenn

Wählen Sie den MCP-Server, wenn ein Agent, Editor oder ein MCP-kompatibler Client 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.

Beispielhafte Benutzeranfragen, die ein Agent bearbeiten könnte:

• "Übersetze diese Markdown-Datei ins Koreanische und behalte die Links korrekt bei."
• "Übersetzen Sie diese Markdown-Datei ins Koreanische mit dem agentenunterstützten MCP-Workflow und verwenden Sie dabei Ihr eigenes Modell für die übersetzten Abschnitte."
• "Übersetzen Sie dieses Notebook ins Koreanische, bewahren Sie die Codezellen und verwenden Sie Co-op Translator MCP, um das Notebook zu rekonstruieren."
• "Übersetzen Sie den Text in diesem Bild ins Japanische und speichern Sie das Ergebnis."
• "Führen Sie eine Trockenübersetzung eines Repositories ins Spanische durch und sagen Sie mir, was sich ändern würde."
• "Prüfen Sie, ob die koreanische Übersetzung aktuell 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 den 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, OpenAI oder Anthropic direkt aufrufen.	translate_markdown_content, translate_notebook_content

MCP provider-gestützte Markdown-Tool-Aufrufform:

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

MCP Image-Tool-Aufrufform:

{
  "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 Trockenlauf ausgeführt:

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

Gute Anwendungsfälle:

• Sie möchten Workflows für Übersetzungen in natürlicher Sprache innerhalb eines Agents oder Editors.
• Sie möchten Markdown- oder Notebook-Übersetzungen, bei denen das Host-Agent-Modell vorbereitete Abschnitte übersetzt.
• Sie möchten, dass der Agent ausgewählte Inhalte übersetzt, anstatt ein ganzes Repository.
• Sie möchten einen Genehmigungsschritt vor repositoryweiten Schreibvorgängen.
• Sie möchten eine Schnittstelle, die Werkzeuge für Markdown, Notebooks, Bilder, Review und Pfadumschreibung bereitstellt.

Wie sie zusammenpassen

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

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