בחר את זרימת העבודה שלך

Co-op Translator ניתן להשתמש בשלושה אופנים: ה-CLI, ממשק ה-API של Python, ושרת ה-MCP. הם חולקים את אותן יכולות תרגום, אך כל אחד מתאים לזרימת עבודה שונה.

השתמש בעמוד זה כאשר אתה מחליט מהיכן להתחיל.

החלטה מהירה

אם אתה רוצה...	השתמש ב-	התחל כאן
לתרגם או לסקור מאגר מתוך טרמינל	CLI	מדריך ה-CLI
להוסיף תרגום לסקריפט Python, שירות, פנקס רשימות, או משימת CI	ממשק ה-API של Python	ממשק ה-API של Python
לאפשר לסוכן, עורך, או לקוח תואם MCP לתרגם תוכן עבורך	שרת MCP	שרת MCP
לתרגם מסמך Markdown אחד, פנקס רשימות, או תמונה שהאפליקציה שלך כבר טענה	ממשק ה-API של Python או שרת MCP	ממשק ה-API של Python או שרת MCP
לתרגם מאגר שלם עם תיקיות יציאה סטנדרטיות ומטא-נתונים	CLI או run_translation	מדריך ה-CLI או ממשק ה-API של Python

השתמש ב-CLI כאשר

בחר ב-CLI כאשר אדם או משימת CI מנהלים את תרגום המאגר משורת הפקודה.

ה-CLI הוא הנתיב הישיר ביותר כאשר אתה רוצה ש-Co-op Translator יאתר קבצי פרויקט, ייצור תוצרי תרגום, ישמור על מבנה הפרויקט, יעדכן מטא-נתונים ויריץ פקודות סקירה.

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

מקרים מתאימים:

• אתה מתרגם מאגר מהטרמינל.
• אתה רוצה פקודה שניתן להריץ שוב עבור תהליכי CI או שחרור.
• אתה רוצה גילוי פרויקטים מובנה, נתיבי יציאה, מטא-נתונים, ניקוי וביקורת.
• אתה מעדיף ממשק שורת פקודה על פני כתיבת קוד Python.

השתמש בממשק ה-API של Python כאשר

בחר בממשק ה-API של Python כאשר הקוד שלך צריך לשלוט בזרימת העבודה.

הממשק שימושי עבור יישומים, סקריפטים לאוטומציה, פנקסי רשימות, שירותים וצינורות מותאמים. הוא מאפשר לך לקרוא ל-APIs של תרגום תוכן ברמת בסיס עבור קבצים בודדים, או להריץ את אותה אורקסטרציה ברמת מאגר שמשתמש בה-CLI.

לתרגם מסמך Markdown אחד ולקבוע היכן לשמור אותו:

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())

להריץ תרגום מאגר מ-Python:

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())

מקרים מתאימים:

• האפליקציה שלך כבר קוראת קבצים, buffers, פנקסי רשימות או נתוני תמונה.
• אתה צריך אימות מותאם אישית, אחסון, רישום לוגים, ניסיונות חוזרים, או תהליכי אישור.
• אתה רוצה לתרגם מסמך, פנקס רשימות או תמונה אחת מבלי לעבד מאגר שלם.
• אתה רוצה לתרגם מאגר, אבל באמצעות אוטומציה ב-Python במקום פקודת שורת פקודה.

השתמש בשרת ה-MCP כאשר

בחר בשרת ה-MCP כאשר סוכן, עורך, או לקוח תואם MCP צריך לקרוא לכלי Co-op Translator.

בהגדרה מקומית רגילה, המשתמש לא מחזיק שרת פועל באופן ידני. לקוח ה-MCP מפעיל את co-op-translator-mcp על פני stdio כשהוא צריך את הכלים.

דוגמאות לבקשות משתמש שסוכן יכול לטפל בהן:

• "תרגם את קובץ Markdown הזה לקוריאנית ושמור על תקינות הקישורים."
• "תרגם את קובץ Markdown הזה לקוריאנית באמצעות זרימת עבודה של MCP בסיוע סוכן, תוך שימוש בדגם שלך עבור החלקים המתורגמים."
• "תרגם את הפנקס הזה לקוריאנית, שמור על תאי קוד, והשתמש ב-Co-op Translator MCP לשחזר את הפנקס."
• "תרגם את הטקסט בתמונה זו ליפנית ושמור את התוצאה."
• "הפעל סימולציה של תרגום מאגר לספרדית ואמור לי מה ישתנה."
• "סקור האם פלט התרגום לקוריאנית מעודכן."

לגבי Markdown ופנקסי רשימות, MCP יכול לעבוד בשני מצבים:

מצב	השתמש כאשר	כלים עיקריים
בסיוע סוכן	הסוכן המארח של MCP צריך לתרגם חלקים באמצעות הדגם שלו, ללא אישורי ספק LLM של Co-op Translator.	start_markdown_agent_translation, finish_markdown_agent_translation, start_notebook_agent_translation, finish_notebook_agent_translation
בהסתמכות על ספק	Co-op Translator צריך לקרוא ל-Azure OpenAI או ל-OpenAI ישירות.	translate_markdown_content, translate_notebook_content

צורת קריאת כלי Markdown ב-MCP בהסתמכות על ספק:

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

צורת קריאת כלי תמונה ב-MCP:

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

תרגום מאגר מתבצע בסימולציה כברירת מחדל דרך MCP:

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

מקרים מתאימים:

• אתה רוצה תהליכי תרגום בשפה טבעית בתוך סוכן או עורך.
• אתה רוצה תרגום Markdown או פנקסי רשימות שבו דגם הסוכן המארח מתרגם חלקים מוכנים.
• אתה רוצה שהסוכן יתרגם תוכן נבחר במקום מאגר שלם.
• אתה רוצה שלב אישור לפני כתיבה על כל המאגר.
• אתה רוצה ממשק אחד שיחשוף כלים עבור Markdown, פנקסי רשימות, תמונות, סקירה ושכתוב נתיבים.

איך הם משתלבים יחד

ה-CLI הוא הבחירה הטובה כברירת מחדל עבור בני אדם המתרגמים מאגרים. ממשק ה-API של Python הוא הטוב ביותר כאשר הקוד שלך שולט בזרימת העבודה. שרת ה-MCP הוא הטוב ביותר כאשר סוכן או עורך שולט בזרימת העבודה.

שלושת הנתיבים משתמשים באותו ממשק ציבורי של Co-op Translator, כך שאתה יכול להתחיל ב-CLI, לאוטומט עם Python מאוחר יותר, ולחשוף את אותן יכולות ללקוחות MCP כאשר אתה צריך זרימות עבודה מונעות סוכן.