MCP സെർവർ¶

Co-op Translator-ൽ ഏജന്റുകൾക്കും എഡിറ്റർമാർക്കും MCP-അനുസരിച്ചുള്ള ക്ലയന്റുകൾക്കും വേണ്ടി ഒരു Model Context Protocol സർവർ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

ഡിഫോൾട്ട് ലോക്കൽ സെറ്റപ്പിനായി, ഉപയോക്താക്കൾ പ്രത്യേക സെർവർ കൈക്കൈയിൽ chạy ചെയ്യാറില്ല. അവർ അവരുടെ MCP ക്ലയന്റ് ക്രമീകരിക്കും, ക്ലയന്റ് Co-op Translator ഉപകരണങ്ങൾ ആവശ്യമുള്ളപ്പോൾ stdio വഴി സ്വയം co-op-translator-mcp ആരംഭിക്കും.

CLI, Python API, MCP എന്നിവയിൽ തിരഞ്ഞെടുക്കുന്നതിനായി, ആദ്യം Choose Your Workflow കാണുക.

ഏജന്റ് അല്ലെങ്കിൽ എഡിറ്റർ Co-op Translator-നെ നേരിട്ട് വിളിക്കേണ്ട സാഹചര്യത്തിൽ MCP ഉപയോഗിക്കുക:

ഉപയോക്തൃ ലക്ഷ്യം	MCP ഉപകരണങ്ങൾ
ഒരു Markdown ഡോക്യുമെന്റ്, നോട്ട്‌ബുക്ക്, അല്ലെങ്കിൽ ചിത്രം വിവർത്തനം ചെയ്യുക	`translate_markdown_content`, `translate_notebook_content`, `translate_image_content`
ഹോസ്റ്റ് ഏജന്റ് മോഡലിനോട് ചേർന്ന് Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് ഉള്ളടക്കം വിവർത്തനം ചെയ്യുക	`start_markdown_agent_translation`, `finish_markdown_agent_translation`, `start_notebook_agent_translation`, `finish_notebook_agent_translation`
ഔട്ട്‌പുട്ട് പാത തിരഞ്ഞെടുക്കുന്നതിന് ശേഷം വിവർത്തനം ചെയ്ത Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് ലിങ്കുകൾ വീണ്ടും എഴുതുക	`rewrite_markdown_paths`, `rewrite_notebook_paths`
CLI പോലെ മുഴുവൻ റീപോസിറ്ററിയെ വിവർത്തനം ചെയ്യുക	`run_translation`, `translate_project`
LLM ക്രെഡൻഷ്യലുകൾ ഇല്ലാതെ വിവർത്തനം ചെയ്ത ഔട്ട്‌പുട്ട് റിവ്യൂ ചെയ്യുക	`run_review`
ശേഷികൾക്കും പരിസ്ഥിതി നിലക്കും പരിശോധിക്കുക	`get_api_overview`, `list_supported_languages`, `get_configuration_status`

MCP സർവർ Python API ൽ രേഖപ്പെടുത്തിയതേ പൊതു Python API തത്ത്വങ്ങൾ ഉപയോഗിക്കുന്നു. Provider-backed ടൂളുകൾ CLI-യും Python API-യും ക്രമീകരിച്ചിട്ടുള്ളതേ പ്രൊവൈഡർമാരെ ഉപയോഗിക്കുന്നു. Agent-assisted ടൂളുകൾ MCP ഹോസ്റ്റ് ഏജന്റ് വിവർത്തനം ചെയ്യാൻ chunks തയ്യാറാക്കി, പിന്നെ Co-op Translator ഉപയോഗിച്ച് അവസാന Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് പുനഃനിർമിക്കുന്നു.

ഘട്ടം 1: Co-op Translator ഇൻസ്റ്റാൾ ചെയ്ത് ക്രമീകരിക്കുക¶

നിങ്ങളുടെ MCP ക്ലയന്റ് ഉപയോഗിക്കുന്ന Python പരിസ്ഥിതിയിൽ Co-op Translator ഇൻസ്റ്റാൾ ചെയ്യുക:

pip install co-op-translator

ഈ റീപോസിറ്ററിയിൽ നിന്നുള്ള ലോക്കൽ ഡെവലപ്പ്മെന്റിനായി, പാക്കേജ് എഡിറ്റബിൾ മോഡിൽ ഇൻസ്റ്റാൾ ചെയ്യുക:

pip install -e .

നിങ്ങളുടെ MCP ക്ലയന്റ് ഉപയോഗിക്കുന്ന വിവർത്തന മോഡ് തിരഞ്ഞെടുക്കുക:

മോഡ്	ഇതിന് ഉപയോഗിക്കുക	ക്രെഡൻഷ്യലുകൾ
Provider-backed	Co-op Translator `translate_markdown_content`, `translate_notebook_content`, `translate_image_content`, അല്ലെങ്കിൽ `run_translation` കോളുകൾ നടത്തുന്നു.	വിവർത്തനത്തിന് Azure OpenAI, OpenAI, അല്ലെങ്കിൽ Anthropic ആവശ്യമാണ്. ഇമേജ് വിവർത്തനത്തിന് Azure AI Vision കൂടി ആവശ്യമാണ്.
Agent-assisted	MCP ഹോസ്റ്റ് ഏജന്റ് `start_markdown_agent_translation` അല്ലെങ്കിൽ `start_notebook_agent_translation` വഴി ലഭിക്കുന്ന chunks വിവർത്തനം ചെയ്യുന്നു.	Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് chunks-നായി Co-op Translator LLM പ്രൊവൈഡർ ക്രെഡൻഷ്യലുകൾ ആവശ്യമില്ല. ഇമേജ് വിവർത്തനം ഇതുവരെ agent-assisted മോഡിൽ ഉൾപ്പെടുന്നില്ല.

Codex അല്ലെങ്കിൽ Claude Code പോലുള്ള ഏജന്റിനുള്ളിൽ Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് വിവർത്തനത്തോടെ തുടങ്ങുകയാണെങ്കിൽ agent-assisted മോഡ് ഉപയോഗിച്ച് തുടങ്ങുക. Co-op Translator നുള്ള പ്രൊവൈഡർ കോൺഫിഗർ ചെയ്യണമെന്ന് ആവശ്യമുള്ളപ്പോൾ, ചിത്രങ്ങൾ വിവർത്തനം ചെയ്യുമ്പോൾ, അല്ലെങ്കിൽ CLI പോലെയുള്ള റീപ്പോ-ലെവൽ വിവർത്തനം നടത്തുമ്പോൾ provider-backed മോഡ് ഉപയോഗിക്കുക.

Provider-backed ജോലി-പ്രവാഹങ്ങൾക്ക് ഒരെണ്ണം പ്രൊവൈഡർ ക്രമീകരിക്കുക:

# അസ്യൂർ ഓപ്പൺഎഐ
AZURE_OPENAI_API_KEY="..."
AZURE_OPENAI_ENDPOINT="https://<resource>.openai.azure.com/"
AZURE_OPENAI_MODEL_NAME="gpt-4o"
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME="<deployment>"
AZURE_OPENAI_API_VERSION="2024-12-01-preview"

# അതവാ ഓപ്പൺഎഐ
OPENAI_API_KEY="..."
OPENAI_CHAT_MODEL_ID="gpt-4o"

# അതവാ ആൻത്രോപ്പിക്
ANTHROPIC_API_KEY="..."
ANTHROPIC_MODEL="claude-..."

Provider-backed ഇമേജ് വിവർത്തനത്തിന് കൂടാതെ ആവശ്യമായത്:

AZURE_AI_SERVICE_API_KEY="..."
AZURE_AI_SERVICE_ENDPOINT="https://<resource>.cognitiveservices.azure.com/"

Note

Agent-assisted മോഡ് നിലവിൽ Markdown და നോട്ട്‌ബുക്ക് Markdown സെൽുകൾ മാത്രമേ ഉൾക്കൊള്ളൂ. ഇമേജ് വിവർത്തനം ഇപ്പോഴും provider-backed ഇമേജ് പൈപ്ലൈനത്തിനാണ്, OCRക്കും ലേയൗട്ട്-അവേരായ റെൻഡറിംഗിനും Azure AI Vision ആവശ്യമാണ്.

ഘട്ടം 2: നിങ്ങളുടെ MCP ക്ലയന്റ് ക്രമീകരിക്കുക¶

സാധാരണ ലോക്കൽ stdio സെറ്റപ്പിനായി, Co-op Translator-നെ നിങ്ങളുടെ MCP ക്ലയന്റ് കോൺഫിഗറേഷനിൽ ചേർക്കുക. ക്ലയന്റ് പ്രക്രിയ സ്വയം ആരംഭിക്കുകയും നിര്‍ത്തുകയും ചെയ്യും.

ഇൻസ്റ്റാൾ ചെയ്ത പാക്കേജിന്റെ കോൺഫിഗറേഷൻ:

{
  "mcpServers": {
    "co-op-translator": {
      "command": "co-op-translator-mcp",
      "args": []
    }
  }
}

Windows-ൽ സോഴ്‌സ് ചെക്ക്ഔട്ട് കോൺഫിഗറേഷൻ:

{
  "mcpServers": {
    "co-op-translator": {
      "command": "C:\\Users\\you\\dev\\co-op-translator\\.venv\\Scripts\\python.exe",
      "args": ["-m", "co_op_translator.mcp.server"],
      "cwd": "C:\\Users\\you\\dev\\co-op-translator"
    }
  }
}

macOS അല്ലെങ്കിൽ Linux-ൽ സോഴ്‌സ് ചെക്ക്ഔട്ട് കോൺഫിഗറേഷൻ:

{
  "mcpServers": {
    "co-op-translator": {
      "command": "/Users/you/dev/co-op-translator/.venv/bin/python",
      "args": ["-m", "co_op_translator.mcp.server"],
      "cwd": "/Users/you/dev/co-op-translator"
    }
  }
}

MCP ക്ലയന്റ് കോൺഫിഗറേഷൻ മാറ്റിയ 뒤, പുതിയ സർവർ കണ്ടെത്താൻ ക്ലയന്റ് റസ്റ്റാർട്ട് അല്ലെങ്കിൽ റീലോഡ് ചെയ്യുക.

ഘട്ടം 3: ക്ലയന്റിൽ സർവർ സ്ഥിരീകരിക്കുക¶

ലഭ്യമായ ടൂളുകളുടെ പട്ടിക കാണിക്കാൻ MCP ക്ലയന്റോട് അഭ്യർത്ഥിക്കൂ, അല്ലെങ്കിൽ ആദ്യം ഒരു റീഡ്-ഓൺലി ഹെൽപ്പർ വിളിച്ച് പരിശോധിക്കുക:

{
  "tool": "get_api_overview",
  "arguments": {}
}

ആദ്യമായി പരിശോധിക്കാൻ ഉപകാരപ്രദമായ കാര്യങ്ങൾ:

ടൂൾ	എന്ത് പരിശോധിക്കണം
`get_api_overview`	സർവർ ലഭ്യമാണെന്ന് സ്ഥിരീകരിക്കുകയും ലഭ്യമായ വർക്ക്‌ഫ്ലോകൾ കാണിക്കുകയും ചെയ്യുക.
`list_supported_languages`	പാക്കേജിലുള്ള ഭാഷാ ഡാറ്റ ലോഡ് ചെയ്യാൻ കഴിയുന്നുവെന്ന് സ്ഥിരീകരിക്കുക.
`get_configuration_status`	രഹസ്യ മൂല്യങ്ങൾ പുറത്തുവിടാതെ LLM மற்றும் Vision പ്രൊവൈഡറുകളുടെ ലഭ്യത സ്ഥിരീകരിക്കുക.

ഘട്ടം 4: ഒരു Workflow തിരഞ്ഞെടുക്കുക¶

വ്യക്തിഗത ഫയലുകൾ അല്ലെങ്കിൽ ഡോക്യുമെന്റുകൾ വിവർത്തനം ചെയ്യുക¶

MCP ക്ലയന്റിന് ഡോക്യുമെന്റ് ഉള്ളടക്കം അല്ലെങ്കിൽ ഇമേജ് പാതയേ ഇതിനകം ഉണ്ടെങ്കിൽ, Co-op Translator-ന് ക്രമീകരിച്ച പ്രൊവൈഡറുമാർ വിളിക്കണമെന്നും ആഗ്രഹിക്കുമ്പോൾ provider-backed content tools ഉപയോഗിക്കുക.

Markdown-ക്കായി:

document, language_code, ഐച്ഛികമായി source_path എന്നിവ നൽകി translate_markdown_content കോൾ ചെയ്യുക.
വിവർത്തന ഫലവും Co-op Translator ഔട്ട്‌പുട്ട് ലേയൗട്ടിലേക്ക് എഴുതുകയാണെങ്കിൽ rewrite_markdown_paths കോൾ ചെയ്യുക.
ക്ലയന്റ് അന്തിമ content എഴുതുകയോ തിരിച്ചുകൊടുക്കുകയോ ചെയ്യട്ടെ.

നോട്ട്‌ബുക്കുകൾക്കായി:

നോട്ട്‌ബുക്ക് JSON-യും language_code-ഉം നൽകി translate_notebook_content കോൾ ചെയ്യുക.
വിവർത്തനം ചെയ്ത നോട്ട്‌ബുക്ക് ലിങ്കുകൾ ദിശാന്വേഷിക്കുന്നതിനു ടാർഗറ്റ് പാതയ്ക്ക് അനുസൃതമാക്കേണ്ടതുണ്ടെങ്കിൽ rewrite_notebook_paths കോൾ ചെയ്യുക.
അന്തിമ നോട്ട്‌ബുക്ക് JSON എഴുതുകയോ തിരികെയാക്കുകയോ ചെയ്യുക.

ചിത്രങ്ങൾക്കായി:

image_path, language_code, ഐച്ഛികമായി root_dir അല്ലെങ്കിൽ fast_mode നൽകി translate_image_content കോൾ ചെയ്യുക.
മടങ്ങിച്ചെത്തുന്ന data_base64യും mime_typeയും വായിക്കുക.
output_path നൽകിയിട്ടുണ്ടെങ്കിൽ വിവർത്തനചെയ്ത ചിത്രം ആ പാതയിലും സേവ് ചെയ്യപ്പെടും.

ഈ content ടൂളുകൾ പ്രോജക്‌ട് ഡിസ്ഫവറി, മെറ്റാഡേറ്റ അപ്ഡേറ്റുകൾ, ഡിസ്‌ക്ലെയിമറുകൾ, അല്ലെങ്കിൽ സ്വയം പാത പുനഃരചയനം നടത്താറില്ല. ഹോസ്റ്റ് ഏജന്റ് Co-op Translator LLM പ്രൊവൈഡർ ക്രെഡൻഷ്യലുകൾ ഇല്ലാതെ Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് chunks വിവർത്തനം ചെയ്യാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നെങ്കിൽ താഴെ കൊടുത്തിരിക്കുന്ന agent-assisted workflow ഉപയോഗിക്കുക.

ഹോസ്റ്റ് ഏജന്റ് മോഡലുമായി വിവർത്തനം ചെയ്യുക¶

MCP ഹോസ്റ്റ് ഏജന്റ് (ഏറ്റവും സാധാരണ കോഡിംഗ് അസിസ്റ്റന്റ് പോലുള്ള) ആണ് വിവർത്തനം ചെയ്ത ടെക്സ്റ്റ് നിർമ്മിക്കുന്നത് എന്ന് നിങ്ങൾ ആഗ്രഹിക്കുന്നപ്പോൾ, Co-op Translator ന് വേണ്ടി LLM പ്രൊവൈഡർ ക്രമീകരിക്കാതെ agent-assisted ടൂളുകൾ ഉപയോഗിക്കുക.

ചാറ്റ്-ഓറിയന്റഡ് MCP ക്ലയന്റിൽ സാധാരണയായി ടൂൾ JSON നിങ്ങൾ തന്നെ എഴുതേണ്ടതില്ല. ഏജന്റിനോട് agent-assisted workflow ഉപയോഗിക്കാൻ പറയുക:

Translate this Markdown file to Korean with Co-op Translator MCP.
Use agent-assisted mode: call start_markdown_agent_translation, translate the returned chunks with your own model, then call finish_markdown_agent_translation.
Keep Markdown formatting, code blocks, and links intact.

നോട്ട്‌ബുക്കുകൾക്കായി, അതേ രീതിയാണ് ഉപയോഗിക്കുക:

Translate this notebook to Korean with Co-op Translator MCP.
Use start_notebook_agent_translation, translate the returned Markdown-cell chunks with your own model, then call finish_notebook_agent_translation.
Preserve code cells, outputs, and notebook metadata.

നിങ്ങളുടെ MCP ക്ലയന്റ് സെർവർ പ്രോംപ്റ്റുകൾ പിന്തുണയ്ക്കുകയാണെങ്കിൽ, ക്ലയന്റ് തത്തോടെ അതേ വർക്ക്‌ഫ്ലോ നിർദേശങ്ങൾ ലോഡ് ചെയ്യാൻ agent_assisted_markdown_translation_prompt ഉപയോഗിക്കുക.

Markdown-ക്കായി:

document, language_code, ഐച്ഛികമായി source_path നൽകി start_markdown_agent_translation കോൾ ചെയ്യുക.
മടങ്ങിയെത്തിയ ഓരോ chunk-ഉം chunk-യുടെ prompt പിന്തുടർന്ന് ഹോസ്റ്റ് ഏജന്റിൽ വിവർത്തനം ചെയ്യുക.
ഒറിജിനൽ job-ഉം chunk_idയും translated_textയും ഉപയോഗിച്ചുകൊണ്ട് വിവർത്തനം ചെയ്ത chunks സഹിതം finish_markdown_agent_translation കോൾ ചെയ്യുക.
ഉള്ളടക്കം വിവർത്തിച്ച ലക്ഷ്യ പാത്തിൽ എഴുതുന്നതിനായാൽ ആയാൽ rewrite_markdown_paths കോൾ ചെയ്യുക.

നോട്ട്‌ബുക്കുകൾക്കായി:

നോട്ട്‌ബുക്ക് JSON-നും language_code-ഉം നൽകി start_notebook_agent_translation കോൾ ചെയ്യുക.
മടങ്ങിയെത്തിയ ഓരോ chunk-ഉം ഹോസ്റ്റ് ഏജന്റിൽ വിവർത്തനം ചെയ്യുക.
ഒറിജിനൽ job-ഉം വിവർത്തന ചങ്കുകളും ഉപയോഗിച്ച് finish_notebook_agent_translation കോൾ ചെയ്യുക.
വിവർത്തിച്ച നോട്ട്‌ബുക്ക് ലിങ്കുകൾക്ക് ടാർഗറ്റ്-പാത്ത് ക്രമമാക്കേണ്ടതുണ്ടെങ്കിൽ rewrite_notebook_paths കോൾ ചെയ്യുക.

Agent-assisted ടൂളുകൾ Co-op Translator-ലേക്കുനിന്ന് ക്രമീകരിച്ച LLM പ്രൊവൈഡറിനെ വിളിക്കുന്നില്ല. മടങ്ങിയെത്തിയ chunks വിവർത്തനം ചെയ്യുന്നത് ഹോസ്റ്റ് ഏജന്റിന്റെ ഉത്തരവാദിത്വത്തിലാണ്. Co-op Translator Markdown ചങ്കിംഗ്, പ്ലേസ്ഹോൾഡർ സംരക്ഷണം, frontmatter പുനർനിർമാണം, നോട്ട്‌ബുക്ക് സെൽ മാറ്റം, പോസ്റ്റ്-ട്രാൻസ്ലേഷൻ നോർമലൈസ് ചെയ്യൽ എന്നിവ കൈകാര്യം ചെയ്യുന്നു.

ഒരു മുഴുവൻ റീപോസിറ്ററി വിവർത്തനം ചെയ്യുക¶

ഉപയോക്താവ് Co-op Translator-ൻറെ CLI പോലെയൊരുക്കാൻ ആഗ്രഹിക്കുന്ന പക്ഷം run_translation ഉപയോഗിക്കുക.

റീപോസിറ്ററി വിവർത്തനം ഡിഫൗൾട്ടായി dry_run=true ആക്കിയാണ് നടത്തുന്നത്, ώστε ഏജന്റ് ഫയൽ മാറ്റങ്ങൾക്കുമുമ്പ് പരിധി പരിശോധിക്കാൻ കഴിയും:

{
  "language_codes": "ko ja",
  "root_dir": ".",
  "markdown": true,
  "dry_run": true
}

run_translation ഫലത്തിൽ പതിപ്പുചെയ്ത events അരേ ഉൾക്കൊള്ളിക്കുന്നു. co-op.translation.event.v1 പ്രോഗ്രസ് ഇവന്റുകൾ അടങ്ങിയിരിക്കും. MCP ക്ലയന്റുകൾ കോൻസോൾ ടെക്സ്റ്റ് പാഴ്സ് ചെയ്യുന്നതിന്റെ പകരം താഴെപ്പറയുന്ന ഫീൽഡുകൾ ഉപയോഗിക്കണം ഉദാഹരണത്തിന് type, stage_key, completed, total, current_path എന്നിവ. ക്യാപ്ചർ ചെയ്ത കൺസോൾ ടെക്സ്റ്റ് പാഴ്സിങ് ചെയ്യാൻ പകരം ഇവയിലെ ഫീൽഡുകൾ ഉപയോഗിക്കുക. ആ ഇവന്റുകൾ NDJSON ഫയലിലേക്ക് എഴുതണമെങ്കിൽ json_events_path പാസ്സ് ചെയ്യുക. NDJSON ഫയലിലേക്ക്.

എഴുതലുകള് അനുവദിക്കുവാൻ caller-ന് dry_run=falseയും confirm_write=trueയും രണ്ടും സജ്ജമാക്കണം:

{
  "language_codes": "ko",
  "root_dir": ".",
  "markdown": true,
  "dry_run": false,
  "confirm_write": true
}

translate_project-നെ run_translation-നുള്ള അനുയോജ്യമായ ആലിയസായി നൽകുന്നു.

വിവർത്തനം ചെയ്ത ഔട്ട്‌പുട്ട് റിവ്യൂ ചെയ്യുക¶

LLM അല്ലെങ്കിൽ Vision ക്രെഡൻഷ്യലുകൾ ആവശ്യമില്ലാത്ത നിർണ്ണായക പരിശോധനകൾക്കായി run_review ഉപയോഗിക്കുക:

Beta

MCP ബിേറ്റ പതിപ്പിന്റെ run_review API തുറന്ന് തരുന്നു. ഇത് റീഡ്-ഓൺലി റിവ്യൂ വർക്ക്‌ഫ്ലോകുകൾക്കായി സുരക്ഷിതമാണ്, പക്ഷേ റിവ്യൂ പരിശോധനകളും ഇഷ്യൂ സ്‌കീമുകളും വളരാൻസാധ്യത ഉണ്ട്.

{
  "language_codes": "ko ja",
  "root_dir": ".",
  "markdown": true,
  "notebook": true
}

ഫലത്തിൽ ക്യാപ്ചർ ചെയ്ത ടെക്സ്റ്റ് ഔട്ട്‌പുട്ടും ലഭ്യമായപ്പോൾ ഘടനാപരമായ റിവ്യൂ സംഗ്രഹവും ഉൾക്കൊള്ളും.

മാനുവൽ സെർവർ റൺസ്¶

മാനുവൽ റൺസ് പ്രധാനമായും ഡീബഗിംഗിനോ ദീർഘകാലം ജോലിയിലിരിക്കുന്ന സെർവർ പോലെയുള്ള ട്രാൻസ്പോർട്ടുകൾക്കായോ ആണ്.

ഡീബഗിന് ഡിഫോൾട്ട് stdio സർവർ:

co-op-translator-mcp

സോഴ്‌സ് ചെക്ക്ഔട്ട്-ൽ നിന്നു പ്രവർത്തിപ്പിക്കുക:

python -m co_op_translator.mcp.server

ദീർഘകാലപരമായി നിലനിൽക്കുന്ന HTTP അല്ലെങ്കിൽ SSE സർവർ റൺ ചെയ്യുക:

co-op-translator-mcp --transport streamable-http
co-op-translator-mcp --transport sse

ലോക്കൽ എഡിറ്റർ மற்றும் ഏജന്റ് ഇന്റഗ്രേഷനുകൾക്കായി, ഘട്ടം 2-ലുള്ള ക്ലയന്റ്-മാനേജ്ഡ് stdio കോൺഫിഗറേഷൻ പ്രഥമ പരിഗണന ആക്കുക.

ടൂളുകൾ¶

ടൂൾ	ഉപയോഗം	ഫയലുകൾ എഴുതുന്നു
`translate_markdown_content`	ഒരു Markdown സ്ട്രിംഗ് വിവർത്തനം ചെയ്യുക.	ഇല്ല
`translate_notebook_content`	നോട്ട്‌ബുക്ക് JSON-ിലെ Markdown സെലുകൾ വിവർത്തനം ചെയ്യുക.	ഇല്ല
`translate_image_content`	ഒരു ചിത്രത്തിലെ ടെക്സ്റ്റ് വിവർത്തനം ചെയ്ത് base64 ഇമേജ് ഡാറ്റ തിരികെ നൽകുക.	ഐച്ഛികം, `output_path` നൽകിയപ്പോൾ മാത്രം
`start_markdown_agent_translation`	Co-op Translator LLM പ്രൊവൈഡർ ക്രെഡൻഷ്യലുകൾ ഇല്ലാതെ ഹോസ്റ്റ് ഏജന്റ് വിവർത്തനം ചെയ്യാൻ Markdown chunks തയ്യാറാക്കുക.	ഇല്ല
`finish_markdown_agent_translation`	ഹോസ്റ്റ്-എജന്റ് വിവർത്തന ചങ്കുകളിൽ നിന്ന് Markdown പുനഃനിർമിക്കുക.	ഇല്ല
`start_notebook_agent_translation`	ഹോസ്റ്റ് ഏജന്റ് വിവർത്തനം ചെയ്യാൻ നോട്ട്‌ബുക്ക് Markdown-സെൽ ചങ്കുകൾ തയ്യാറാക്കുക.	ഇല്ല
`finish_notebook_agent_translation`	ഹോസ്റ്റ്-എജന്റ് വിവർത്തന ചങ്കുകൾ ഉപയോഗിച്ച് നോട്ട്‌ബുക്ക് JSON പുനഃനിർമിക്കുക.	ഇല്ല
`rewrite_markdown_paths`	വിവർത്തിച്ച ലക്ഷ്യത്തിനായുള്ള Markdown ബോഡി һәм frontmatter പാത്തുകൾ പുനഃരചയിക്കുക.	ഇല്ല
`rewrite_notebook_paths`	നോട്ട്‌ബുക്ക് Markdown സെലുകൾക്കുള്ളതിലുള്ള പാത്തുകൾ പുനഃരചയിക്കുക.	ഇല്ല
`run_translation`	CLI പോലെയുള്ള പ്രോജക്‌ട്-ലെവൽ വിവർത്തനം നടത്തുക.	ഉണ്ടോ, `dry_run=false`യും `confirm_write=true`യും ആയപ്പോൾ
`translate_project`	`run_translation`-നുള്ള കംപാറ്റിബിലിറ്റി ആലിയസ്.	ഉണ്ടോ, `dry_run=false`യും `confirm_write=true`യും ആയപ്പോൾ
`run_review`	നിർണ്ണായക റിവ്യൂ പരിശോധനകൾ നടത്തുക.	ഇല്ല
`get_configuration_status`	രഹസ്യങ്ങൾ പുറത്താക്കാതെ ക്രമീകരിച്ച LLM మరియు Vision പ്രൊവൈഡറുകൾ റിപ്പോർട്ട് ചെയ്യുക.	ഇല്ല
`list_supported_languages`	പിന്തുണയുള്ള ലക്ഷ്യ ഭാഷാ കോഡുകൾ ലിസ്റ്റ് ചെയ്യുക.	ഇല്ല
`get_api_overview`	ലഭ്യമായ MCP വർക്ക്‌ഫ്ലോകളും ടൂളുകളും വിവരണം നൽകുക.	ഇല്ല

റിസോഴ്‌സുകൾ¶

റിസോഴ്‌സ് URI	ഉപയോഗം
`co-op://api`	വർക്ക്‌ഫ്ലോകളുടെയും ടൂളുകളുടെയും JSON അവലോകനം.
`co-op://supported-languages`	പിന്തുണയുള്ള ഭാഷാ കോഡുകളുടെ JSON ലിസ്റ്റ്.
`co-op://configuration`	രഹസ്യങ്ങൾ ഇല്ലാതെ പ്രൊവൈഡർ ലഭ്യതയുടെ JSON സംഗ്രഹം.

പ്രോംപ്റ്റുകൾ¶

പ്രോംപ്റ്റ്	ഉപയോഗം
`translate_markdown_document_prompt`	content വിവർത്തനവും ഐച്ഛികമായി പാത പുനഃരചയനവുമുള്ള MCP ക്ലയന്റിനെ മാർഗ്‌ദർശിപ്പിക്കുക.
`agent_assisted_markdown_translation_prompt`	Co-op Translator LLM പ്രൊവൈഡർ ക്രെഡൻഷ്യലുകൾ ഇല്ലാതെ ഹോസ്റ്റ്-ഏജന്റ് Markdown വിവർത്തനത്തിനു MCP ക്ലയന്റിനെ മാർഗ്‌ദർശിപ്പിക്കുക.
`translate_repository_prompt`	ആദ്യം dry-run നടത്തുന്ന റീപോസിറ്ററി വിവർത്തനത്തിലേക്കുള്ള MCP ക്ലയന്റിനെ മാർഗ്‌ദർശിപ്പിക്കുക.

കോപി-പേസ്റ്റ് ഉദാഹരണങ്ങൾ¶

Markdown ഉള്ളടക്കം വിവർത്തനം ചെയ്യുക:

{
  "tool": "translate_markdown_content",
  "arguments": {
    "document": "# Hello\n\nWelcome to the course.",
    "language_code": "ko",
    "source_path": "docs/guide.md"
  }
}

വിവർത്തിച്ചത് Markdown ലിങ്കുകൾ പുനഃരചയിക്കുക:

{
  "tool": "rewrite_markdown_paths",
  "arguments": {
    "content": "[Setup](../setup.md)\n\n![Hero](images/hero.png)",
    "source_path": "docs/guide.md",
    "target_path": "translations/ko/docs/guide.md",
    "policy": {
      "language_code": "ko",
      "root_dir": ".",
      "translations_dir": "translations",
      "translated_images_dir": "translated_images",
      "translation_types": ["markdown", "images"]
    }
  }
}

ഹോസ്റ്റ് ഏജന്റ് മോഡൽ ഉപയോഗിച്ച് Markdown വിവർത്തനം ചെയ്യുക:

{
  "tool": "start_markdown_agent_translation",
  "arguments": {
    "document": "# Hello\n\nUse `pip install` to get started.",
    "language_code": "ko",
    "source_path": "docs/guide.md"
  }
}

ഹോസ്റ്റ് ഏജന്റ് മടങ്ങിയെത്തിച്ച ഓരോ chunk-ഉം വിവർത്തനം ചെയ്തത് കഴിഞ്ഞ്, start_markdown_agent_translation മടങ്ങിച്ചുതരുന്ന മുഴുവൻ job ഒബ്ജക്റ്റുമായി ജോബ് ഉപസംഹരിക്കൂ:

tool: finish_markdown_agent_translation
arguments:
  job: <the full job object returned by start_markdown_agent_translation>
  translated_chunks:
    - chunk_id: body:1
      translated_text: "# 안녕하세요\n\n시작하려면 `pip install`을 사용하세요."

റീപോസിറ്ററി വിവർത്തനം മുൻ‌കൂട്ടി കാണുക:

{
  "tool": "run_translation",
  "arguments": {
    "language_codes": "ko",
    "root_dir": ".",
    "markdown": true,
    "dry_run": true
  }
}

പ്രശ്നപരിഹാരം¶

പ്രശ്നം	പരീക്ഷിക്കേണ്ടത്
MCP ക്ലയന്റ് `co-op-translator-mcp` കണ്ടെത്താൻ കഴിയുന്നില്ല.	ആബ്സല്യൂട്ട് Python എക്സിക്യൂട്ടബിൾ പാത്ത് ഉപയോഗിക്കുക, మరియు `["-m", "co_op_translator.mcp.server"]` സോഴ്‌സ് ചെക്ക്ഔട്ട് കോൺഫിഗറേഷൻ ഉപയോഗിക്കുക.
സെർവർ ലിസ്റ്റിൽ കാണിച്ചാലും വിവർത്തനം പരാജയപ്പെടുന്നു.	`get_configuration_status` കോൾ ചെയ്ത് ഒരു LLM പ്രൊവൈഡർ ലഭ്യമാണെന്ന് സ്ഥിരീകരിക്കുക.
പ്രൊവൈഡർ ക്രെഡൻഷ്യലുകൾ ഇല്ലാതെ Markdown അല്ലെങ്കിൽ നോട്ട്‌ബുക്ക് വിവർത്തനം വേണം.	ഹോസ്റ്റ് ഏജന്റ് chunks വിവർത്തനം ചെയ്യാൻ `start_markdown_agent_translation` / `finish_markdown_agent_translation` ഉപയോഗിക്കുക അതോ നോട്ട്‌ബുക്ക് സഹപ്രവർത്തി ടൂളുകൾ ഉപയോഗിക്കുക.
ഇമേജ് വിവർത്തനം പരാജയപ്പെടുന്നു.	Azure AI Vision ചാരങ്ങൾ ക്രമീകരിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക ಮತ್ತು `get_configuration_status` കോൾ ചെയ്യുക.
റീപോസിറ്ററി വിവർത്തനം ഫയലുകൾ എഴുതുന്നില്ല.	ഉപയോക്താവിന്റെ വ്യക്തമായ അംഗീകാരം ലഭിക്കാത്തവരെ `dry_run=false`യും `confirm_write=true`യും സജ്ജമാക്കരുത്.
ക്ലയന്റ് കോൺഫിഗിൽ മാറ്റങ്ങൾ പ്രത്യക്ഷപ്പെടുന്നില്ല.	MCP ക്ലയന്റ് റസ്റ്റാർട്ട് അല്ലെങ്കിൽ റീലോഡ് ചെയ്യുക.

സുരക്ഷാ കുറിപ്പുകൾ¶

MCP ടൂൾ കോളുകൾ ഹോസ്റ്റ് അപ്ലിക്കേഷനാൽ മോഡൽ-നിയന്ത്രിതമാണ്, അതിനാൽ റീപോസിറ്ററി വിവർത്തനം ഡിഫോൾട്ടായി dry-run ആണ്.
മുഴുവൻ റീപോസിറ്ററി വിവർത്തനം നിരവധി ഫയലുകൾ സൃഷ്ടിക്കാനും അപ്‌ഡേറ്റ് ചെയ്യാനും നീക്കം ചെയ്യാനും ഇടയാക്കാം. confirm_write=true സജ്ജമാക്കുന്നതിന് മുമ്പ് ഉപയോക്താവിന്റെ വ്യക്തമായ അംഗീകാരം ആവശ്യമുണ്ട്.
കോൺഫിഗറേഷൻ സ്റ്റാറ്റസ് ടൂൾ എപ്പോഴും API കീകൾ, എന്റ്പോയിന്റുകൾ അല്ലെങ്കിൽ മറ്റ് രഹസ്യ മൂല്യങ്ങൾ തിരിച്ചുനൽകാറില്ല.
ഇമേജ് വിവർത്തനം base64 ഇമേജ് ഡാറ്റ തിരികെ നൽകും. വലിയ ചിത്രങ്ങൾ വലിയ ടൂൾ റസ്പോൺസുകൾ സൃഷ്ടിക്കാൻ ഇടയാക്കാം.
Agent-assisted ടൂളുകൾ സോഴ്‌സ് chunks-നും പ്രോംപ്റ്റുകൾക്കും MCP ഹോസ്റ്റിന് മടങ്ങി നൽകുന്നു. ആ ഹോസ്റ്റ് ഏജന്റ് മോഡലിലേക്ക് അയക്കാൻ ഉപയോക്താവ് സുഖമുളള ഉള്ളടക്കത്തിനേ മാത്രം അവ ഉപയോഗിക്കുക.