MCP सर्व्हर¶

Co-op Translator मध्ये एजंट्स, संपादक आणि MCP-सुसंगत क्लायंटसाठी Model Context Protocol सर्व्हर समाविष्ट आहे.

डिफॉल्ट लोकल सेटअपसाठी, वापरकर्ते स्वतंत्र सर्व्हर स्वतः हाताने चालवू शकत नाहीत. ते त्यांचा MCP क्लायंट कॉन्फिगर करतात, आणि क्लायंटला Co-op Translator साधनांची गरज असताना तो stdio वर आपोआप co-op-translator-mcp सुरू करतो.

जर आपण CLI, Python API आणि MCP यांपैकी निवड करत असाल, तर आपला कार्यप्रवाह निवडा पासून सुरू करा.

जेव्हा एखाद्या एजंट किंवा संपादकाने Co-op Translator ला थेट कॉल करणे आवश्यक असेल तेव्हा MCP वापरा:

वापरकर्त्याचा उद्देश	MCP साधने
एक Markdown दस्तऐवज, नोटबुक, किंवा प्रतिमा अनुवादित करा	`translate_markdown_content`, `translate_notebook_content`, `translate_image_content`
होस्ट एजंट मॉडेलसह Markdown किंवा नोटबुक सामग्री अनुवादित करा	`start_markdown_agent_translation`, `finish_markdown_agent_translation`, `start_notebook_agent_translation`, `finish_notebook_agent_translation`
आउटपुट पथ निवडल्यानंतर अनुवादित Markdown किंवा नोटबुक लिंक्स पुनर्लेखन करा	`rewrite_markdown_paths`, `rewrite_notebook_paths`
CLI प्रमाणे पूर्ण रेपॉझिटरी अनुवादित करा	`run_translation`, `translate_project`
LLM क्रेडेन्शियल्स नसतानाही अनुवादित आउटपुट रीव्ह्यू करा	`run_review`
क्षमता आणि वातावरण स्थिती तपासा	`get_api_overview`, `list_supported_languages`, `get_configuration_status`

MCP सर्व्हर त्याच सार्वजनिक Python API ला व्रॅप करतो जे Python API मध्ये दस्तऐवजीकृत आहे. प्रोव्हायडर-आधारित साधने CLI आणि Python API प्रमाणेच कॉन्फिगर केलेले प्रोव्हायडर्स वापरतात. एजंट-सहाय्यक साधने MCP होस्ट एजंटसाठी अनुवाद करण्यासाठी चंक्स तयार करतात, आणि नंतर अंतिम Markdown किंवा नोटबुक पुनर्निर्माण करण्यासाठी Co-op Translator वापरतात.

टप्पा 1: Co-op Translator इन्स्टॉल आणि कॉन्फिगर करा¶

आपल्या MCP क्लायंटने वापरणाऱ्या Python वातावरणात Co-op Translator इन्स्टॉल करा:

pip install co-op-translator

या रेपॉझिटरीहून लोकल विकासासाठी, पॅकेज editable मोडमध्ये इन्स्टॉल करा:

pip install -e .

आपल्या MCP क्लायंटने कोणता अनुवाद मोड वापरायचा हे निवडा:

Mode	Use this for	Credentials
Provider-backed	Co-op Translator `translate_markdown_content`, `translate_notebook_content`, `translate_image_content`, किंवा `run_translation` कॉल करतो.	Markdown आणि नोटबुक अनुवादासाठी Azure OpenAI किंवा OpenAI आवश्यक आहेत. प्रतिमा अनुवादासाठी Azure AI Vision देखील आवश्यक आहे.
Agent-assisted	MCP होस्ट एजंट `start_markdown_agent_translation` किंवा `start_notebook_agent_translation` ने परत केलेले चंक्स अनुवादित करतो.	Markdown किंवा नोटबुक चंक्ससाठी Co-op Translator LLM प्रोव्हायडर क्रेडेन्शियल्स आवश्यक नाहीत. प्रतिमा अनुवाद अद्याप एजंट-सहाय्यक मोडने कव्हर केलेले नाही.

जर आपण Codex किंवा Claude Code सारख्या एजंटमध्ये Markdown किंवा नोटबुक अनुवाद सुरू करत असाल, तर एजंट-सहाय्यक मोडने प्रारंभ करा. जेव्हा आपण हवे असत तेव्हा Co-op Translator स्वतः कॉन्फिगर केलेल्या प्रोव्हायडर्सना कॉल करावा अशी इच्छा असेल, प्रतिमा अनुवाद करत असाल, किंवा CLI प्रमाणे रेपॉझिटरी-स्तरीय अनुवाद चालवत असाल तेव्हा प्रोव्हायडर-आधारित मोड वापरा.

प्रोव्हायडर-आधारित वर्कफ्लो साठी फक्त प्रोव्हायडर क्रेडेन्शियल्स कॉन्फिगर करा:

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"

प्रोव्हायडर-आधारित प्रतिमा अनुवादासाठी अतिरिक्तपणे आवश्यक आहे:

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

Note

एजंट-सहाय्यक मोड सध्या Markdown आणि नोटबुकच्या Markdown सेल्सवर कव्हर करतो. प्रतिमा अनुवाद अद्याप प्रोव्हायडर-आधारित इमेज पाइपलाइन वापरतो आणि OCR व लेआउट-अवेअर रेंडरिंगसाठी Azure AI Vision आवश्यक आहे.

टप्पा 2: आपला MCP क्लायंट कॉन्फिगर करा¶

सामान्य स्थानिक stdio सेटअपसाठी, आपल्या MCP क्लायंट कॉन्फिगरेशनमध्ये Co-op Translator जोडा. क्लायंट प्रोसेस आपोआप सुरू आणि थांबवेल.

इन्स्टॉल केलेल्या पॅकेजसाठी कॉन्फिगरेशन:

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

Windows वर सोर्स चेकआउट कॉन्फिगरेशन:

{
  "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 किंवा Linux वर सोर्स चेकआउट कॉन्फिगरेशन:

{
  "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 क्लायंट कॉन्फिगरेशन बदलल्यानंतर, नवीन सर्व्हर शोधण्यासाठी क्लायंट रीस्टार्ट किंवा रीलोड करा.

टप्पा 3: क्लायंटमध्ये सर्व्हर सत्यापित करा¶

MCP क्लायंटला उपलब्ध टूल्सची यादी विचारून किंवा प्रथम वाच-केवल हेल्पर्सपैकी कोणतीही एक कॉल करून तपासा:

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

सुरुवातीस उपयुक्त तपासणी:

Tool	काय तपासायचे
`get_api_overview`	सर्व्हर पोहोचण्याजोगा आहे का हे पुष्टी करतो आणि उपलब्ध वर्कफ्लो दाखवतो.
`list_supported_languages`	पॅकेज केलेली भाषा डेटा लोड होऊ शकते का हे पुष्टी करतो.
`get_configuration_status`	गुप्त मूल्ये उघड न करता LLM आणि Vision प्रोव्हायडर उपलब्धता पुष्टी करतो.

टप्पा 4: कामाचा प्रवाह निवडा¶

स्वतंत्र फाइल्स किंवा दस्तऐवज अनुवादित करा¶

जर MCP क्लायंटकडे आधीपासून दस्तऐवज सामग्री किंवा प्रतिमा पथ असेल आणि Co-op Translator कॉन्फिगर केलेल्या अनुवाद प्रोव्हायडर्सना कॉल करणे अपेक्षित असेल तर प्रोव्हायडर-आधारित सामग्री साधने वापरा.

Markdown साठी:

document, language_code, आणि ऐच्छिक source_path सह translate_markdown_content कॉल करा.
अनुवादित निकाल Co-op Translator आउटपुट लेआउटमध्ये लिहिला जाईल असेल तर rewrite_markdown_paths कॉल करा.
क्लायंटला अंतिम content लिहायला किंवा परत करायला द्या.

नोटबुकसाठी:

नोटबुक JSON आणि language_code सह translate_notebook_content कॉल करा.
अनुवादित नोटबुक लिंक्स लक्ष्य पथानुसार समायोजित करायच्या असतील तर rewrite_notebook_paths कॉल करा.
अंतिम नोटबुक JSON लिहा किंवा परत करा.

प्रतिमांसाठी:

image_path, language_code, आणि ऐच्छिक root_dir किंवा fast_mode सह translate_image_content कॉल करा.
परत केलेले data_base64 आणि mime_type वाचा.
output_path प्रदान केल्यास, अनुवादित प्रतिमाही त्या पथावर जतन केली जाते.

कंटेंट साधने प्रकल्प शोध, मेटाडेटा अद्यतने, डिस्क्लेमर्स, किंवा स्वयंचलित पथ पुनर्लेखन करीत नाहीत. जर आपण होस्ट एजंटला Co-op Translator LLM प्रोव्हायडर क्रेडेन्शियल्स शिवाय Markdown किंवा नोटबुक चंक्स अनुवादित करावेत असे इच्छित असाल, तर खालील एजंट-सहाय्यक वर्कफ्लो वापरा.

होस्ट एजंट मॉडेलने अनुवाद करा¶

जर आपण Co-op Translator साठी Azure OpenAI किंवा OpenAI कॉन्फिगर न करता होस्ट एजंट (उदा. कोडिंग सहाय्यक) कडून अनुवादित मजकूर प्राप्त करू इच्छित असाल तर एजंट-सहाय्यक साधने वापरा.

चॅट-आधारित MCP क्लायंटमध्ये, सामान्यतः आपल्याला टूल JSON स्वतः लिहिण्याची गरज नाही. एजंटला एजंट-सहाय्यक वर्कफ्लो वापरण्यास सांगा:

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.

नोटबुकसाठी, त्याच नमुन्याचा वापर करा:

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.

जर आपला MCP क्लायंट सर्व्हर प्रॉम्प्ट्सना समर्थन देत असेल, तर क्लायंटला समान वर्कफ्लो सूचनां लोड करण्यासाठी agent_assisted_markdown_translation_prompt वापरा.

Markdown साठी:

document, language_code, आणि ऐच्छिक source_path सह start_markdown_agent_translation कॉल करा.
परत केलेल्या प्रत्येक चंकचे prompt अनुसरून होस्ट एजंटमध्ये अनुवाद करा.
मूळ job आणि chunk_id व translated_text वापरून अनुवादित चंक्ससह finish_markdown_agent_translation कॉल करा.
सामग्री अनुवादित लक्ष्य पथावर लिहिली जाणार असेल तर rewrite_markdown_paths कॉल करा.

नोटबुकसाठी:

नोटबुक JSON आणि language_code सह start_notebook_agent_translation कॉल करा.
परत केलेले प्रत्येक चंक होस्ट एजंटमध्ये अनुवाद करा.
मूळ job आणि अनुवादित चंक्ससह finish_notebook_agent_translation कॉल करा.
अनुवादित नोटबुक लिंक्सना लक्ष्य-पथ समायोजन आवश्यक असल्यास rewrite_notebook_paths कॉल करा.

एजंट-सहाय्यक साधने Co-op Translator मधून Azure OpenAI किंवा OpenAI ला कॉल करत नाहीत. परत केलेले चंक्स अनुवादित करण्याची जबाबदारी होस्ट एजंटची आहे. Co-op Translator Markdown चंकिंग, प्लेसहोल्डर जतन करणे, फ्रंटमॅटर पुनर्निर्माण, नोटबुक सेल रिप्लेसमेंट, आणि अनुवादानंतर सामान्यीकरण हाताळतो.

संपूर्ण रेपॉझिटरी अनुवादित करा¶

जेव्हा वापरकर्ता Co-op Translator ला translate CLI प्रमाणे काम करावयाचे असेल तेव्हा run_translation वापरा.

रेपॉझिटरी अनुवाद डिफॉल्टने dry_run=true असतो जेणेकरून एजंट फायली बदलण्यापूर्वी स्कोप तपासू शकेल:

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

लिखण्याची परवानगी देण्यासाठी, कॉल करणाऱ्याने दोन्ही dry_run=false आणि confirm_write=true सेट करणे आवश्यक आहे:

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

translate_project हा run_translation साठी सुसंगत अलियास म्हणून एक्स्पोज केला गेला आहे.

अनुवादित आउटपुट पुनरावलोकन करा¶

LLM किंवा Vision क्रेडेन्शियल्सची आवश्यकता नसलेल्या ठराविक तपासण्या (deterministic checks) साठी run_review वापरा:

बीटा

MCP बीटा run_review API एक्स्पोज करतो. वाचन-केवळ पुनरावलोकन वर्कफ्लोसाठी ते सुरक्षित आहे, परंतु पुनरावलोकन तपासण्या आणि इश्यू स्कीम्स विकसित होऊ शकतात.

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

निकालामध्ये कॅप्चर केलेले टेक्स्ट आउटपुट आणि उपलब्ध असेल तर संरचित पुनरावलोकन सारांश समाविष्ट आहे.

मॅन्युअल सर्व्हर रन¶

मॅन्युअल रन मुख्यतः डीबगिंगसाठी किंवा दीर्घकाळ चालणाऱ्या सर्व्हरप्रमाणे वागणाऱ्या ट्रान्सपोर्टसाठी असतात.

डिफॉल्ट stdio सर्व्हर डीबग करा:

co-op-translator-mcp

सोर्स चेकआउटमधून चालवा:

python -m co_op_translator.mcp.server

दीर्घकालीन HTTP किंवा SSE सर्व्हर चालवा:

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

लोकल संपादक आणि एजंट इंटिग्रेशनसाठी, टप्पा 2 मधील क्लायंट-व्यवस्थित stdio कॉन्फिगरेशन प्राधान्य द्या.

साधने¶

Tool	उद्देश	फाइल लिहिते
`translate_markdown_content`	Markdown स्ट्रिंग अनुवादित करा.	नाही
`translate_notebook_content`	नोटबुक JSON मधील Markdown सेल्स अनुवादित करा.	नाही
`translate_image_content`	एका प्रतिमेतील मजकूर अनुवादित करा आणि base64 इमेज डेटा परत करा.	ऐच्छिक, केवळ जेव्हा `output_path` प्रदान केले असेल
`start_markdown_agent_translation`	होस्ट एजंटला Co-op Translator LLM प्रोव्हायडर क्रेडेन्शियल्स शिवाय अनुवादासाठी Markdown चंक्स तयार करा.	नाही
`finish_markdown_agent_translation`	होस्ट-एजंट अनुवादित चंक्समधून Markdown पुन्हा बनवा.	नाही
`start_notebook_agent_translation`	होस्ट एजंटसाठी नोटबुक Markdown-सेल चंक्स तयार करा.	नाही
`finish_notebook_agent_translation`	होस्ट-एजंट अनुवादित चंक्समधून नोटबुक JSON पुनर्निर्मित करा.	नाही
`rewrite_markdown_paths`	अनुवादित लक्ष्यासाठी Markdown बॉडी आणि फ्रंटमॅटर पाथ्स पुनर्लेखन करा.	नाही
`rewrite_notebook_paths`	नोटबुक Markdown सेल्समधील पाथ्स पुनर्लेखन करा.	नाही
`run_translation`	CLI प्रमाणे प्रोजेक्ट-स्तरीय अनुवाद चालवा.	होय जेव्हा `dry_run=false` आणि `confirm_write=true`
`translate_project`	`run_translation` साठी सुसंगत अलियास.	होय जेव्हा `dry_run=false` आणि `confirm_write=true`
`run_review`	ठराविक पुनरावलोकन तपासण्या चालवा.	नाही
`get_configuration_status`	गुप्त माहिती न उघडता कॉन्फिगर केलेले LLM आणि Vision प्रोव्हायडर्स रिपोर्ट करा.	नाही
`list_supported_languages`	समर्थित लक्ष्य भाषा कोडांची यादी करा.	नाही
`get_api_overview`	उपलब्ध MCP वर्कफ्लो आणि साधने वर्णन करा.	नाही

संसाधने¶

Resource URI	उद्देश
`co-op://api`	वर्कफ्लो आणि साधनांची JSON ओव्हरव्ह्यू.
`co-op://supported-languages`	समर्थित भाषा कोडांची JSON यादी.
`co-op://configuration`	गुप्तांशांशिवाय प्रोव्हायडर उपलब्धतेचा JSON सारांश.

प्रॉम्प्ट्स¶

Prompt	उद्देश
`translate_markdown_document_prompt`	कंटेंट अनुवाद आणि ऐच्छिक पथ पुनर्लेखन मार्गदर्शन करण्यासाठी MCP क्लायंटचे मार्गदर्शन करा.
`agent_assisted_markdown_translation_prompt`	Co-op Translator LLM प्रोव्हायडर क्रेडेन्शियल्स नसतानाही होस्ट-एजंट Markdown अनुवादासाठी MCP क्लायंटचे मार्गदर्शन करा.
`translate_repository_prompt`	प्रथम dry-run करून रेपॉझिटरी अनुवादासाठी MCP क्लायंटचे मार्गदर्शन करा.

कॉपी-पेस्ट उदाहरणे¶

Markdown सामग्री अनुवादित करा:

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

अनुवादित Markdown लिंक्स पुनर्लेखन करा:

{
  "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"]
    }
  }
}

होस्ट एजंट मॉडेलनुसार Markdown अनुवाद करा:

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

होस्ट एजंटने परत केलेल्या प्रत्येक चंकचे अनुवाद केल्यानंतर, start_markdown_agent_translation ने परत केलेल्या पूर्ण job ऑब्जेक्टसह जॉब पूर्ण करा:

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."

रेपॉझिटरी अनुवाद प्रीव्ह्यू करा:

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

समस्या निवारण¶

समस्या	काय करायला हवे
MCP क्लायंट `co-op-translator-mcp` सापडवू शकत नाही.	पूर्ण Python एक्झिक्युटेबल पथ आणि `["-m", "co_op_translator.mcp.server"]` सोर्स चेकआउट कॉन्फिगरेशन वापरा.
सर्व्हर सूचीबद्ध आहे परंतु अनुवाद अयशस्वी होतो.	`get_configuration_status` कॉल करा आणि LLM प्रोव्हायडर उपलब्ध आहे का ते पुष्टी करा.
आपण Azure OpenAI/OpenAI कीशिवाय Markdown किंवा नोटबुक अनुवाद हवे आहे.	`start_markdown_agent_translation` / `finish_markdown_agent_translation` किंवा नोटबुक समतुल्य वापरा जेणेकरून होस्ट एजंट चंक्स अनुवादित करेल.
प्रतिमा अनुवाद अयशस्वी होतो.	Azure AI Vision व्हेरीएबल्स सेट केलेले आहेत का ते पुष्टी करा आणि `get_configuration_status` कॉल करा.
रेपॉझिटरी अनुवाद फाइल्स लिहित नाही.	वापरकर्त्याच्या स्पष्ट मंजुरीनंतरच `dry_run=false` आणि `confirm_write=true` सेट करा.
क्लायंट कॉन्फिगमध्ये बदल दिसत नाहीत.	MCP क्लायंट रीस्टार्ट किंवा रीलोड करा.

सुरक्षा टीपा¶

MCP टूल कॉल्स होस्ट अनुप्रयोगाद्वारे मॉडेल-नियंत्रित असतात, त्यामुळे रेपॉझिटरी अनुवाद डीफॉल्टने dry-run असतो.
पूर्ण रेपॉझिटरी अनुवाद अनेक फाईल्स तयार, अपडेट किंवा काढून टाकू शकतो. confirm_write=true सेट करण्यापूर्वी स्पष्ट वापरकर्ता मंजुरी आवश्यक आहे.
कॉन्फिगरेशन स्थिती टूल कधीही API कीز, एंडपॉइंट्स किंवा इतर गुप्त मूल्ये परत करत नाही.
प्रतिमा अनुवाद base64 इमेज डेटा परत करतो. मोठ्या प्रतिमा मोठे टूल प्रतिसाद उत्पन्न करू शकतात.
एजंट-सहाय्यक साधने स्रोत चंक्स आणि प्रॉम्प्ट्स MCP होस्टकडे परत करतात. फक्त अशा सामग्रीसाठी त्यांचा वापर करा ज्याबद्दल वापरकर्ता त्या होस्ट एजंट मॉडेलकडे पाठवण्यास सभ्य आहे.