MCP ဆာဗာ¶

Co-op Translator တွင် agent များ၊ editor များနှင့် MCP-ကိုက်ညီသော client များအတွက် Model Context Protocol ဆာဗာ တစ်ခု ပါဝင်သည်။

မူလ ဒေသအဆင်သင့် တပ်ဆင်မှုအတွက်၊ အသုံးပြုသူများသည် သီးခြား ဆာဗာကို ကိုယ့်လက်ဖြင့် အလုပ်မလည်ဖြစ်စေပါ။ သူတို့သည် သူတို့၏ MCP client ကို ဖွဲ့စည်းပြီး client သည် Co-op Translator tools မလိုအပ်သည့်အခါ stdio မှတဆင့် co-op-translator-mcp ကို အလိုအလျောက် စတင်လည်ပတ်စေပါလိမ့်မည်။

CLI၊ Python API နှင့် MCP အတွင်း ရွေးချယ်ရန်ရှိပါက သင့်လုပ်ငန်းစဉ်ကို ရွေးချယ်ပါ ကနေ စတင်ပါ။

agent သို့ editor တစ်ခုက Co-op Translator ကို တိုက်ရိုက် ခေါ်သင့်လျှင် MCP ကို အသုံးပြုပါ။

အသုံးပြုသူ ရည်မှန်းချက်	MCP ကိရိယာများ
Markdown စာရွက်စာတမ်း တစ်ခု၊ notebook သို့မဟုတ် ဓာတ်ပုံ တစ်ပုံကို ဘာသာပြန်ရန်	`translate_markdown_content`, `translate_notebook_content`, `translate_image_content`
Host agent မော်ဒယ်ဖြင့် Markdown သို့မဟုတ် notebook အကြောင်းအရာ ဘာသာပြန်ရန်	`start_markdown_agent_translation`, `finish_markdown_agent_translation`, `start_notebook_agent_translation`, `finish_notebook_agent_translation`
ထွက်မည့်လမ်းကြောင်းကို ရွေးချယ်ပြီးနောက် ဘာသာပြန်ထားသော Markdown သို့မဟုတ် notebook လင့်ခ်များကို ပြန်ရေးရန်	`rewrite_markdown_paths`, `rewrite_notebook_paths`
CLI ကဲ့သို့ ပြုလုပ်သည့် ပရိုကျက်တစ်ခုလုံးကို ဘာသာပြန်ရန်	`run_translation`, `translate_project`
LLM အချက်အလက် မလိုအပ်ဘဲ ဘာသာပြန်ပြီး output ကို ပြန်လည်သုံးသပ်ရန်	`run_review`
စွမ်းရည်များနှင့် ပတ်ဝန်းကျင်အခြေအနေကို ကြည့်ရှုစစ်ဆေးရန်	`get_api_overview`, `list_supported_languages`, `get_configuration_status`

MCP ဆာဗာသည် Python API တွင် မှတ်တမ်းတင်ထားသည့် တူညီသော public Python API ကို ဖုံးလွှမ်းသည်။ Provider-backed ကိရိယာများသည် CLI နှင့် Python API နှင့်တူညီသည့် ပြင်ဆင်ထားသော provider များကို အသုံးပြုသည်။ Agent-assisted ကိရိယာများသည် MCP host agent အတွက် ဘာသာပြန်ရန် chunk များကို ပြင်ဆင်ပြီး Co-op Translator ကို အသုံးပြုကာ နောက်ဆုံး Markdown သို့မဟုတ် notebook ကို ပြန်လည်တည်ဆောက်သည်။

ခြေလှမ်း ၁: Co-op Translator ကို တပ်ဆင်ပြီး ဖွဲ့စည်းပါ¶

သင့် MCP client သုံးမည့် Python ပတ်ဝန်းကျင်တွင် Co-op Translator ကို တပ်ဆင်ပါ:

pip install co-op-translator

ဒေသတွင်း ဖွံ့ဖြိုးရေးအတွက် ဤ repository မှ package ကို editable mode ဖြင့် တပ်ဆင်ပါ:

pip install -e .

သင့် MCP client သုံးမည့် ဘာသာပြန်မှု မုဒ်ကို ရွေးချယ်ပါ။

မုဒ်	အသုံးပြုရန်	အတည်ပြုချက်များ
Provider-ထောက်ပံ့	Co-op Translator သည် `translate_markdown_content`, `translate_notebook_content`, `translate_image_content`, သို့မဟုတ် `run_translation` ကို ခေါ်ယူသည်။	ဘာသာပြန်မှုအတွက် Azure OpenAI၊ OpenAI သို့မဟုတ် Anthropic လိုအပ်သည်။ ဓာတ်ပုံ ဘာသာပြန်မှုအတွက် Azure AI Vision လည်း လိုအပ်သည်။
Agent-assisted	MCP host agent သည် `start_markdown_agent_translation` သို့မဟုတ် `start_notebook_agent_translation` မှ ပြန်လာသော chunk များကို ဘာသာပြန်သည်။	Markdown သို့ Notebook chunk များအတွက် Co-op Translator LLM provider အတည်ပြုချက် မလိုအပ်ပါ။ ဓာတ်ပုံ ဘာသာပြန်မှုကို agent-assisted မုဒ်တွင် မပါသေးပါ။

Codex သို့ Claude Code ကဲ့သို့ agent အတွင်း Markdown သို့ Notebook ဘာသာပြန်မှုကို စတင်ပါက agent-assisted မုဒ်ဖြင့် စတင်ပါ။ Co-op Translator ကို ကိုယ်တိုင် သင့်ပြင်ဆင်ထားသည့် provider များကို ခေါ်စေလိုသောအခါ၊ ဓာတ်ပုံများကို ဘာသာပြန်နေချိန်တွင် သို့မဟုတ် CLI ကဲ့သို့ repository-အဆင့် ဘာသာပြန်မှုများကို ပြုလုပ်ချိန်တွင် provider-backed မုဒ်ကို အသုံးပြုပါ။

Provider-backed workflows များအတွက် provider တစ်ခုကို ဖွဲ့စည်းပါ။

# Azure OpenAI
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"

# သို့မဟုတ် OpenAI
OPENAI_API_KEY="..."
OPENAI_CHAT_MODEL_ID="gpt-4o"

# သို့မဟုတ် Anthropic
ANTHROPIC_API_KEY="..."
ANTHROPIC_MODEL="claude-..."

Provider-backed ဓာတ်ပုံ ဘာသာပြန်မှုအတွက် ထပ်ဆောင်းလိုအပ်ချက်များ:

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

Note

Agent-assisted မုဒ်သည် ယခုအခါ Markdown နှင့် notebook ၏ Markdown cell များကိုသာ ဖုံးလွှမ်းထားသည်။ ဓာတ်ပုံ ဘာသာပြန်မှုမှာ provider-backed image pipeline ကို အသုံးပြုထားပြီး OCR နှင့် layout-aware rendering အတွက် Azure AI Vision လိုအပ်သည်။

ခြေလှမ်း ၂: သင့် MCP Client ကို ဖော်ဆောင်ပါ¶

ပုံမှန် ဒေသတွင်း stdio စီစဉ်မှုအတွက် Co-op Translator ကို သင့် MCP client configuration ထဲသို့ ထည့်ပါ။ client က အဆိုပါ process ကို အလိုအလျောက် စတင်/ပိတ်ပါလိမ့်မည်။

တပ်ဆင်ထားသည့် package အတွက် configuration:

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

Windows အတွက် source checkout configuration:

{
  "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 သို့ Linux အတွက် source checkout configuration:

{
  "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 client configuration ပြင်ဆင်ပြီးနောက် client ကို ပြန်စတင် သို့မဟုတ် reload ပြုလုပ်ပါ၊ ထို့ဖြင့် အသစ်သော ဆာဗာကို ရှာဖွေနိုင်မည်။

ခြေလှမ်း ၃: Client တွင် ဆာဗာကို အတည်ပြုပါ¶

MCP client ကို အသုံးပြုနိုင်သော ကိရိယာများ စာရင်းပြပါစေ၊ သို့မဟုတ် ပထမဦးစွာ read-only helper များထဲမှ တစ်ခုကို ခေါ်ပါ။

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

အသုံးဝင်သော စစ်ဆေးမှုများ:

ကိရိယာ	စစ်ဆေးရန်အချက်များ
`get_api_overview`	ဆာဗာကို ဆက်သွယ်နိုင်ကြောင်း အတည်ပြုပြီး အသုံးပြုနိုင်သည့် workflow များကို ပြသသည်။
`list_supported_languages`	ထုပ်ပိုးထားသော ဘာသာစကားဒေတာများကို စတင်ဖတ်ယူနိုင်ကြောင်း အတည်ပြုသည်။
`get_configuration_status`	လျှို့ဝှက်တန်ဖိုးများ မဖော်ထုတ်ဘဲ LLM နှင့် Vision provider များ ရရှိနိုင်ကြောင်း အတည်ပြုသည်။

ခြေလှမ်း ၄: လုပ်ငန်းစဉ်ကို ရွေးချယ်ပါ¶

တစ်ခုချင်း ဖိုင်များ သို့ စာရွက်စာတမ်းများ ဘာသာပြန်ရန်¶

MCP client တွင် စာရွက်စာတမ်း အကြောင်းအရာ သို့မဟုတ် ဓာတ်ပုံ လမ်းကြောင်း ရှိပြီး Co-op Translator က သတ်မှတ်ထားသော translation provider များကို ခေါ်စေလိုပါက provider-backed content tools များကို အသုံးပြုပါ။

Markdown အတွက်:

document, language_code နှင့် လိုအပ်ပါက source_path ဖြင့် translate_markdown_content ကို ခေါ်ပါ။
ဘာသာပြန်ပြီးသော ရလဒ်ကို Co-op Translator output layout တစ်ခုထဲသို့ ရေးရန် ရှိပါက rewrite_markdown_paths ကို ခေါ်ပါ။
client ကို နောက်ဆုံး content ကို ရေးစရာ သို့မဟုတ် ပြန်အပ်ရန် ခွင့်ပြုပါ။

notebook များအတွက်:

notebook JSON နှင့် language_code ဖြင့် translate_notebook_content ကို ခေါ်ပါ။
ဘာသာပြန်ထားသော notebook လင့်ခ်များကို ပစ်မှတ် လမ်းကြောင်းအတွက် ချိန်ညှိရန် လိုအပ်ပါက rewrite_notebook_paths ကို ခေါ်ပါ။
နောက်ဆုံး notebook JSON ကို ရေးထား သို့မဟုတ် ပြန်အပ်ပါ။

ဓာတ်ပုံများအတွက်:

image_path, language_code နှင့် လိုအပ်ပါက root_dir သို့မဟုတ် fast_mode ဖြင့် translate_image_content ကို ခေါ်ပါ။
ပြန်လာသော data_base64 နှင့် mime_type ကို ဖတ်ပါ။
output_path ပေးထားပါက ဘာသာပြန်ထားသော ဓာတ်ပုံကို ထိုလမ်းကြောင်းတွင်လည်း သိမ်းဆည်းမည်။

content tools များသည် project discovery၊ metadata အပ်ဒိတ်များ၊ အာမခံချက်များ သို့မဟုတ် လမ်းကြောင်းကို အလိုအလျောက် ပြန်ရေးခြင်းများကို မပြုလုပ်ပါ။ Co-op Translator LLM provider အတည်ပြုချက်များ မလိုဘဲ host agent ကို Markdown သို့ notebook chunk များ ဘာသာပြန်စေလိုပါက အောက်ပါ agent-assisted workflow ကို အသုံးပြုပါ။

Host Agent မော်ဒယ်ဖြင့် ဘာသာပြန်ခြင်း¶

Co-op Translator အတွက် LLM provider ကို ဖွဲ့စည်းရန် မလိုချင်ဘဲ coding assistant ကဲ့သို့ MCP host agent ကို ဘာသာပြန်စာ ထုတ်ပေးစေလိုပါက agent-assisted ကိရိယာများကို အသုံးပြုပါ။

chat-based MCP client တွင် ပုံမှန်အားဖြင့် သင်ကိုယ်တိုင် tool JSON ကို ရေးရန် မလိုအပ်ပါ။ agent ကို agent-assisted workflow ကို အသုံးပြုစေလိုက်ပါ။

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.

notebook များအတွက်လည်း တူညီသော ပုံစံကို အသုံးပြုပါ:

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.

သင့် MCP client က server prompts ကို ထောက်ပံ့ပါက agent_assisted_markdown_translation_prompt ကို အသုံးပြုပြီး client ကို တူညီသော workflow ညွှန်ကြားချက်များကို load စေပါ။

Markdown အတွက်:

document, language_code နှင့် လိုအပ်ပါက source_path ဖြင့် start_markdown_agent_translation ကို ခေါ်ပါ။
ပြန်လာသော chunk တစ်ခုချင်းစီကို host agent ထဲတွင် chunk ရဲ့ prompt အတိုင်းလိုက်နာ၍ ဘာသာပြန်ပါ။
မူလ job နှင့် ဘာသာပြန်ပြီးသော chunks များကို chunk_id နှင့် translated_text အသုံးပြုပြီး finish_markdown_agent_translation ကို ခေါ်ပါ။
အကြောင်းအရာကို ဘာသာပြန်ထားသည့် ထိပ်တန်း လမ်းကြောင်းသို့ ရေးမည်ဆိုပါက rewrite_markdown_paths ကို ခေါ်ပါ။

notebook များအတွက်:

notebook JSON နှင့် language_code ဖြင့် start_notebook_agent_translation ကို ခေါ်ပါ။
ပြန်လာသော chunk တိုင်းကို host agent တွင် ဘာသာပြန်ပါ။
မူလ job နှင့် ဘာသာပြန်ပြီးသော chunks များဖြင့် finish_notebook_agent_translation ကို ခေါ်ပါ။
ဘာသာပြန်ထားသော notebook link များကို target-path ချိန်ညှိရန် လိုအပ်ပါက rewrite_notebook_paths ကို ခေါ်ပါ။

Agent-assisted tools များသည် Co-op Translator ထဲမှ ပြင်ဆင်ထားသည့် LLM provider ကို ခေါ်မည် မဟုတ်ပါ။ ပြန်လာသော chunks များကို ဘာသာပြန်ရန်တာဝန်ရှိသည်မှာ host agent ဖြစ်သည်။ Co-op Translator သည် Markdown chunking၊ placeholder ထိန်းသိမ်းခြင်း၊ frontmatter ပြန်လည်တည်ဆောက်ခြင်း၊ notebook cell အစားထိုးခြင်းနှင့် ဘာသာပြန်ပြီးနောက် စံနှုန်းပြုလုပ်ခြင်းတို့ကို ကိုင်တွယ်ပေးသည်။

စုစုပေါင်း Repository တစ်ခုကို ဘာသာပြန်ရန်¶

အသုံးပြုသူသည် Co-op Translator ကို translate CLI ကဲ့သို့ လုပ်ဆောင်စေလိုပါက run_translation ကို အသုံးပြုပါ။

Repository ဘာသာပြန်မှုအတွက် မူရင်းအားဖြင့် dry_run=true သတ်မှတ်ထားပါသည်၊ ထို့ကြောင့် agent သည် ဖိုင်ပြောင်းလဲမှု မပြုမီ scope ကို စစ်ဆေးနိုင်သည်။

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

run_translation ရလဒ်တွင် versioned ဖြစ်သော events အစု(array) ပါဝင်သည် co-op.translation.event.v1 progress events များပါရှိသည်။ MCP client များသည် အတိအကျ type, stage_key, completed, total, နှင့် current_path ကဲ့သို့သော field များကို အသုံးပြုသင့်ပြီး captured console စာသားကို ဖတ်ပြန်ခြင်းအား အစား မသုံးသင့်ပါ။ json_events_path ကို ပေးပါက အဆိုပါ events များကိုလည်း NDJSON ဖိုင်ထဲသို့ ရေးသွင်းနိုင်ပါသည်။

ရေးသားခွင့်များ သတ်မှတ်ရန် caller သည် dry_run=false နှင့် confirm_write=true နှစ်ခုလုံးကို သတ်မှတ်ထားရမည်။

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

translate_project ကို run_translation အတွက် compatibility alias အဖြစ် ထုတ်ပေးထားသည်။

ဘာသာပြန်ပြီး ထုတ်လွှင့်ချက်ကို ပြန်လည်သုံးသပ်ရန်¶

LLM သို့ Vision အတည်ပြုချက် မလိုအပ်သည့် သတ်မှတ်နိုင်သည့် စစ်ဆေးချက်များအတွက် run_review ကို အသုံးပြုပါ။

Beta

MCP သည် beta အဆင့်ရှိသည့် run_review API ကို ထုတ်ပြသထားသည်။ ၎င်းသည် read-only ပြန်လည်သုံးသပ်မှုလုပ်ငန်းစဉ်များအတွက် ဘေးကင်း သောဖြစ်ပါသည်၊ သို့သော် review စစ်ဆေးချက်များနှင့် issue schema များသည် အပြောင်းအလဲရှိနိုင်သည်။

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

ရလဒ်တွင် ဖမ်းယူထားသည့် စာသား output နှင့် ရနိုင်ပါက ဖွဲ့စည်းထားသည့် review အကျဉ်းချုပ် ပါဝင်သည်။

လက်ဖြင့် ဆာဗာ ပြေးပွဲများ¶

လက်ဖြင့် ပြေးခြင်းများသည် အဓိကအားဖြင့် debugging အတွက် သို့မဟုတ် ရေရှည်လည်ပတ်သည့် ဆာဗာသဘောအတိုင်း အပြန်အလှန် ဆောင်ရွက်သည့် transports များအတွက် ဖြစ်သည်။

ဒေဖော်လ် stdio ဆာဗာကို debugging ပြုရန်:

co-op-translator-mcp

source checkout မှ run ပြရန်:

python -m co_op_translator.mcp.server

ရေရှည်လည်ပတ်နိုင်သော HTTP သို့ SSE ဆာဗာကို ပြေးရန်:

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

ဒေသတွင်း editor နှင့် agent ပေါင်းစည်းမှုများအတွက် ခြေလှမ်း ၂ တွင် ဖော်ပြထားသည့် client-managed stdio configuration ကို ဦးစားပေး အသုံးပြုပါ။

ကိရိယာများ¶

ကိရိယာ	ရည်ရွယ်ချက်	ဖိုင်များကို ရေးသလား
`translate_markdown_content`	Markdown string ကို ဘာသာပြန်ရန်။	No
`translate_notebook_content`	notebook JSON ထဲရှိ Markdown cell များကို ဘာသာပြန်ရန်။	No
`translate_image_content`	တစ်ပုံလျှင် ရှိသော စာသားကို ဘာသာပြန်ပြီး base64 image data ကို ပြန်ပေးသည်။	ရွေးချယ်နိုင်ပါသည်၊ `output_path` ကို ပေးထားသောအခါတွင်ပင်
`start_markdown_agent_translation`	Co-op Translator LLM credential မလိုဘဲ host agent ကို ဘာသာပြန်စေမည့် Markdown chunk များကို ပြင်ဆင်ရန်။	No
`finish_markdown_agent_translation`	host-agent ဘာသာပြန်ပြီးသော chunks မှ Markdown ကို ပြန်လည်တည်ဆောက်ရန်။	No
`start_notebook_agent_translation`	notebook ထဲရှိ Markdown-cell chunks များကို host agent သည် ဘာသာပြန်နိုင်ရန် ပြင်ဆင်ရန်။	No
`finish_notebook_agent_translation`	host-agent ဘာသာပြန်ပြီးသော chunks များမှ notebook JSON ကို ပြန်လည်တည်ဆောက်ရန်။	No
`rewrite_markdown_paths`	ဘာသာပြန်ထားသော ပစ်မှတ်အတွက် Markdown body နှင့် frontmatter အတွင်း လမ်းကြောင်းများကို ပြန်ရေးရန်။	No
`rewrite_notebook_paths`	notebook ထဲရှိ Markdown cell များအတွင်း လမ်းကြောင်းများကို ပြန်ရေးရန်။	No
`run_translation`	CLI ကဲ့သို့ project-အဆင့် ဘာသာပြန်မှုကို လုပ်ဆောင်ရန်။	ဟုတ်သည် (`dry_run=false` နှင့် `confirm_write=true` ဖြစ်သောအခါ)
`translate_project`	`run_translation` အတွက် compatibility alias ဖြစ်သည်။	ဟုတ်သည် (`dry_run=false` နှင့် `confirm_write=true` ဖြစ်သောအခါ)
`run_review`	သတ်မှတ်နိုင်သည့် ပြန်လည်သုံးသပ် စစ်ဆေးမှုများကို ပြေးရန်။	No
`get_configuration_status`	လျှို့ဝှက်တန်ဖိုးများ မဖော်ထုတ်ဘဲ ပြင်ဆင်ထားသည့် LLM နှင့် Vision provider များ၏ ရရှိနိုင်မှုကို ပုံဖော်ပေးသည်။	No
`list_supported_languages`	ထောက်ပံ့ထားသည့် ပစ်မှတ် ဘာသာစကား code များကို စာရင်းပြုစုပြပါ။	No
`get_api_overview`	အသုံးပြုနိုင်သော MCP workflows နှင့် ကိရိယာများကို ဖော်ပြရန်။	No

အရင်းအမြစ်များ¶

Resource URI	ရည်ရွယ်ချက်
`co-op://api`	workflows နှင့် ကိရိယာများ၏ JSON အကျဉ်းချုပ်။
`co-op://supported-languages`	ထောက်ပံ့ထားသည့် ဘာသာစကား code များ၏ JSON စာရင်း။
`co-op://configuration`	လျှို့ဝှက်ချက်များ မပါဘဲ provider ရရှိနိုင်မှု အကျဉ်းချုပ် JSON။

Prompt များ¶

Prompt	ရည်ရွယ်ချက်
`translate_markdown_document_prompt`	MCP client ကို အကြောင်းအရာ ဘာသာပြန်ခြင်းနှင့် ရွေးချယ်နိုင်သည့် လမ်းကြောင်း ပြန်ရေးခြင်းတို့ဖြင့် ဦးတည်ညွှန်ကြားရန်။
`agent_assisted_markdown_translation_prompt`	Co-op Translator LLM provider အတည်ပြုချက် မလိုဘဲ host-agent မှ Markdown ကို ဘာသာပြန်စေခြင်းအတွက် MCP client ကို ဦးတည်ညွှန်ကြားရန်။
`translate_repository_prompt`	dry-run ကို မူလထားသော repository ဘာသာပြန်ခြင်းအတွက် MCP client ကို ဦးတည်ညွှန်ကြားရန်။

ကော်ပီ-ပိတ် ဥပမာများ¶

Markdown အကြောင်းအရာ ဘာသာပြန်ရန်:

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

ဘာသာပြန်ပြီးသား Markdown link များကို ပြန်ရေးရန်:

{
  "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"]
    }
  }
}

Host agent မော်ဒယ်ဖြင့် Markdown ကို ဘာသာပြန်ရန်:

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

host agent သည် ပြန်လာသော မည်သည့် chunk ကိုမဆို ဘာသာပြန်ပြီးနောက် start_markdown_agent_translation မှ ပြန်လာသည့် ပြည့်စုံသော job object ဖြင့် အလုပ်ကို ပြီးစီးပါ။

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."

repository ဘာသာပြန်မှုကို ကြိုကြည့်ရန်:

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

ပြဿနာဖြေရှင်းခြင်း¶

ပြဿနာ	ကြိုးစားစမ်းသပ်ရန်
MCP client သည် `co-op-translator-mcp` ကို ရှာမတွေ့ပါ။	absolute Python executable path နှင့် `["-m", "co_op_translator.mcp.server"]` source checkout configuration ကို အသုံးပြုပါ။
ဆာဗာကို စာရင်းပြထားသော်လည်း ဘာသာပြန်မှု မအောင်မြင်ပါ။	`get_configuration_status` ကို ခေါ်ပြီး LLM provider ရရှိနိုင်မှုကို အတည်ပြုပါ။
Provider credential မရှိဘဲ Markdown သို့ notebook ဘာသာပြန်ချင်သည်။	`start_markdown_agent_translation` / `finish_markdown_agent_translation` သို့မဟုတ် notebook ညီမျှသော ကိရိယာများကို အသုံးပြုပြီး host agent ကို chunks များ ဘာသာပြန်စေပါ။
ဓာတ်ပုံ ဘာသာပြန်မှု မအောင်မြင်ပါ။	Azure AI Vision ပြောင်းလဲမှုများကို သတ်မှတ်ထားကြောင်း အတည်ပြုပြီး `get_configuration_status` ကို ခေါ်ပါ။
Repository ဘာသာပြန်မှုသည် ဖိုင်များကို မရေးပါ။	`dry_run=false` နှင့် `confirm_write=true` ကို အသုံးပြုမှသာ user ၏ ထောက်ခံချက် ရရှိပြီးနောက် သတ်မှတ်ပါ။
client configuration အပြောင်းအလဲများ မပြပါ။	MCP client ကို ပြန်စတင် သို့မဟုတ် reload ပြုလုပ်ပါ။

လုံခြုံရေး မှတ်စုများ¶

MCP tool ခေါ်ဆိုမှုများကို host application မှ မော်ဒယ်ဖြင့် ထိန်းချုပ်လျက်ရှိသည်၊ ထို့ကြောင့် repository ဘာသာပြန်မှုသည် မူရင်းအားဖြင့် dry-run ဖြစ်သည်။
စုစုပေါင်း repository ဘာသာပြန်မှုသည် ဖိုင်များ အများအပြားကို ဖန်တီး၊ အပ်ဒိတ် သို့ ဖျက်ပစ်နိုင်သည်။ confirm_write=true ကို သတ်မှတ်ရန်မတိုင်မီ အသုံးပြုသူ၏ ထောက်ခံချက်ကို ရယူပါ။
configuration status ကိရိယာသည် API keys၊ endpoints သို့မဟုတ် အခြားလျှို့ဝှက်တန်ဖိုးများကို မပြန်ပေးပါ။
ဓာတ်ပုံ ဘာသာပြန်မှုသည် base64 image data ကို ပြန်ပေးသည်။ အကြီးစား ဓာတ်ပုံများသည် ကြီးမားသော ကိရိယာ တုံ့ပြန်မှုများ ဖြစ်စေနိုင်သည်။
Agent-assisted tools များသည် source chunks နှင့် prompt များကို MCP host ထံပြန်ပို့သည်။ ထို host agent မော်ဒယ်သို့ ပို့ပေးရန်အသုံးပြုသူ အဆင်ပြေသည့် အကြောင်းအရာများနှင့် မျှသာ အသုံးပြုပါ။