Välj ditt arbetsflöde

Co-op Translator kan användas på tre sätt: CLI, Python-API och MCP-servern. De delar samma översättningsfunktioner, men varje sätt passar ett annat arbetsflöde.

Använd den här sidan när du ska bestämma var du ska börja.

Snabbt beslut

Om du vill...	Använd	Börja här
Översätta eller granska ett repository från en terminal	CLI	CLI-referens
Lägga till översättning i ett Python-skript, en tjänst, en notebook eller ett CI-jobb	Python-API	Python-API
Låta en agent, redigerare eller MCP-kompatibel klient översätta innehåll åt dig	MCP-server	MCP-server
Översätta ett Markdown-dokument, en notebook eller en bild som din app redan har laddat	Python-API eller MCP-server	Python-API eller MCP-server
Översätta ett helt repository med standardutdata-mappar och metadata	CLI eller run_translation	CLI-referens eller Python-API

Använd CLI när

Välj CLI när en person eller ett CI-jobb styr repositoryöversättningen från ett shell.

CLI är den mest direkta vägen när du vill att Co-op Translator ska upptäcka projektfiler, skapa översatta utdata, bevara projektlayouten, uppdatera metadata och köra granskningskommandon.

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

Passar bra:

• Du översätter ett repository från din terminal.
• Du vill ha ett upprepningsbart kommando för CI- eller releasearbetsflöden.
• Du vill ha inbyggd projektupptäckt, utdatavägar, metadata, rensning och granskning.
• Du föredrar ett kommandogränssnitt framför att skriva Python-kod.

Använd Python-API:t när

Välj Python-API:t när din egen kod ska styra arbetsflödet.

API:t är användbart för applikationer, automationsskript, notebooks, tjänster och anpassade pipelines. Det låter dig anropa lågnivå-API:er för innehållsöversättning för enskilda filer, eller köra samma repositorynivåorkestrering som används av CLI.

Översätt ett Markdown-dokument och bestäm var det ska sparas:

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())

Kör en repositoryöversättning från 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())

Passar bra:

• Din applikation läser redan filer, buffrar, notebooks eller bildbytes.
• Du behöver anpassad validering, lagring, loggning, omförsök eller godkännandeflöden.
• Du vill översätta ett dokument, en notebook eller en bild utan att bearbeta ett helt repository.
• Du vill repositoryöversättning, men från Python-automation istället för ett shellkommando.

Använd MCP-servern när

Välj MCP-servern när en agent, redigerare eller MCP-kompatibel klient ska anropa Co-op Translator-verktygen.

I den normala lokala konfigurationen håller användaren inte manuellt en server igång. MCP-klienten startar co-op-translator-mcp över stdio när den behöver verktygen.

Exempel på användarförfrågningar som en agent kan hantera:

• "Översätt den här Markdown-filen till koreanska och behåll länkarna korrekta."
• "Översätt den här Markdown-filen till koreanska med det agentassisterade MCP-arbetsflödet och använd din egen modell för de översatta delarna."
• "Översätt den här notebooken till koreanska, bevara kodceller och använd Co-op Translator MCP för att återskapa notebooken."
• "Översätt texten i den här bilden till japanska och spara resultatet."
• "Gör en torrkörning av en repositoryöversättning till spanska och berätta vad som skulle ändras."
• "Granska om den koreanska översättningen är uppdaterad."

För Markdown och notebooks kan MCP arbeta i två lägen:

Läge	Använd när	Huvudverktyg
Agent-assisterat	MCP-värdagenten ska översätta delar med sin egen modell, utan Co-op Translator LLM-leverantörsuppgifter.	start_markdown_agent_translation, finish_markdown_agent_translation, start_notebook_agent_translation, finish_notebook_agent_translation
Providerstödd	Co-op Translator ska anropa Azure OpenAI eller OpenAI direkt.	translate_markdown_content, translate_notebook_content

MCP providerstödd Markdown-verktygsanropsform:

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

MCP bildverktygsanropsform:

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

Repositoryöversättning körs som torrkörning som standard via MCP:

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

Passar bra:

• Du vill ha naturliga språkbaserade översättningsarbetsflöden i en agent eller redigerare.
• Du vill ha Markdown- eller notebooköversättning där värdagentens modell översätter förberedda delar.
• Du vill att agenten översätter valt innehåll istället för ett helt repository.
• Du vill ha ett godkännandesteg innan ändringar skrivs över hela repositoryt.
• Du vill ha ett gränssnitt som exponerar verktyg för Markdown, notebook, bild, granskning och sökvägs-omskrivning.

Hur de passar ihop

CLI är det bästa standardvalet för människor som översätter repositories. Python-API:t är bäst när din kod äger arbetsflödet. MCP-servern är bäst när en agent eller redigerare äger arbetsflödet.

Alla tre vägar använder samma publika Co-op Translator API, så du kan börja med CLI, automatisera med Python senare och exponera samma funktioner för MCP-klienter när du behöver agentdrivna arbetsflöden.