模型上下文协议 (MCP) 是一种开放的标准化通信协议，使AI应用能够连接外部工具、数据源和服务。将MCP视为AI应用的USB-C接口——就像USB-C为设备连接各种外设提供了标准化方式一样，MCP为AI模型连接不同数据源和工具提供了标准化方式。

Lara Translate MCP服务器通过此标准化协议使AI应用能够访问Lara Translate强大的翻译功能。

更多关于模型上下文协议的信息：https://modelcontextprotocol.io/

Lara Translate MCP服务器实现了模型上下文协议，为AI应用提供无缝的翻译功能。集成流程如下：

1. 连接建立：当兼容MCP的AI应用启动时，它会连接到配置的MCP服务器，包括Lara Translate MCP服务器
2. 工具与资源发现：AI应用发现Lara Translate MCP服务器提供的可用翻译工具和资源
3. 请求处理：当需要翻译时：
   • AI应用将待翻译文本、语言对和可选上下文格式化为结构化请求
   • MCP服务器验证请求并将其转换为Lara Translate API调用
   • 使用您的凭证将请求安全地发送到Lara Translate的API
4. 翻译与响应：Lara Translate使用先进的AI模型处理翻译
5. 结果集成：翻译结果返回给AI应用，应用可以将其整合到其响应中

这种集成架构使AI应用能够在不直接实现API的情况下访问专业级翻译，同时保持API凭证的安全，并通过自然语言指令提供调整翻译参数的灵活性。

将Lara与LLM集成可以产生强大的协同效应，显著提升非英语语言的翻译质量。

普通LLM在翻译中的不足

虽然大型语言模型拥有广泛的语言能力，但它们通常缺乏特定领域和语言的专有知识和最新术语，导致翻译不准确。

Lara的领域特定优势

Lara通过利用在数十亿专业翻译片段上训练的翻译语言模型（T-LMs）克服了这一限制。这些模型提供领域特定的机器翻译，能够捕捉通用LLM可能遗漏的文化细微差别和行业术语。结果：翻译既符合上下文，又让母语者听起来自然。

专为非英语优化

Lara特别关注非英语语言，解决了GPT-4等模型在非英语输入上的性能差距。由于Common Crawl和维基百科等数据集的英语主导地位，其他语言的质量输出较低。Lara通过在多语言环境中提供更高的理解、生成和重构质量来缩小这一差距。

更快、更智能的多语言性能

通过将复杂的翻译任务卸载到专用的T-LMs，Lara减少了计算开销并最小化了延迟——这是处理非英语输入的LLM的常见问题。其架构允许与LLM并行处理翻译，实现实时、高质量的输出，同时不牺牲速度或效率。

规模化非英语工作流的成本效益

Lara还降低了在非英语工作流程中使用GPT-4等模型的成本。由于标记化（和定价）针对英语进行了优化，使用Lara可以在LLM处理之前进行翻译，这意味着只有翻译后的英语内容会被处理。这提高了成本效益，并支持全球企业的竞争性可扩展性。

输入：

• text (数组): 要翻译的文本块数组，每个块包含：
  • text (字符串): 文本内容
  • translatable (布尔值): 是否应翻译此块
• source (可选字符串): 源语言代码（例如，'en-EN'）
• target (字符串): 目标语言代码（例如，'it-IT'）
• context (可选字符串): 用于提高翻译质量的附加上下文
• instructions (可选字符串数组): 调整翻译行为的指令
• source_hint (可选字符串): 语言检测的指导

返回：保持原始结构的翻译文本块

返回：记忆库及其详细信息数组

输入：

• name (字符串): 新记忆库的名称
• external_id (可选字符串): 要从MyMemory导入的记忆库ID（例如，'ext_my_[MyMemory ID]'）

返回：创建的记忆库数据

输入：

• id (字符串): 要更新的记忆库ID
• name (字符串): 记忆库的新名称

返回：更新的记忆库数据

输入：

• id (字符串): 要删除的记忆库ID

返回：删除的记忆库数据

输入：

• id (字符串 | 字符串数组): 要添加翻译单元的记忆库ID或ID列表
• source (字符串): 源语言代码
• target (字符串): 目标语言代码
• sentence (字符串): 源句子
• translation (字符串): 翻译后的句子
• tuid (可选字符串): 翻译单元唯一标识符
• sentence_before (可选字符串): 上下文前文句子
• sentence_after (可选字符串): 上下文后文句子

返回：添加的翻译详情

输入：

• id (字符串): 记忆库ID
• source (字符串): 源语言代码
• target (字符串): 目标语言代码
• sentence (字符串): 源句子
• translation (字符串): 翻译后的句子
• tuid (可选字符串): 翻译单元唯一标识符
• sentence_before (可选字符串): 上下文前文句子
• sentence_after (可选字符串): 上下文后文句子

返回：删除的翻译详情

输入：

• id (字符串): 要更新的记忆库ID
• tmx (文件路径): 要上传的TMX文件路径
• gzip (布尔值): 指示文件是否压缩（.gz）

返回：导入详情

输入：

• id (字符串): 导入作业的ID

返回：导入详情

此选项需要您的系统上安装Node.js。

1. 在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "npx",
      "args": ["-y", "@translated/lara-mcp@latest"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

2. 将<YOUR_ACCESS_KEY_ID>和<YOUR_ACCESS_KEY_SECRET>替换为您的实际Lara API凭证。

此选项需要您的系统上安装Docker。

1. 在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "translatednet/lara-mcp:latest"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

2. 将<YOUR_ACCESS_KEY_ID>和<YOUR_ACCESS_KEY_SECRET>替换为您的实际Lara API凭证。

使用Node.js

1. 克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

2. 安装依赖并构建：

# 安装依赖
pnpm install

# 构建
pnpm run build

3. 在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "node",
      "args": ["<FULL_PATH_TO_PROJECT_FOLDER>/dist/index.js"],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

4. 替换：
   • <FULL_PATH_TO_PROJECT_FOLDER>为您的项目文件夹的绝对路径
   • <YOUR_ACCESS_KEY_ID>和<YOUR_ACCESS_KEY_SECRET>为您的实际Lara API凭证。

构建Docker镜像

1. 克隆仓库：

git clone https://github.com/translated/lara-mcp.git
cd lara-mcp

2. 构建Docker镜像：

docker build -t lara-mcp .

3. 在您的MCP配置文件中添加以下内容：

{
  "mcpServers": {
    "lara-translate": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LARA_ACCESS_KEY_ID",
        "-e",
        "LARA_ACCESS_KEY_SECRET",
        "lara-mcp"
      ],
      "env": {
        "LARA_ACCESS_KEY_ID": "<YOUR_ACCESS_KEY_ID>",
        "LARA_ACCESS_KEY_SECRET": "<YOUR_ACCESS_KEY_SECRET>"
      }
    }
  }
}

4. 将<YOUR_ACCESS_KEY_ID>和<YOUR_ACCESS_KEY_SECRET>替换为您的实际凭证。