Translate SRT MCP Server

# translate-srt-mcp SRT字幕ファイルを日本語に翻訳するMCPサーバー。LM Studioの翻訳モデルを使用して高品質な字幕翻訳を提供します。 ## 主な機能 - **SRT形式の完全サポート**: タイムスタンプを保持したまま翻訳 - **チャンクベース処理**: 大きなファイルも効率的に処理 - **LM Studio統合**: ローカルLLMを使用した高品質な翻訳 - **エラーハンドリング**: 翻訳失敗時の自動リトライと詳細なエラー報告 - **統計情報**: 翻訳履歴と使用状況の追跡 - **分析ツール**: SRTファイルの検証と詳細分析 - **接続診断**: LM Studioの状態確認機能 ## 利用可能なツール ### 1. translate_srt 字幕を日本語に翻訳します。 ```python # 基本的な使用法 translated = mcp__translate-srt__translate_srt( srt_content=content ) # カスタム設定 translated = mcp__translate-srt__translate_srt( srt_content=content, model_name="llama-3.2-3b", chunk_size=500, preserve_formatting=True ) ``` ### 2. analyze_srt SRTファイルの統計情報を分析します。 ```python stats = mcp__translate-srt__analyze_srt( srt_content=content, detailed=True # 詳細な分析を含む ) ``` ### 3. check_lm_studio_status LM Studioの接続状態を確認します。 ```python status = mcp__translate-srt__check_lm_studio_status( lm_studio_url="http://localhost:1234", model_name="llama-3.2-3b" ) ``` ### 4. preview_srt 字幕のプレビューを生成します。 ```python preview = mcp__translate-srt__preview_srt( srt_content=content, num_entries=5, show_start=True, show_end=True ) ``` ### 5. get_server_info サーバー情報と統計を取得します。 ```python info = mcp__translate-srt__get_server_info() ``` ## 使用例 ### MCPクライアントでの実際の使用手順 ```python # 1. LM Studioの状態を確認 status = await check_lm_studio_status() if not status["api_reachable"]: print("LM Studioが起動していません") # 2. SRTファイルを読み込み srt_content = read_file("movie.srt") # 3. 分析して内容を確認 analysis = await analyze_srt(srt_content, detailed=True) print(f"字幕数: {analysis['subtitle_count']}") print(f"総時間: {analysis['duration_formatted']}") # 4. プレビュー表示 preview = await preview_srt(srt_content, num_entries=3) print("最初の3つの字幕:") for entry in preview["preview_entries"]["start"]: print(f"{entry['time']}: {entry['text']}") # 5. 翻訳実行 translated = await translate_srt( srt_content=srt_content, model_name="llama-3.2-3b-instruct", chunk_size=1000 ) # 6. 結果を保存 write_file("movie_ja.srt", translated) # 7. 統計情報を確認 info = await get_server_info() print(f"翻訳回数: {info['statistics']['total_translations']}") print(f"処理文字数: {info['statistics']['total_characters']}") ``` ## 必要要件 - Python 3.13以上 - LM Studio または OpenAI互換APIサーバー - uv パッケージマネージャー（推奨） ## インストール ### 方法1: uvx を使用（推奨・最も簡単） インストール不要！mcp.jsonの設定だけで使用できます。 ```bash # テスト実行したい場合 uvx --from git+https://github.com/sumik5/translate-srt-mcp translate-srt-mcp # 環境変数を設定して実行 LM_STUDIO_URL="http://localhost:1234" \ LM_MODEL_NAME="grapevine-AI/plamo-2-translate-gguf" \ uvx --from git+https://github.com/sumik5/translate-srt-mcp translate-srt-mcp ``` ### 方法2: ローカルインストール ```bash # リポジトリをクローン git clone https://github.com/yourusername/translate-srt-mcp.git cd translate-srt-mcp # 依存関係をインストール（uvを使用） uv sync # または pip を使用 pip install -r requirements.txt ``` ## 環境変数 ```bash # LM StudioのAPI URL (デフォルト: http://localhost:1234/v1) export LM_STUDIO_URL="http://localhost:1234" # 使用する翻訳モデル名 (必須) export LM_MODEL_NAME="llama-3.2-3b-instruct" # デフォルトのチャンクサイズ (デフォルト: 1000) export CHUNK_SIZE="1000" ``` ## Claude Codeでの設定例 To use this server with the Claude Desktop app, add the following configuration to the "MCP Servers" section of your Claude settings: ```json "mcpServers": { "translate-srt": { "command": "uv", "args": [ "--directory", "/path/to/translate-srt-mcp", "run", "translate-srt-mcp" ], "env": { "LM_STUDIO_URL": "http://localhost:1234", "LM_MODEL_NAME": "llama-3.2-3b-instruct", "CHUNK_SIZE": "1000" } } } ``` ## MCPクライアントでの使用時のベストプラクティス 1. **使用前の準備** - LM Studioを起動し、適切なモデルをロード - `check_lm_studio_status`で接続確認 2. **大きなファイルの処理** - `analyze_srt`で事前にファイルサイズを確認 - 適切な`chunk_size`を設定（500-2000を推奨） 3. **エラー対処** - 接続エラー: LM Studioの起動状態を確認 - モデルエラー: 正しいモデル名を指定 - 翻訳エラー: チャンクサイズを調整 4. **品質向上のヒント** - 専門用語が多い場合は小さいチャンクサイズを使用 - `preserve_formatting=True`で元の改行を保持 - 翻訳後に`preview_srt`で結果を確認 ## Development Install dependencies: ```bash uv install ``` For development with auto-reloading: ```bash uv run fastmcp dev translate_srt_mcp.main:mcp ``` ## トラブルシューティング ### LM Studioに接続できない ```python # 接続状態を確認 status = await check_lm_studio_status() print(status["recommendation"]) ``` ### モデルが見つからない ```python # 利用可能なモデルを確認 status = await check_lm_studio_status() print("利用可能なモデル:", status["available_models"]) ``` ### 翻訳が途中で止まる - チャンクサイズを小さくする（例: 500） - タイムアウト時間を増やす（translator.pyで設定） ## ライセンス MIT License