[{"_1":2,"_383":-5,"_384":-5},"loaderData",{"_3":4,"_20":21,"_22":23,"_301":302},"root",{"_5":6,"_7":8},"toasts",[],"visitor",{"_9":10,"_11":12},"viewportWidth",1280,"visitorSession",{"_13":14,"_16":-5,"_17":18,"_19":-5},"attributes",[15],"BOT","membership","uid","SkNufmOZoK","userAccount","routes/_public/_layout",{},"routes/_public/mcp/servers/~namespace/~slug/_pages/_layout",{"_24":25,"_66":-5,"_67":26,"_27":68,"_218":219,"_300":198},"availableLocales",[26,38,45,52,59],{"_27":28,"_31":35,"_36":37},"mcpServer",{"_29":30,"_31":32,"_33":34},"description","An MCP server providing machine translation capabilities via the Lara Translate API, featuring language detection and context-aware translations between numerous language pairs.","name","Lara Translate MCP Server","readme","# Lara Translate MCP Server\n\nA Model Context Protocol (MCP) Server for [Lara Translate](https://laratranslate.com/translate) API, enabling powerful translation capabilities with support for language detection, context-aware translations and translation memories.\n\n[![License](https://img.shields.io/github/license/translated/lara-mcp.svg)](https://github.com/translated/lara-mcp/blob/main/LICENSE)\n[![Docker Pulls](https://img.shields.io/docker/pulls/translatednet/lara-mcp.svg)](https://hub.docker.com/r/translatednet/lara-mcp)\n[![npm downloads](https://img.shields.io/npm/dm/@translated/lara-mcp.svg)](https://www.npmjs.com/package/@translated/lara-mcp)\n\n## 📚 Table of Contents\n- 📖 [Introduction](#-introduction)\n- 🛠 [Available Tools](#-available-tools)\n- 🚀 [Getting Started](#-getting-started)\n - 📋 [Requirements](#-requirements)\n - 🔌 [Installation](#-installation)\n- 🧩 [Installation Engines](#-installation-engines)\n- 💻 [Popular Clients that supports MCPs](#-popular-clients-that-supports-mcps)\n- 🆘 [Support](#-support)\n\n## 📖 Introduction\n\n

What is MCP?

\n\nModel Context Protocol (MCP) is an open standardized communication protocol that enables AI applications to connect with external tools, data sources, and services. Think of MCP like a USB-C port for AI applications - just as USB-C provides a standardized way to connect devices to various peripherals, MCP provides a standardized way to connect AI models to different data sources and tools.\n\nLara Translate MCP Server enables AI applications to access Lara Translate's powerful translation capabilities through this standardized protocol.\n\n> More info about Model Context Protocol on: https://modelcontextprotocol.io/\n

\n\n

How Lara Translate MCP Works

\n\nLara Translate MCP Server implements the Model Context Protocol to provide seamless translation capabilities to AI applications. The integration follows this flow:\n\n1. **Connection Establishment**: When an MCP-compatible AI application starts, it connects to configured MCP servers, including the Lara Translate MCP Server\n2. **Tool & Resource Discovery**: The AI application discovers available translation tools and resources provided by the Lara Translate MCP Server\n3. **Request Processing**: When translation needs are identified:\n - The AI application formats a structured request with text to translate, language pairs, and optional context\n - The MCP server validates the request and transforms it into Lara Translate API calls\n - The request is securely sent to Lara Translate's API using your credentials\n4. **Translation & Response**: Lara Translate processes the translation using advanced AI models\n5. **Result Integration**: The translation results are returned to the AI application, which can then incorporate them into its response\n\nThis integration architecture allows AI applications to access professional-grade translations without implementing the API directly, while maintaining the security of your API credentials and offering flexibility to adjust translation parameters through natural language instructions.\n

\n\n

Why to use Lara inside an LLM

\n\nIntegrating Lara with LLMs creates a powerful synergy that significantly enhances translation quality for non-English languages.\n\n#### Why General LLMs Fall Short in Translation\nWhile large language models possess broad linguistic capabilities, they often lack the specialized expertise and up-to-date terminology required for accurate translations in specific domains and languages.\n\n#### Lara’s Domain-Specific Advantage\nLara overcomes this limitation by leveraging Translation Language Models (T-LMs) trained on billions of professionally translated segments. These models provide domain-specific machine translation that captures cultural nuances and industry terminology that generic LLMs may miss. The result: translations that are contextually accurate and sound natural to native speakers.\n\n#### Designed for Non-English Strength\nLara has a strong focus on non-English languages, addressing the performance gap found in models such as GPT-4. The dominance of English in datasets such as Common Crawl and Wikipedia results in lower quality output in other languages. Lara helps close this gap by providing higher quality understanding, generation, and restructuring in a multilingual context.\n\n#### Faster, Smarter Multilingual Performance\nBy offloading complex translation tasks to specialized T-LMs, Lara reduces computational overhead and minimizes latency—a common issue for LLMs handling non-English input. Its architecture processes translations in parallel with the LLM, enabling for real-time, high-quality output without compromising speed or efficiency.\n\n#### Cost-Efficient Translation at Scale\nLara also lowers the cost of using models like GPT-4 in non-English workflows. Since tokenization (and pricing) is optimized for English, using Lara allows translation to take place before hitting the LLM, meaning that only the translated English content is processed. This improves cost efficiency and supports competitive scalability for global enterprises.\n

\n\n## 🛠 Available Tools\n\n### Translation Tools\n\n

translate - Translate text between languages

\n\n**Inputs**:\n- `text` (array): An array of text blocks to translate, each with:\n - `text` (string): The text content\n - `translatable` (boolean): Whether this block should be translated\n- `source` (optional string): Source language code (e.g., 'en-EN')\n- `target` (string): Target language code (e.g., 'it-IT')\n- `context` (optional string): Additional context to improve translation quality\n- `instructions` (optional string[]): Instructions to adjust translation behavior\n- `source_hint` (optional string): Guidance for language detection\n\n**Returns**: Translated text blocks maintaining the original structure\n

\n\n### Translation Memories Tools\n\n

\n\n

list_memories - List saved translation memories

\n\n**Returns**: Array of memories and their details\n

\n\n

create_memory - Create a new translation memory

\n\n**Inputs**:\n- `name` (string): Name of the new memory\n- `external_id` (optional string): ID of the memory to import from MyMemory (e.g., 'ext_my_[MyMemory ID]')\n\n**Returns**: Created memory data\n

\n\n

update_memory - Update translation memory name

\n\n**Inputs**:\n- `id` (string): ID of the memory to update\n- `name` (string): The new name for the memory\n\n**Returns**: Updated memory data\n

\n\n

delete_memory - Delete a translation memory

\n\n**Inputs**:\n- `id` (string): ID of the memory to delete\n\n**Returns**: Deleted memory data\n

\n\n

add_translation - Add a translation unit to memory

\n\n**Inputs**:\n- `id` (string | string[]): ID or IDs of memories where to add the translation unit\n- `source` (string): Source language code\n- `target` (string): Target language code\n- `sentence` (string): The source sentence\n- `translation` (string): The translated sentence\n- `tuid` (optional string): Translation Unit unique identifier\n- `sentence_before` (optional string): Context sentence before\n- `sentence_after` (optional string): Context sentence after\n\n**Returns**: Added translation details\n

\n\n

delete_translation - Delete a translation unit from memory

\n\n**Inputs**:\n- `id` (string): ID of the memory\n- `source` (string): Source language code\n- `target` (string): Target language code\n- `sentence` (string): The source sentence\n- `translation` (string): The translated sentence\n- `tuid` (optional string): Translation Unit unique identifier\n- `sentence_before` (optional string): Context sentence before\n- `sentence_after` (optional string): Context sentence after\n\n**Returns**: Removed translation details\n

\n\n

import_tmx - Import a TMX file into a memory

\n\n**Inputs**:\n- `id` (string): ID of the memory to update\n- `tmx` (file path): The path of the TMX file to upload\n- `gzip` (boolean): Indicates if the file is compressed (.gz)\n\n**Returns**: Import details\n

\n\n

check_import_status - Checks the status of a TMX file import

\n\n**Inputs**:\n- `id` (string): The ID of the import job\n\n**Returns**: Import details\n

\n\n## 🚀 Getting Started\n\n### 📋 Requirements\n\n- Lara Translate API Credentials\n - To get them you can refer to the [Official Documentation](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)\n- An LLM client that supports Model Context Protocol (MCP), such as Claude Desktop, Cursors, or GitHub Copilot\n- NPX or Docker (depending on your preferred installation method)\n\n### 🔌 Installation\n\n#### Introduction\nThe installation process is standardized across all MCP clients. It involves manually adding a configuration object to your client's MCP configuration JSON file.\n> If you're unsure how to configure an MCP with your client, please refer to your MCP client's official documentation.\n\nLara Translate MCP supports multiple installation methods, including NPX and Docker. \\\nBelow, we'll use NPX as an example.\n\n---\n\n#### Installation & Configuration\n\n**Step 1**: Open your client's MCP configuration JSON file with a text editor, then copy and paste the following snippet:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"@translated/lara-mcp@latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n**Step 2**: Replace `` and `` with your Lara Translate API credentials (refer to the [Official Documentation](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials) for details).\n\n**Step 3**: Restart your MCP client.\n\n---\n\n#### Verify Installation\n\nAfter restarting your MCP client, you should see Lara Translate MCP in the list of available MCPs.\n> The method for viewing installed MCPs varies by client. Please consult your MCP client's documentation.\n\nTo verify that Lara Translate MCP is working correctly, try translating with a simple prompt:\n```text\nTranslate with Lara \"Hello world\" to Spanish\n```\n\nYour MCP client will begin generating a response. If Lara Translate MCP is properly installed and configured, your client will either request approval for the action or display a notification that Lara Translate is being used.\n\n## 🧩 Installation Engines\n\n

Option 1: Using NPX

\n\nThis option requires Node.js to be installed on your system.\n\n1. Add the following to your MCP configuration file:\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\"-y\", \"@translated/lara-mcp@latest\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. Replace `` and `` with your actual Lara API credentials.\n

\n\n

Option 2: Using Docker

\n\nThis option requires Docker to be installed on your system.\n\n1. Add the following to your MCP configuration file:\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"translatednet/lara-mcp:latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. Replace `` and `` with your actual Lara API credentials.\n

\n\n

Option 3: Building from Source

\n\n#### Using Node.js\n\n1. Clone the repository:\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Install dependencies and build:\n```bash\n# Install dependencies\npnpm install\n\n# Build\npnpm run build\n```\n\n3. Add the following to your MCP configuration file:\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"node\",\n \"args\": [\"/dist/index.js\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n4. Replace:\n - `` with the absolute path to your project folder\n - `` and `` with your actual Lara API credentials.\n\n#### Building a Docker Image\n\n1. Clone the repository:\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Build the Docker image:\n```bash\ndocker build -t lara-mcp .\n```\n\n3. Add the following to your MCP configuration file:\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"lara-mcp\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. Replace `` and `` with your actual credentials.\n

\n\n## 💻 Popular Clients that supports MCPs \n\n> For a complete list of MCP clients and their feature support, visit the [official MCP clients page](https://modelcontextprotocol.io/clients).\n\n| Client | Description |\n|----------------------------------------------------------------------------------------------------------------|-------------|\n| [Claude Desktop](https://claude.ai/download) | Desktop application for Claude AI |\n| [Cursor](https://www.cursor.com/) | AI-first code editor |\n| [Cline for VS Code](https://github.com/cline/cline) | VS Code extension for AI assistance |\n| [GitHub Copilot MCP](https://github.com/VikashLoomba/copilot-mcp) | VS Code extension for GitHub Copilot MCP integration |\n| [Windsurf](https://windsurf.com/editor) | AI-powered code editor and development environment |\n\n## 🆘 Support\n\n- For issues with Lara Translate API: Contact [Lara Support](https://support.laratranslate.com)\n- For issues with this MCP Server: Open an issue on [GitHub](https://github.com/translated/lara-mcp/issues)\n","English","tag","en-US",{"_27":39,"_31":43,"_36":44},{"_29":40,"_31":41,"_33":42},"Un servidor MCP que proporciona capacidades de traducción automática a través de la API de Lara Translate, con detección de idioma y traducciones sensibles al contexto entre numerosos pares de idiomas.","Servidor MCP de Lara Translate","# Servidor MCP de Lara Translate\n\nUn servidor de Protocolo de Contexto Modelo (MCP) para la API [de Lara Translate](https://laratranslate.com/translate) , que permite potentes capacidades de traducción con soporte para detección de idioma, traducciones conscientes del contexto y memorias de traducción.\n\n[![Licencia](https://img.shields.io/github/license/translated/lara-mcp.svg)](https://github.com/translated/lara-mcp/blob/main/LICENSE) [![Docker Pulls](https://img.shields.io/docker/pulls/translatednet/lara-mcp.svg)](https://hub.docker.com/r/translatednet/lara-mcp) [![Descargas de npm](https://img.shields.io/npm/dm/@translated/lara-mcp.svg)](https://www.npmjs.com/package/@translated/lara-mcp)\n\n## 📚 Índice de contenidos\n\n* 📖 [Introducción](#-introduction)\n* 🛠 [Herramientas disponibles](#-available-tools)\n* 🚀 [Primeros pasos](#-getting-started)\n\n * 📋 [Requisitos](#-requirements)\n * 🔌 [Instalación](#-installation)\n* 🧩 [Motores de instalación](#-installation-engines)\n* 💻 [Clientes populares que admiten MCP](#-popular-clients-that-supports-mcps)\n* 🆘 [Apoyo](#-support)\n\n## 📖 Introducción\n\nEl Protocolo de Contexto de Modelo (MCP) es un protocolo de comunicación abierto y estandarizado que permite que las aplicaciones de IA se conecten con herramientas, fuentes de datos y servicios externos. Piense en MCP como un puerto USB-C para aplicaciones de IA: así como USB-C proporciona una forma estandarizada de conectar dispositivos a diversos periféricos, MCP proporciona una forma estandarizada de conectar modelos de IA a diferentes fuentes de datos y herramientas.\n\nEl servidor MCP de Lara Translate permite que las aplicaciones de IA accedan a las potentes capacidades de traducción de Lara Translate a través de este protocolo estandarizado.\n\n> Más información sobre el Protocolo de Contexto de Modelo en: \n\nEl servidor MCP de Lara Translate implementa el Protocolo de Contexto de Modelo para proporcionar capacidades de traducción fluidas a las aplicaciones de IA. La integración sigue este flujo:\n\n1. **Establecimiento de conexión** : cuando se inicia una aplicación de IA compatible con MCP, se conecta a los servidores MCP configurados, incluido el servidor MCP de Lara Translate\n2. **Descubrimiento de herramientas y recursos** : la aplicación de IA descubre las herramientas y los recursos de traducción disponibles proporcionados por el servidor MCP de Lara Translate\n3. **Procesamiento de solicitudes** : Cuando se identifican necesidades de traducción:\n * La aplicación de IA formatea una solicitud estructurada con texto para traducir, pares de idiomas y contexto opcional.\n * El servidor MCP valida la solicitud y la transforma en llamadas a la API de Lara Translate\n * La solicitud se envía de forma segura a la API de Lara Translate utilizando sus credenciales\n4. **Traducción y respuesta** : Lara Translate procesa la traducción utilizando modelos de IA avanzados.\n5. **Integración de resultados** : los resultados de la traducción se devuelven a la aplicación de IA, que luego puede incorporarlos a su respuesta.\n\nEsta arquitectura de integración permite que las aplicaciones de IA accedan a traducciones de nivel profesional sin implementar la API directamente, al tiempo que mantiene la seguridad de sus credenciales de API y ofrece flexibilidad para ajustar los parámetros de traducción a través de instrucciones en lenguaje natural.\n\nLa integración de Lara con LLM crea una poderosa sinergia que mejora significativamente la calidad de la traducción para idiomas distintos del inglés.\n\n#### Por qué los LLM generales se quedan cortos en traducción\n\nSi bien los modelos lingüísticos de gran tamaño poseen amplias capacidades lingüísticas, a menudo carecen de la experiencia especializada y la terminología actualizada necesarias para realizar traducciones precisas en dominios e idiomas específicos.\n\n#### La ventaja específica del dominio de Lara\n\nLara supera esta limitación aprovechando los Modelos de Lenguaje de Traducción (T-LM) entrenados con miles de millones de segmentos traducidos profesionalmente. Estos modelos proporcionan traducción automática específica del dominio que captura matices culturales y terminología del sector que los LLM genéricos podrían pasar por alto. El resultado: traducciones contextualmente precisas y con un sonido natural para hablantes nativos.\n\n#### Diseñado para resistencia no inglesa\n\nLara se centra especialmente en idiomas distintos del inglés, abordando la brecha de rendimiento detectada en modelos como GPT-4. El predominio del inglés en conjuntos de datos como Common Crawl y Wikipedia resulta en resultados de menor calidad en otros idiomas. Lara ayuda a subsanar esta brecha proporcionando una comprensión, generación y reestructuración de mayor calidad en un contexto multilingüe.\n\n#### Rendimiento multilingüe más rápido e inteligente\n\nAl delegar tareas de traducción complejas a traductores de traducción especializados, Lara reduce la carga computacional y minimiza la latencia, un problema común en los traductores de traducción que gestionan entradas en idiomas distintos del inglés. Su arquitectura procesa las traducciones en paralelo con el traductor de traducción, lo que permite obtener resultados de alta calidad en tiempo real sin comprometer la velocidad ni la eficiencia.\n\n#### Traducción rentable a gran escala\n\nLara también reduce el costo de usar modelos como GPT-4 en flujos de trabajo que no están en inglés. Dado que la tokenización (y los precios) están optimizados para el inglés, usar Lara permite que la traducción se realice antes de llegar al LLM, lo que significa que solo se procesa el contenido traducido al inglés. Esto mejora la rentabilidad y facilita la escalabilidad competitiva para empresas globales.\n\n## 🛠 Herramientas disponibles\n\n### Herramientas de traducción\n\n**Entradas** :\n\n* `text` (matriz): una matriz de bloques de texto para traducir, cada uno con:\n * `text` (cadena): El contenido del texto\n * `translatable` (booleano): si este bloque debe traducirse\n* `source` (cadena opcional): código del idioma fuente (por ejemplo, 'en-EN')\n* `target` (cadena): código del idioma de destino (por ejemplo, 'it-IT')\n* `context` (cadena opcional): contexto adicional para mejorar la calidad de la traducción\n* `instructions` (cadena opcional\\[]): instrucciones para ajustar el comportamiento de la traducción\n* `source_hint` (cadena opcional): Guía para la detección del idioma\n\n**Devuelve** : Bloques de texto traducidos que mantienen la estructura original\n\n### Herramientas de memorias de traducción\n\n**Devuelve** : Matriz de recuerdos y sus detalles\n\n**Entradas** :\n\n* `name` (cadena): Nombre de la nueva memoria\n* `external_id` (cadena opcional): ID de la memoria que se importará desde MyMemory (por ejemplo, 'ext\\_my\\_\\[MyMemory ID]')\n\n**Devuelve** : datos de memoria creados\n\n**Entradas** :\n\n* `id` (cadena): ID de la memoria a actualizar\n* `name` (cadena): El nuevo nombre para la memoria\n\n**Devuelve** : Datos de memoria actualizados\n\n**Entradas** :\n\n* `id` (cadena): ID de la memoria a eliminar\n\n**Devuelve** : Datos de memoria eliminados\n\n**Entradas** :\n\n* `id` (string | string\\[]): ID o IDs de las memorias donde agregar la unidad de traducción\n* `source` (cadena): Código del idioma fuente\n* `target` (cadena): código del idioma de destino\n* `sentence` (cadena): La oración fuente\n* `translation` (cadena): La oración traducida\n* `tuid` (cadena opcional): identificador único de la unidad de traducción\n* `sentence_before` (cadena opcional): Oración de contexto antes\n* `sentence_after` (cadena opcional): Oración de contexto después\n\n**Devoluciones** : Se agregaron detalles de traducción\n\n**Entradas** :\n\n* `id` (cadena): ID de la memoria\n* `source` (cadena): Código del idioma fuente\n* `target` (cadena): código del idioma de destino\n* `sentence` (cadena): La oración fuente\n* `translation` (cadena): La oración traducida\n* `tuid` (cadena opcional): identificador único de la unidad de traducción\n* `sentence_before` (cadena opcional): Oración de contexto antes\n* `sentence_after` (cadena opcional): Oración de contexto después\n\n**Devoluciones** : Se eliminaron los detalles de traducción\n\n**Entradas** :\n\n* `id` (cadena): ID de la memoria a actualizar\n* `tmx` (ruta del archivo): La ruta del archivo TMX para cargar\n* `gzip` (booleano): Indica si el archivo está comprimido (.gz)\n\n**Devoluciones** : Detalles de importación\n\n**Entradas** :\n\n* `id` (cadena): El ID del trabajo de importación\n\n**Devoluciones** : Detalles de importación\n\n## 🚀 Primeros pasos\n\n### 📋 Requisitos\n\n* Credenciales de la API de Lara Translate\n * Para obtenerlos puedes consultar la [Documentación Oficial](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)\n* Un cliente LLM que admita el Protocolo de contexto de modelo (MCP), como Claude Desktop, Cursors o GitHub Copilot\n* NPX o Docker (dependiendo de su método de instalación preferido)\n\n### 🔌 Instalación\n\n#### Introducción\n\nEl proceso de instalación está estandarizado en todos los clientes MCP. Implica agregar manualmente un objeto de configuración al archivo JSON de configuración MCP del cliente.\n\n> Si no está seguro de cómo configurar un MCP con su cliente, consulte la documentación oficial de su cliente MCP.\n\nLara Translate MCP admite múltiples métodos de instalación, incluidos NPX y Docker.\\\nA continuación, utilizaremos NPX como ejemplo.\n\n***\n\n#### Instalación y configuración\n\n**Paso 1** : Abra el archivo JSON de configuración MCP de su cliente con un editor de texto, luego copie y pegue el siguiente fragmento:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"@translated/lara-mcp@latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n**Paso 2** : Reemplace `` y `` con sus credenciales de API de Lara Translate (consulte la [documentación oficial](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials) para obtener más detalles).\n\n**Paso 3** : reinicie su cliente MCP.\n\n***\n\n#### Verificar la instalación\n\nDespués de reiniciar su cliente MCP, debería ver Lara Translate MCP en la lista de MCP disponibles.\n\n> El método para ver los MCP instalados varía según el cliente. Consulte la documentación de su cliente MCP.\n\nPara verificar que Lara Translate MCP funciona correctamente, intenta traducir con una indicación simple:\n\n```text\nTranslate with Lara \"Hello world\" to Spanish\n```\n\nSu cliente MCP comenzará a generar una respuesta. Si Lara Translate MCP está correctamente instalado y configurado, solicitará la aprobación de la acción o mostrará una notificación indicando que se está utilizando Lara Translate.\n\n## 🧩 Motores de instalación\n\nEsta opción requiere que Node.js esté instalado en su sistema.\n\n1. Agregue lo siguiente a su archivo de configuración de MCP:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\"-y\", \"@translated/lara-mcp@latest\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. Reemplace `` y `` con sus credenciales reales de Lara API.\n\nEsta opción requiere que Docker esté instalado en su sistema.\n\n1. Agregue lo siguiente a su archivo de configuración de MCP:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"translatednet/lara-mcp:latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. Reemplace `` y `` con sus credenciales reales de Lara API.\n\n#### Usando Node.js\n\n1. Clonar el repositorio:\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Instalar dependencias y compilar:\n\n```bash\n# Install dependencies\npnpm install\n\n# Build\npnpm run build\n```\n\n3. Agregue lo siguiente a su archivo de configuración de MCP:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"node\",\n \"args\": [\"/dist/index.js\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. Reemplazar:\n * `` con la ruta absoluta a la carpeta de su proyecto\n * `` y `` con sus credenciales reales de Lara API.\n\n#### Construyendo una imagen de Docker\n\n1. Clonar el repositorio:\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Construya la imagen de Docker:\n\n```bash\ndocker build -t lara-mcp .\n```\n\n3. Agregue lo siguiente a su archivo de configuración de MCP:\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"lara-mcp\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. Reemplace `` y `` con sus credenciales reales.\n\n## 💻 Clientes populares que admiten MCP\n\n> Para obtener una lista completa de clientes MCP y sus funciones compatibles, visita la [página oficial de clientes MCP](https://modelcontextprotocol.io/clients) .\n\n| Cliente | Descripción |\n| --------------------------------------------------------------------- | -------------------------------------------------------------- |\n| [Escritorio de Claude](https://claude.ai/download) | Aplicación de escritorio para Claude AI |\n| [Cursor](https://www.cursor.com/) | Editor de código basado en IA |\n| [Cline para VS Code](https://github.com/cline/cline) | Extensión de VS Code para asistencia de IA |\n| [Copiloto de GitHub MCP](https://github.com/VikashLoomba/copilot-mcp) | Extensión de VS Code para la integración de GitHub Copilot MCP |\n| [Windsurf](https://windsurf.com/editor) | Editor de código y entorno de desarrollo impulsados por IA |\n\n## 🆘 Apoyo\n\n* Para problemas con la API de Lara Translate: comuníquese con [el soporte de Lara](https://support.laratranslate.com)\n* Para problemas con este servidor MCP: Abra un problema en [GitHub](https://github.com/translated/lara-mcp/issues)","Spanish","es-ES",{"_27":46,"_31":50,"_36":51},{"_29":47,"_31":48,"_33":49},"多数の言語ペア間の言語検出とコンテキスト認識翻訳を特徴とする、Lara Translate API を介して機械翻訳機能を提供する MCP サーバー。","Lara Translate MCP サーバー","# ララ翻訳MCPサーバー\n\n[Lara Translate](https://laratranslate.com/translate) API 用のモデルコンテキストプロトコル (MCP) サーバー。言語検出、コンテキスト認識翻訳、翻訳メモリのサポートにより、強力な翻訳機能を実現します。\n\n[![ライセンス](https://img.shields.io/github/license/translated/lara-mcp.svg)](https://github.com/translated/lara-mcp/blob/main/LICENSE) [![Dockerプル](https://img.shields.io/docker/pulls/translatednet/lara-mcp.svg)](https://hub.docker.com/r/translatednet/lara-mcp) [![npmダウンロード](https://img.shields.io/npm/dm/@translated/lara-mcp.svg)](https://www.npmjs.com/package/@translated/lara-mcp)\n\n## 📚 目次\n\n* 📖[はじめに](#-introduction)\n* 🛠[利用可能なツール](#-available-tools)\n* 🚀[はじめに](#-getting-started)\n\n * 📋[要件](#-requirements)\n * 🔌[インストール](#-installation)\n* 🧩[インストールエンジン](#-installation-engines)\n* 💻 [MCPをサポートする人気のクライアント](#-popular-clients-that-supports-mcps)\n* 🆘[サポート](#-support)\n\n## 📖 はじめに\n\nモデルコンテキストプロトコル（MCP）は、AIアプリケーションが外部ツール、データソース、サービスと接続できるようにする、オープンで標準化された通信プロトコルです。MCPはAIアプリケーション用のUSB-Cポートのようなものだと考えてください。USB-Cがデバイスを様々な周辺機器に接続するための標準化された方法を提供するのと同様に、MCPはAIモデルを様々なデータソースやツールに接続するための標準化された方法を提供します。\n\nLara Translate MCP サーバーにより、AI アプリケーションは、この標準化されたプロトコルを通じて Lara Translate の強力な翻訳機能にアクセスできるようになります。\n\n> モデルコンテキストプロトコルの詳細については、をご覧ください。\n\nLara Translate MCP Serverは、モデルコンテキストプロトコルを実装し、AIアプリケーションにシームレスな翻訳機能を提供します。統合は以下のフローで行われます。\n\n1. **接続の確立**: MCP対応AIアプリケーションが起動すると、Lara Translate MCPサーバーを含む構成されたMCPサーバーに接続します。\n2. **ツールとリソースの検出**: AIアプリケーションは、Lara Translate MCPサーバーによって提供される利用可能な翻訳ツールとリソースを検出します。\n3. **リクエスト処理**: 翻訳の必要性が判明した場合:\n * AIアプリケーションは、翻訳するテキスト、言語ペア、およびオプションのコンテキストを含む構造化されたリクエストをフォーマットします。\n * MCPサーバーはリクエストを検証し、それをLara Translate API呼び出しに変換します。\n * リクエストはあなたの資格情報を使用してLara TranslateのAPIに安全に送信されます\n4. **翻訳と応答**: Lara Translateは高度なAIモデルを使用して翻訳を処理します\n5. **結果の統合**: 翻訳結果はAIアプリケーションに返され、応答に組み込むことができます。\n\nこの統合アーキテクチャにより、AI アプリケーションは API を直接実装することなくプロフェッショナルグレードの翻訳にアクセスできると同時に、API 資格情報のセキュリティを維持し、自然言語の指示を通じて翻訳パラメータを調整する柔軟性も得られます。\n\nLara を LLM と統合すると、強力な相乗効果が生まれ、英語以外の言語の翻訳品質が大幅に向上します。\n\n#### 一般LLMが翻訳分野で不十分な理由\n\n大規模言語モデルは幅広い言語機能を備えていますが、特定のドメインや言語での正確な翻訳に必要な専門知識や最新の用語が不足していることがよくあります。\n\n#### ララのドメイン固有の利点\n\nLaraは、数十億ものプロによる翻訳セグメントでトレーニングされた翻訳言語モデル（T-LM）を活用することで、この限界を克服しています。これらのモデルは、一般的なLLMでは捉えきれない文化的ニュアンスや業界用語を捉える、ドメイン固有の機械翻訳を提供します。その結果、文脈に正確で、ネイティブスピーカーにとって自然な翻訳が実現します。\n\n#### 英語以外の言語の強さを考慮して設計\n\nLaraは英語以外の言語に特化しており、GPT-4などのモデルに見られるパフォーマンスギャップに対処しています。Common CrawlやWikipediaなどのデータセットでは英語が主流であるため、他の言語の出力品質は低くなります。Laraは、多言語コンテキストにおいてより高品質な理解、生成、再構築を提供することで、このギャップを埋めるのに役立ちます。\n\n#### より高速でスマートな多言語パフォーマンス\n\nLaraは、複雑な翻訳タスクを専用のT-LMにオフロードすることで、計算オーバーヘッドを削減し、英語以外の言語入力を扱うLLMでよくある問題であるレイテンシを最小限に抑えます。そのアーキテクチャは、LLMと並行して翻訳を処理するため、速度や効率性を損なうことなく、リアルタイムで高品質な出力を実現します。\n\n#### 大規模でコスト効率の高い翻訳\n\nLaraは、英語以外のワークフローにおいてGPT-4などのモデルを使用するコストも削減します。トークン化（および価格設定）は英語向けに最適化されているため、Laraを使用することでLLMに到達する前に翻訳が可能になり、翻訳された英語コンテンツのみが処理されます。これによりコスト効率が向上し、グローバル企業の競争力のあるスケーラビリティが実現します。\n\n## 🛠 利用可能なツール\n\n### 翻訳ツール\n\n**入力**:\n\n* `text` (配列): 翻訳するテキストブロックの配列。各ブロックには次の内容が含まれます。\n * `text` （文字列）：テキストの内容\n * `translatable` (boolean): このブロックを翻訳するかどうか\n* `source` （オプションの文字列）：ソース言語コード（例：'en-EN'）\n* `target` (文字列): ターゲット言語コード (例: 'it-IT')\n* `context` （オプションの文字列）：翻訳品質を向上させるための追加のコンテキスト\n* `instructions` （オプションの文字列\\[]）：翻訳動作を調整するための指示\n* `source_hint` （オプションの文字列）: 言語検出のガイダンス\n\n**戻り値**: 元の構造を維持した翻訳されたテキストブロック\n\n### 翻訳メモリツール\n\n**戻り値**: 記憶とその詳細の配列\n\n**入力**:\n\n* `name` (文字列): 新しいメモリの名前\n* `external_id` （オプションの文字列）：MyMemoryからインポートするメモリのID（例：'ext\\_my\\_\\[MyMemory ID]'）\n\n**戻り値**: 作成されたメモリデータ\n\n**入力**:\n\n* `id` (文字列): 更新するメモリのID\n* `name` (文字列): メモリの新しい名前\n\n**戻り値**: 更新されたメモリデータ\n\n**入力**:\n\n* `id` (文字列): 削除するメモリのID\n\n**戻り値**: 削除されたメモリデータ\n\n**入力**:\n\n* `id` (文字列 | 文字列\\[]): 翻訳単位を追加するメモリのID\n* `source` (文字列): ソース言語コード\n* `target` (文字列): ターゲット言語コード\n* `sentence` (文字列): ソース文\n* `translation` （文字列）：翻訳された文\n* `tuid` (オプションの文字列): 翻訳単位の一意の識別子\n* `sentence_before` (オプション文字列): 前の文脈文\n* `sentence_after` (オプション文字列): コンテキスト文の後ろ\n\n**返品**: 翻訳の詳細を追加しました\n\n**入力**:\n\n* `id` (文字列): メモリのID\n* `source` (文字列): ソース言語コード\n* `target` (文字列): ターゲット言語コード\n* `sentence` (文字列): ソース文\n* `translation` （文字列）：翻訳された文\n* `tuid` (オプションの文字列): 翻訳単位の一意の識別子\n* `sentence_before` (オプション文字列): 前の文脈文\n* `sentence_after` (オプション文字列): コンテキスト文の後ろ\n\n**返品**: 翻訳の詳細を削除しました\n\n**入力**:\n\n* `id` (文字列): 更新するメモリのID\n* `tmx` (ファイルパス): アップロードするTMXファイルのパス\n* `gzip` (ブール値): ファイルが圧縮されているかどうかを示します (.gz)\n\n**返品**：輸入詳細\n\n**入力**:\n\n* `id` (文字列): インポートジョブのID\n\n**返品**：輸入詳細\n\n## 🚀 はじめに\n\n### 📋 要件\n\n* Lara Translate API 認証情報\n * これらを取得するには、 [公式ドキュメント](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)を参照してください。\n* Claude Desktop、Cursors、GitHub Copilot などのモデルコンテキストプロトコル (MCP) をサポートする LLM クライアント\n* NPX または Docker (好みのインストール方法によって異なります)\n\n### 🔌 インストール\n\n#### 導入\n\nインストールプロセスはすべてのMCPクライアントで標準化されています。クライアントのMCP構成JSONファイルに構成オブジェクトを手動で追加するだけです。\n\n> クライアントで MCP を構成する方法がわからない場合は、MCP クライアントの公式ドキュメントを参照してください。\n\nLara Translate MCP は、NPX や Docker など、複数のインストール方法をサポートしています。\\\n以下では、NPX を例として使用します。\n\n***\n\n#### インストールと設定\n\n**ステップ 1** : テキストエディターでクライアントの MCP 構成 JSON ファイルを開き、次のスニペットをコピーして貼り付けます。\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"@translated/lara-mcp@latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n**ステップ 2** : ``と`` Lara Translate API 資格情報に置き換えます (詳細については[公式ドキュメント](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)を参照してください)。\n\n**ステップ 3** : MCP クライアントを再起動します。\n\n***\n\n#### インストールの確認\n\nMCP クライアントを再起動すると、利用可能な MCP のリストに Lara Translate MCP が表示されます。\n\n> インストールされているMCPを確認する方法はクライアントによって異なります。MCPクライアントのドキュメントをご参照ください。\n\nLara Translate MCP が正しく動作していることを確認するには、簡単なプロンプトで翻訳してみます。\n\n```text\nTranslate with Lara \"Hello world\" to Spanish\n```\n\nMCPクライアントがレスポンスの生成を開始します。Lara Translate MCPが正しくインストールおよび設定されている場合は、クライアントはアクションの承認を要求するか、Lara Translateが使用されていることを示す通知を表示します。\n\n## 🧩 インストールエンジン\n\nこのオプションを使用するには、システムに Node.js がインストールされている必要があります。\n\n1. MCP 構成ファイルに次の内容を追加します。\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\"-y\", \"@translated/lara-mcp@latest\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. ``と``を実際の Lara API 資格情報に置き換えます。\n\nこのオプションを使用するには、システムに Docker がインストールされている必要があります。\n\n1. MCP 構成ファイルに次の内容を追加します。\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"translatednet/lara-mcp:latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. ``と``を実際の Lara API 資格情報に置き換えます。\n\n#### Node.jsの使用\n\n1. リポジトリをクローンします。\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. 依存関係をインストールしてビルドします。\n\n```bash\n# Install dependencies\npnpm install\n\n# Build\npnpm run build\n```\n\n3. MCP 構成ファイルに次の内容を追加します。\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"node\",\n \"args\": [\"/dist/index.js\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. 交換する：\n * ``はプロジェクトフォルダへの絶対パスです\n * ``と``を実際の Lara API 資格情報に置き換えます。\n\n#### Dockerイメージの構築\n\n1. リポジトリをクローンします。\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Docker イメージをビルドします。\n\n```bash\ndocker build -t lara-mcp .\n```\n\n3. MCP 構成ファイルに次の内容を追加します。\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"lara-mcp\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. ``と``を実際の資格情報に置き換えます。\n\n## 💻 MCPをサポートする人気のクライアント\n\n> MCP クライアントとその機能サポートの完全なリストについては、[公式の MCP クライアントページ](https://modelcontextprotocol.io/clients)をご覧ください。\n\n| クライアント | 説明 |\n| ---------------------------------------------------------------- | -------------------------------------- |\n| [クロードデスクトップ](https://claude.ai/download) | Claude AI のデスクトップアプリケーション |\n| [カーソル](https://www.cursor.com/) | AIファーストのコードエディター |\n| [VS Code 用の Cline](https://github.com/cline/cline) | AI支援のためのVS Code拡張機能 |\n| [GitHub コパイロット MCP](https://github.com/VikashLoomba/copilot-mcp) | GitHub Copilot MCP 統合のための VS Code 拡張機能 |\n| [ウィンドサーフィン](https://windsurf.com/editor) | AI搭載のコードエディターと開発環境 |\n\n## 🆘 サポート\n\n* Lara Translate APIに関する問題については、 [Laraサポート](https://support.laratranslate.com)にお問い合わせください。\n* このMCPサーバーに関する問題については、 [GitHub](https://github.com/translated/lara-mcp/issues)で問題を開いてください。","Japanese","ja-JP",{"_27":53,"_31":57,"_36":58},{"_29":54,"_31":55,"_33":56},"Lara Translate API를 통해 기계 번역 기능을 제공하는 MCP 서버로, 다양한 언어 쌍 간의 언어 감지 및 컨텍스트 인식 번역 기능을 제공합니다.","라라 번역 MCP 서버","# 라라 번역 MCP 서버\n\n[Lara Translate](https://laratranslate.com/translate) API를 위한 MCP(모델 컨텍스트 프로토콜) 서버는 언어 감지, 컨텍스트 인식 번역 및 번역 메모리를 지원하여 강력한 번역 기능을 제공합니다.\n\n[![특허](https://img.shields.io/github/license/translated/lara-mcp.svg)](https://github.com/translated/lara-mcp/blob/main/LICENSE) [![도커 풀](https://img.shields.io/docker/pulls/translatednet/lara-mcp.svg)](https://hub.docker.com/r/translatednet/lara-mcp) [![npm 다운로드](https://img.shields.io/npm/dm/@translated/lara-mcp.svg)](https://www.npmjs.com/package/@translated/lara-mcp)\n\n## 📚 목차\n\n* 📖 [소개](#-introduction)\n* 🛠 [사용 가능한 도구](#-available-tools)\n* 🚀 [시작하기](#-getting-started)\n\n * 📋 [요구 사항](#-requirements)\n * 🔌 [설치](#-installation)\n* 🧩 [설치 엔진](#-installation-engines)\n* 💻 [MCP를 지원하는 인기 클라이언트](#-popular-clients-that-supports-mcps)\n* 🆘 [지원](#-support)\n\n## 📖 소개\n\n모델 컨텍스트 프로토콜(MCP)은 AI 애플리케이션이 외부 도구, 데이터 소스 및 서비스와 연결할 수 있도록 하는 개방형 표준 통신 프로토콜입니다. MCP는 AI 애플리케이션용 USB-C 포트와 같습니다. USB-C가 다양한 주변 장치에 장치를 연결하는 표준화된 방식을 제공하는 것처럼, MCP는 AI 모델을 다양한 데이터 소스 및 도구에 연결하는 표준화된 방식을 제공합니다.\n\nLara Translate MCP 서버는 표준화된 프로토콜을 통해 AI 애플리케이션이 Lara Translate의 강력한 번역 기능에 액세스할 수 있도록 합니다.\n\n> 모델 컨텍스트 프로토콜에 대한 자세한 내용은 에서 확인하세요.\n\nLara Translate MCP 서버는 AI 애플리케이션에 원활한 번역 기능을 제공하기 위해 모델 컨텍스트 프로토콜을 구현합니다. 통합은 다음 흐름을 따릅니다.\n\n1. **연결 설정** : MCP 호환 AI 애플리케이션이 시작되면 Lara Translate MCP 서버를 포함하여 구성된 MCP 서버에 연결됩니다.\n2. **도구 및 리소스 검색** : AI 애플리케이션은 Lara Translate MCP 서버에서 제공하는 사용 가능한 번역 도구 및 리소스를 검색합니다.\n3. **요청 처리** : 번역 요구 사항이 확인되면:\n * AI 애플리케이션은 번역할 텍스트, 언어 쌍 및 선택적 컨텍스트를 사용하여 구조화된 요청을 포맷합니다.\n * MCP 서버는 요청을 검증하고 이를 Lara Translate API 호출로 변환합니다.\n * 요청은 귀하의 자격 증명을 사용하여 Lara Translate의 API로 안전하게 전송됩니다.\n4. **번역 및 응답** : Lara Translate는 고급 AI 모델을 사용하여 번역을 처리합니다.\n5. **결과 통합** : 번역 결과는 AI 애플리케이션으로 반환되며, 이후 해당 결과를 응답에 통합할 수 있습니다.\n\n이러한 통합 아키텍처를 통해 AI 애플리케이션은 API를 직접 구현하지 않고도 전문가 수준의 번역에 액세스할 수 있으며, API 자격 증명의 보안을 유지하고 자연어 지침을 통해 번역 매개변수를 조정할 수 있는 유연성을 제공합니다.\n\nLara를 LLM과 통합하면 강력한 시너지 효과가 발생하여 영어가 아닌 언어의 번역 품질이 크게 향상됩니다.\n\n#### 일반 LLM이 번역에 부족한 이유\n\n대규모 언어 모델은 광범위한 언어적 역량을 보유하고 있지만, 특정 도메인과 언어로 정확하게 번역하는 데 필요한 전문 지식과 최신 용어가 부족한 경우가 많습니다.\n\n#### 라라의 도메인별 장점\n\nLara는 수십억 개의 전문 번역 세그먼트를 학습한 번역 언어 모델(T-LM)을 활용하여 이러한 한계를 극복합니다. 이 모델은 일반 LLM에서는 간과할 수 있는 문화적 뉘앙스와 업계 용어를 포착하는 도메인별 기계 번역을 제공합니다. 그 결과, 문맥적으로 정확하고 원어민에게 자연스럽게 들리는 번역을 제공합니다.\n\n#### 영어가 아닌 언어의 강점에 맞춰 설계됨\n\nLara는 영어가 아닌 언어에 집중하여 GPT-4와 같은 모델에서 발견되는 성능 격차를 해소합니다. Common Crawl 및 Wikipedia와 같은 데이터셋에서 영어가 우세하면 다른 언어의 출력 품질이 낮아집니다. Lara는 다국어 환경에서 더 높은 품질의 이해, 생성 및 재구성을 제공함으로써 이러한 격차를 해소합니다.\n\n#### 더 빠르고 스마트한 다국어 성능\n\nLara는 복잡한 번역 작업을 전문 T-LM으로 분산시킴으로써 계산 오버헤드를 줄이고 지연 시간을 최소화합니다. 이는 영어가 아닌 입력을 처리하는 LLM에서 흔히 발생하는 문제입니다. Lara의 아키텍처는 LLM과 병렬로 번역을 처리하여 속도나 효율성을 저하시키지 않으면서 실시간으로 고품질 출력을 제공합니다.\n\n#### 규모에 따른 비용 효율적인 번역\n\nLara는 영어가 아닌 워크플로에서 GPT-4와 같은 모델을 사용하는 비용을 절감합니다. 토큰화(및 가격 책정)가 영어에 최적화되어 있기 때문에 Lara를 사용하면 LLM에 도달하기 전에 번역을 진행할 수 있습니다. 즉, 번역된 영어 콘텐츠만 처리됩니다. 이를 통해 비용 효율성이 향상되고 글로벌 기업의 경쟁력 있는 확장성이 확보됩니다.\n\n## 🛠 사용 가능한 도구\n\n### 번역 도구\n\n**입력** :\n\n* `text` (배열): 번역할 텍스트 블록의 배열, 각 블록에는 다음이 포함됩니다.\n * `text` (문자열): 텍스트 콘텐츠\n * `translatable` (부울): 이 블록을 번역해야 하는지 여부\n* `source` (선택적 문자열): 소스 언어 코드(예: 'en-EN')\n* `target` (문자열): 대상 언어 코드(예: 'it-IT')\n* `context` (선택적 문자열): 번역 품질을 개선하기 위한 추가 컨텍스트\n* `instructions` (선택적 문자열\\[]): 번역 동작을 조정하기 위한 지침\n* `source_hint` (선택 문자열): 언어 감지 지침\n\n**반환** : 원래 구조를 유지하는 번역된 텍스트 블록\n\n### 번역 메모리 도구\n\n**반환** : 메모리 배열과 그 세부 정보\n\n**입력** :\n\n* `name` (문자열): 새 메모리의 이름\n* `external_id` (선택적 문자열): MyMemory에서 가져올 메모리의 ID(예: 'ext\\_my\\_\\[MyMemory ID]')\n\n**반환** : 생성된 메모리 데이터\n\n**입력** :\n\n* `id` (문자열): 업데이트할 메모리의 ID\n* `name` (문자열): 메모리의 새 이름\n\n**반환** : 업데이트된 메모리 데이터\n\n**입력** :\n\n* `id` (문자열): 삭제할 메모리의 ID\n\n**반환** : 삭제된 메모리 데이터\n\n**입력** :\n\n* `id` (문자열 | 문자열\\[]): 번역 단위를 추가할 메모리의 ID 또는 ID들\n* `source` (문자열): 소스 언어 코드\n* `target` (문자열): 대상 언어 코드\n* `sentence` (문자열): 소스 문장\n* `translation` (문자열): 번역된 문장\n* `tuid` (선택적 문자열): 번역 단위 고유 식별자\n* `sentence_before` (선택적 문자열): 문맥 문장 앞\n* `sentence_after` (선택적 문자열): 컨텍스트 문장 뒤\n\n**반환** : 번역 세부 정보 추가\n\n**입력** :\n\n* `id` (문자열): 메모리의 ID\n* `source` (문자열): 소스 언어 코드\n* `target` (문자열): 대상 언어 코드\n* `sentence` (문자열): 소스 문장\n* `translation` (문자열): 번역된 문장\n* `tuid` (선택적 문자열): 번역 단위 고유 식별자\n* `sentence_before` (선택적 문자열): 문맥 문장 앞\n* `sentence_after` (선택적 문자열): 컨텍스트 문장 뒤\n\n**반환** : 번역 세부 정보가 제거되었습니다.\n\n**입력** :\n\n* `id` (문자열): 업데이트할 메모리의 ID\n* `tmx` (파일 경로): 업로드할 TMX 파일의 경로\n* `gzip` (부울): 파일이 압축되었는지(.gz)를 나타냅니다.\n\n**반품** : 수입 세부 정보\n\n**입력** :\n\n* `id` (문자열): 가져오기 작업의 ID\n\n**반품** : 수입 세부 정보\n\n## 🚀 시작하기\n\n### 📋 요구 사항\n\n* Lara Translate API 자격 증명\n * 이를 얻으려면 [공식 문서](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials) 를 참조할 수 있습니다.\n* Claude Desktop, Cursors 또는 GitHub Copilot과 같은 MCP(모델 컨텍스트 프로토콜)를 지원하는 LLM 클라이언트\n* NPX 또는 Docker(선호하는 설치 방법에 따라 다름)\n\n### 🔌 설치\n\n#### 소개\n\n설치 프로세스는 모든 MCP 클라이언트에서 표준화되어 있습니다. 클라이언트의 MCP 구성 JSON 파일에 구성 객체를 수동으로 추가하는 과정이 포함됩니다.\n\n> 클라이언트에서 MCP를 구성하는 방법이 확실하지 않은 경우 MCP 클라이언트의 공식 문서를 참조하세요.\n\nLara Translate MCP는 NPX와 Docker를 포함한 다양한 설치 방법을 지원합니다.\\\n아래에서는 NPX를 예로 들어보겠습니다.\n\n***\n\n#### 설치 및 구성\n\n**1단계** : 텍스트 편집기로 클라이언트의 MCP 구성 JSON 파일을 열고 다음 스니펫을 복사하여 붙여넣습니다.\n\n지엑스피1\n\n**2단계** : `` 와 `` Lara Translate API 자격 증명으로 바꾸세요(자세한 내용은 [공식 문서를](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials) 참조하세요).\n\n**3단계** : MCP 클라이언트를 다시 시작합니다.\n\n***\n\n#### 설치 확인\n\nMCP 클라이언트를 다시 시작하면 사용 가능한 MCP 목록에 Lara Translate MCP가 표시됩니다.\n\n> 설치된 MCP를 확인하는 방법은 클라이언트마다 다릅니다. MCP 클라이언트 설명서를 참조하세요.\n\nLara Translate MCP가 올바르게 작동하는지 확인하려면 간단한 프롬프트로 번역해 보세요.\n\n```text\nTranslate with Lara \"Hello world\" to Spanish\n```\n\nMCP 클라이언트가 응답을 생성하기 시작합니다. Lara Translate MCP가 제대로 설치 및 구성되면 클라이언트가 해당 작업에 대한 승인을 요청하거나 Lara Translate가 사용 중이라는 알림을 표시합니다.\n\n## 🧩 설치 엔진\n\n이 옵션을 사용하려면 시스템에 Node.js가 설치되어 있어야 합니다.\n\n1. MCP 구성 파일에 다음을 추가하세요.\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\"-y\", \"@translated/lara-mcp@latest\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. `` 와 `` 실제 Lara API 자격 증명으로 바꾸세요.\n\n이 옵션을 사용하려면 시스템에 Docker가 설치되어 있어야 합니다.\n\n1. MCP 구성 파일에 다음을 추가하세요.\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"translatednet/lara-mcp:latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. `` 와 `` 실제 Lara API 자격 증명으로 바꾸세요.\n\n#### Node.js 사용하기\n\n1. 저장소를 복제합니다.\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. 종속성을 설치하고 빌드합니다.\n\n```bash\n# Install dependencies\npnpm install\n\n# Build\npnpm run build\n```\n\n3. MCP 구성 파일에 다음을 추가하세요.\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"node\",\n \"args\": [\"/dist/index.js\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. 바꾸다:\n * `` 는 프로젝트 폴더의 절대 경로입니다.\n * `` 와 `` 에 실제 Lara API 자격 증명을 입력합니다.\n\n#### Docker 이미지 빌드\n\n1. 저장소를 복제합니다.\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. Docker 이미지를 빌드합니다.\n\n```bash\ndocker build -t lara-mcp .\n```\n\n3. MCP 구성 파일에 다음을 추가하세요.\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"lara-mcp\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. `` 와 `` 실제 자격 증명으로 바꾸세요.\n\n## 💻 MCP를 지원하는 인기 클라이언트\n\n> MCP 클라이언트와 해당 기능 지원의 전체 목록을 보려면 [공식 MCP 클라이언트 페이지를](https://modelcontextprotocol.io/clients) 방문하세요.\n\n| 고객 | 설명 |\n| ----------------------------------------------------------------- | ------------------------------------ |\n| [클로드 데스크탑](https://claude.ai/download) | Claude AI용 데스크톱 애플리케이션 |\n| [커서](https://www.cursor.com/) | AI 우선 코드 편집기 |\n| [VS Code의 클라인](https://github.com/cline/cline) | AI 지원을 위한 VS Code 확장 |\n| [GitHub Copilot MCP](https://github.com/VikashLoomba/copilot-mcp) | GitHub Copilot MCP 통합을 위한 VS Code 확장 |\n| [윈드서핑](https://windsurf.com/editor) | AI 기반 코드 편집기 및 개발 환경 |\n\n## 🆘 지원\n\n* Lara Translate API 관련 문제: [Lara 지원팀](https://support.laratranslate.com) 에 문의하세요.\n* 이 MCP 서버 관련 문제: [GitHub](https://github.com/translated/lara-mcp/issues) 에서 문제를 열어보세요.","Korean","ko-KR",{"_27":60,"_31":64,"_36":65},{"_29":61,"_31":62,"_33":63},"MCP 服务器通过 Lara Translate API 提供机器翻译功能，具有语言检测和多种语言对之间的上下文感知翻译功能。","Lara 翻译 MCP 服务器","# Lara 翻译 MCP 服务器\n\n[Lara Translate](https://laratranslate.com/translate) API 的模型上下文协议 (MCP) 服务器，支持语言检测、上下文感知翻译和翻译记忆，实现强大的翻译功能。\n\n[![执照](https://img.shields.io/github/license/translated/lara-mcp.svg)](https://github.com/translated/lara-mcp/blob/main/LICENSE) [![Docker拉取](https://img.shields.io/docker/pulls/translatednet/lara-mcp.svg)](https://hub.docker.com/r/translatednet/lara-mcp) [![npm 下载](https://img.shields.io/npm/dm/@translated/lara-mcp.svg)](https://www.npmjs.com/package/@translated/lara-mcp)\n\n## 📚 目录\n\n* 📖[简介](#-introduction)\n* 🛠[可用工具](#-available-tools)\n* 🚀[入门](#-getting-started)\n\n * 📋[要求](#-requirements)\n * 🔌[安装](#-installation)\n* 🧩[安装引擎](#-installation-engines)\n* 💻[支持 MCP 的热门客户端](#-popular-clients-that-supports-mcps)\n* 🆘[支持](#-support)\n\n## 📖 简介\n\n模型上下文协议 (MCP) 是一种开放的标准化通信协议，使 AI 应用程序能够连接外部工具、数据源和服务。MCP 就像 AI 应用程序的 USB-C 端口一样——正如 USB-C 提供了一种将设备连接到各种外设的标准化方式一样，MCP 也提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。\n\nLara Translate MCP Server 使 AI 应用程序能够通过该标准化协议访问 Lara Translate 强大的翻译功能。\n\n> 有关模型上下文协议的更多信息： \n\nLara Translate MCP 服务器实现了模型上下文协议 (MCP)，为 AI 应用程序提供无缝翻译功能。集成流程如下：\n\n1. **建立连接**：当兼容 MCP 的 AI 应用程序启动时，它会连接到已配置的 MCP 服务器，包括 Lara Translate MCP 服务器\n2. **工具和资源发现**：AI 应用程序发现 Lara Translate MCP 服务器提供的可用翻译工具和资源\n3. **请求处理**：当确定翻译需求时：\n * AI 应用程序格式化结构化请求，其中包含要翻译的文本、语言对和可选上下文\n * MCP 服务器验证请求并将其转换为 Lara Translate API 调用\n * 该请求将使用您的凭证安全地发送到 Lara Translate 的 API\n4. **翻译与响应**：Lara Translate 使用先进的 AI 模型处理翻译\n5. **结果集成**：翻译结果返回到人工智能应用程序，然后该应用程序可以将其合并到其响应中\n\n这种集成架构允许 AI 应用程序无需直接实现 API 即可访问专业级翻译，同时保持 API 凭证的安全性并提供通过自然语言指令调整翻译参数的灵活性。\n\n将 Lara 与 LLM 相结合可产生强大的协同效应，显著提高非英语语言的翻译质量。\n\n#### 为什么普通法学硕士在翻译方面不足\n\n虽然大型语言模型具有广泛的语言能力，但它们往往缺乏特定领域和语言准确翻译所需的专业知识和最新术语。\n\n#### Lara 的领域特定优势\n\nLara 利用基于数十亿专业翻译片段训练的翻译语言模型 (T-LM) 克服了这一限制。这些模型提供特定领域的机器翻译，能够捕捉到通用 LLM 可能遗漏的文化差异和行业术语。最终结果是：翻译符合语境，母语人士也能听得自然流畅。\n\n#### 专为非英语优势而设计\n\nLara 重点关注非英语语言，旨在弥补 GPT-4 等模型中存在的性能差距。由于英语在 Common Crawl 和 Wikipedia 等数据集中占据主导地位，导致其他语言的输出质量较低。Lara 通过在多语言环境下提供更高质量的理解、生成和重构，帮助缩小了这一差距。\n\n#### 更快、更智能的多语言性能\n\n通过将复杂的翻译任务转移给专门的翻译语言模型 (T-LM)，Lara 降低了计算开销并最大程度地减少了延迟——这是 LLM 处理非英语输入时常见的问题。其架构与 LLM 并行处理翻译，从而能够在不影响速度或效率的情况下实现实时、高质量的输出。\n\n#### 大规模、经济高效的翻译\n\nLara 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）已针对英语进行了优化，因此使用 Lara 可以在获得 LLM 学位之前进行翻译，这意味着只需处理翻译后的英语内容。这提高了成本效率，并为全球企业提供了具有竞争力的可扩展性。\n\n## 🛠 可用工具\n\n### 翻译工具\n\n**输入**：\n\n* `text` （数组）：要翻译的文本块数组，每个文本块包含：\n * `text` （字符串）：文本内容\n * `translatable` （布尔值）：此块是否应翻译\n* `source` （可选字符串）：源语言代码（例如，'en-EN'）\n* `target` （字符串）：目标语言代码（例如，“it-IT”）\n* `context` （可选字符串）：用于提高翻译质量的附加上下文\n* `instructions` （可选 string\\[]）：调整翻译行为的说明\n* `source_hint` （可选字符串）：语言检测指南\n\n**返回**：翻译后的文本块保持原始结构\n\n### 翻译记忆工具\n\n**返回**：记忆数组及其详细信息\n\n**输入**：\n\n* `name` （字符串）：新内存的名称\n* `external_id` （可选字符串）：要从 MyMemory 导入的内存的 ID（例如，'ext\\_my\\_\\[MyMemory ID]'）\n\n**返回**：创建的内存数据\n\n**输入**：\n\n* `id` （字符串）：要更新的内存的 ID\n* `name` （字符串）：内存的新名称\n\n**返回**：更新后的内存数据\n\n**输入**：\n\n* `id` （字符串）：要删除的内存的 ID\n\n**返回**：已删除的内存数据\n\n**输入**：\n\n* `id` (string | string\\[]): 添加翻译单元的内存 ID 或 ID\n* `source` （字符串）：源语言代码\n* `target` （字符串）：目标语言代码\n* `sentence` （字符串）：源句子\n* `translation` （字符串）：翻译的句子\n* `tuid` （可选字符串）：翻译单元唯一标识符\n* `sentence_before` （可选字符串）：上下文之前的句子\n* `sentence_after` （可选字符串）：上下文句子之后\n\n**返回**：添加了翻译详细信息\n\n**输入**：\n\n* `id` （字符串）：内存的ID\n* `source` （字符串）：源语言代码\n* `target` （字符串）：目标语言代码\n* `sentence` （字符串）：源句子\n* `translation` （字符串）：翻译的句子\n* `tuid` （可选字符串）：翻译单元唯一标识符\n* `sentence_before` （可选字符串）：上下文之前的句子\n* `sentence_after` （可选字符串）：上下文句子之后\n\n**返回**：删除翻译细节\n\n**输入**：\n\n* `id` （字符串）：要更新的内存的 ID\n* `tmx` （文件路径）：要上传的 TMX 文件的路径\n* `gzip` （布尔值）：指示文件是否压缩（.gz）\n\n**返回**：导入详细信息\n\n**输入**：\n\n* `id` （字符串）：导入作业的 ID\n\n**返回**：导入详细信息\n\n## 🚀 入门\n\n### 📋 要求\n\n* Lara 翻译 API 凭证\n * 要获取它们，您可以参考[官方文档](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)\n* 支持模型上下文协议 (MCP) 的 LLM 客户端，例如 Claude Desktop、Cursors 或 GitHub Copilot\n* NPX 或 Docker（取决于您首选的安装方法）\n\n### 🔌 安装\n\n#### 介绍\n\n所有 MCP 客户端的安装流程都是标准化的。它需要手动将配置对象添加到客户端的 MCP 配置 JSON 文件中。\n\n> 如果您不确定如何使用您的客户端配置 MCP，请参阅您的 MCP 客户端的官方文档。\n\nLara Translate MCP 支持多种安装方式，包括 NPX 和 Docker。\\\n下面，我们将以 NPX 为例。\n\n***\n\n#### 安装和配置\n\n**步骤 1** ：使用文本编辑器打开客户端的 MCP 配置 JSON 文件，然后复制并粘贴以下代码片段：\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"@translated/lara-mcp@latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n**第 2 步**：用您的 Lara Translate API 凭证替换``和`` （有关详细信息，请参阅[官方文档](https://developers.laratranslate.com/docs/getting-started#step-3---configure-your-credentials)）。\n\n**步骤 3** ：重新启动您的 MCP 客户端。\n\n***\n\n#### 验证安装\n\n重新启动 MCP 客户端后，您应该会在可用 MCP 列表中看到 Lara Translate MCP。\n\n> 查看已安装 MCP 的方法因客户端而异。请参阅您的 MCP 客户端文档。\n\n为了验证 Lara Translate MCP 是否正常工作，请尝试使用简单的提示进行翻译：\n\n```text\nTranslate with Lara \"Hello world\" to Spanish\n```\n\n您的 MCP 客户端将开始生成响应。如果 Lara Translate MCP 已正确安装和配置，您的客户端将请求批准该操作，或显示正在使用 Lara Translate 的通知。\n\n## 🧩 安装引擎\n\n此选项要求您的系统上安装 Node.js。\n\n1. 将以下内容添加到您的 MCP 配置文件中：\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"npx\",\n \"args\": [\"-y\", \"@translated/lara-mcp@latest\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. 用您的实际 Lara API 凭证替换``和`` 。\n\n此选项需要在您的系统上安装 Docker。\n\n1. 将以下内容添加到您的 MCP 配置文件中：\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"translatednet/lara-mcp:latest\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n2. 用您的实际 Lara API 凭证替换``和`` 。\n\n#### 使用 Node.js\n\n1. 克隆存储库：\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. 安装依赖项并构建：\n\n```bash\n# Install dependencies\npnpm install\n\n# Build\npnpm run build\n```\n\n3. 将以下内容添加到您的 MCP 配置文件中：\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"node\",\n \"args\": [\"/dist/index.js\"],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. 代替：\n * ``为您的项目文件夹的绝对路径\n * ``和``以及您的实际 Lara API 凭证。\n\n#### 构建 Docker 镜像\n\n1. 克隆存储库：\n\n```bash\ngit clone https://github.com/translated/lara-mcp.git\ncd lara-mcp\n```\n\n2. 构建 Docker 镜像：\n\n```bash\ndocker build -t lara-mcp .\n```\n\n3. 将以下内容添加到您的 MCP 配置文件中：\n\n```json\n{\n \"mcpServers\": {\n \"lara-translate\": {\n \"command\": \"docker\",\n \"args\": [\n \"run\",\n \"-i\",\n \"--rm\",\n \"-e\",\n \"LARA_ACCESS_KEY_ID\",\n \"-e\",\n \"LARA_ACCESS_KEY_SECRET\",\n \"lara-mcp\"\n ],\n \"env\": {\n \"LARA_ACCESS_KEY_ID\": \"\",\n \"LARA_ACCESS_KEY_SECRET\": \"\"\n }\n }\n }\n}\n```\n\n4. 用您的实际凭证替换``和`` 。\n\n## 💻 支持 MCP 的热门客户端\n\n> 有关 MCP 客户端及其功能支持的完整列表，请访问[官方 MCP 客户端页面](https://modelcontextprotocol.io/clients)。\n\n| 客户 | 描述 |\n| ----------------------------------------------------------------- | ------------------------------------ |\n| [克劳德桌面](https://claude.ai/download) | Claude AI 的桌面应用程序 |\n| [光标](https://www.cursor.com/) | AI-first 代码编辑器 |\n| [VS Code 的 Cline](https://github.com/cline/cline) | 用于 AI 辅助的 VS Code 扩展 |\n| [GitHub Copilot MCP](https://github.com/VikashLoomba/copilot-mcp) | 用于 GitHub Copilot MCP 集成的 VS Code 扩展 |\n| [风帆冲浪](https://windsurf.com/editor) | 人工智能代码编辑器和开发环境 |\n\n## 🆘 支持\n\n* 对于与 Lara Translate API 相关的任何问题：请联系[Lara 支持](https://support.laratranslate.com)\n* 对于此 MCP 服务器的问题：在[GitHub](https://github.com/translated/lara-mcp/issues)上打开一个问题","Chinese","zh-CN","githubUser","locale",{"_69":70,"_71":72,"_13":86,"_94":30,"_95":30,"_96":97,"_100":101,"_123":-5,"_124":125,"_126":127,"_128":129,"_31":32,"_152":114,"_153":154,"_158":-5,"_159":160,"_161":-5,"_162":163,"_168":-5,"_136":110,"_169":170,"_174":175,"_17":215,"_216":217},"addedAt",["D",1743436925320],"argumentsJsonSchema",{"_73":74,"_83":84,"_78":85},"properties",{"_75":76,"_80":81},"LARA_ACCESS_KEY_ID",{"_29":77,"_78":79},"Your Lara API access key ID obtained from Lara Translate account","type","string","LARA_ACCESS_KEY_SECRET",{"_29":82,"_78":79},"Your Lara API access key secret obtained from Lara Translate account","required",[75,80],"object",[87,88,89,90,91,92,93],"author:official","category:language-translation","hosting:remote-capable","language:typescript","security_grade:a","quality_grade:a","license_grade:a","descriptionMarkdown","descriptionPlainText","githubProject",{"_33":34,"_98":99},"url","https://github.com/translated/lara-mcp","githubRepository",{"_102":103,"_104":105,"_106":107,"_108":109,"_31":110,"_111":112,"_116":117,"_118":119,"_121":122},"defaultBranch","main","fullName","translated/lara-mcp","githubTreeId",107526,"language","TypeScript","lara-mcp","owner",{"_113":114,"_17":115},"login","translated","u3hvDGePwa","recentStargazers",7,"spdxLicense",{"_31":120},"MIT License","stargazers",44,"glamaJson","id",4725,"inspectable",true,"integrations",[130,140,146],{"_131":132,"_29":138,"_17":139},"brand",{"_133":134,"_31":135,"_136":137},"logoSvgPath","M13.983 11.078h2.119a.186.186 0 00.186-.185V9.006a.186.186 0 00-.186-.186h-2.119a.185.185 0 00-.185.185v1.888c0 .102.083.185.185.185m-2.954-5.43h2.118a.186.186 0 00.186-.186V3.574a.186.186 0 00-.186-.185h-2.118a.185.185 0 00-.185.185v1.888c0 .102.082.185.185.185m0 2.716h2.118a.187.187 0 00.186-.186V6.29a.186.186 0 00-.186-.185h-2.118a.185.185 0 00-.185.185v1.887c0 .102.082.185.185.186m-2.93 0h2.12a.186.186 0 00.184-.186V6.29a.185.185 0 00-.185-.185H8.1a.185.185 0 00-.185.185v1.887c0 .102.083.185.185.186m-2.964 0h2.119a.186.186 0 00.185-.186V6.29a.185.185 0 00-.185-.185H5.136a.186.186 0 00-.186.185v1.887c0 .102.084.185.186.186m5.893 2.715h2.118a.186.186 0 00.186-.185V9.006a.186.186 0 00-.186-.186h-2.118a.185.185 0 00-.185.185v1.888c0 .102.082.185.185.185m-2.93 0h2.12a.185.185 0 00.184-.185V9.006a.185.185 0 00-.184-.186h-2.12a.185.185 0 00-.184.185v1.888c0 .102.083.185.185.185m-2.964 0h2.119a.185.185 0 00.185-.185V9.006a.185.185 0 00-.184-.186h-2.12a.186.186 0 00-.186.186v1.887c0 .102.084.185.186.185m-2.92 0h2.12a.185.185 0 00.184-.185V9.006a.185.185 0 00-.184-.186h-2.12a.185.185 0 00-.184.185v1.888c0 .102.082.185.185.185M23.763 9.89c-.065-.051-.672-.51-1.954-.51-.338.001-.676.03-1.01.087-.248-1.7-1.653-2.53-1.716-2.566l-.344-.199-.226.327c-.284.438-.49.922-.612 1.43-.23.97-.09 1.882.403 2.661-.595.332-1.55.413-1.744.42H.751a.751.751 0 00-.75.748 11.376 11.376 0 00.692 4.062c.545 1.428 1.355 2.48 2.41 3.124 1.18.723 3.1 1.137 5.275 1.137.983.003 1.963-.086 2.93-.266a12.248 12.248 0 003.823-1.389c.98-.567 1.86-1.288 2.61-2.136 1.252-1.418 1.998-2.997 2.553-4.4h.221c1.372 0 2.215-.549 2.68-1.009.309-.293.55-.65.707-1.046l.098-.288Z","Docker","slug","docker","Supports running the MCP server in a Docker container, providing an isolated environment with all dependencies for the Lara Translate integration.","z3niijiyqe",{"_131":141,"_29":144,"_17":145},{"_133":142,"_31":143,"_136":143},"M1.763 0C.786 0 0 .786 0 1.763v20.474C0 23.214.786 24 1.763 24h20.474c.977 0 1.763-.786 1.763-1.763V1.763C24 .786 23.214 0 22.237 0zM5.13 5.323l13.837.019-.009 13.836h-3.464l.01-10.382h-3.456L12.04 19.17H5.113z","npm","Enables running the MCP server directly through NPX, allowing users to execute the package without installing it locally.","x6vcjpnh6x",{"_131":147,"_29":150,"_17":151},{"_133":148,"_31":149,"_136":149},"M0 0v7.5h7.5V0zm8.25 0v7.5h7.498V0zm8.25 0v7.5H24V0zM8.25 8.25v7.5h7.498v-7.5zm8.25 0v7.5H24v-7.5zM0 16.5V24h7.5v-7.5zm8.25 0V24h7.498v-7.5zm8.25 0V24H24v-7.5z","pnpm","Supports local development and package management for the MCP server through pnpm, which is used for installing dependencies and building the project.","r8qa3br0b7","namespace","npmPackage",{"_31":155,"_156":157},"@translated/lara-mcp","weeklyDownloads",258,"prompts","redditPostForeignId","1juosvy","resources","scores",{"_164":165,"_166":165,"_167":165},"license",100,"quality","security","simpleIcon","supportedPlatforms",[171,172,173],"WINDOWS","MACOS","LINUX","tools",[176],{"_31":177,"_29":178,"_179":180},"translate","Translate text between languages with support for language detection and context-aware translations.","inputSchema",{"_78":85,"_181":182,"_83":183,"_73":186,"_197":198},"$schema","http://json-schema.org/draft-07/schema#",[184,185],"text","target",{"_184":187,"_200":201,"_185":203,"_205":206,"_208":209,"_211":212},{"_78":188,"_189":190,"_29":199},"array","items",{"_78":85,"_83":191,"_73":193,"_197":198},[184,192],"translatable",{"_184":194,"_192":195},{"_78":79},{"_78":196},"boolean","additionalProperties",false,"An array of text blocks to translate. Each block contains a text string and a boolean indicating whether it should be translated. This allows for selective translation where some text blocks can be preserved in their original form while others are translated.","source",{"_78":79,"_29":202},"The source language code (e.g., 'en-EN' for English). If not specified, the system will attempt to detect it automatically. If you have a hint about the source language, you should specify it in the source_hint field.",{"_78":79,"_29":204},"The target language code (e.g., 'it-IT' for Italian). This specifies the language you want the text translated into.","context",{"_78":79,"_29":207},"Additional context string to improve translation quality (e.g., 'This is a legal document' or 'Im talking with a doctor'). This helps the translation system better understand the domain.","source_hint",{"_78":79,"_29":210},"Used to guide language detection. Specify this when the source language is uncertain to improve detection accuracy.","instructions",{"_78":188,"_189":213,"_29":214},{"_78":79},"A list of instructions to adjust the network’s behavior regarding the output (e.g., 'Use a formal tone').","ggxyhqhcof","updatedAt",["D",1744833655337],"meta",[220,223,225,232,235,237,240,243,246,249,252,254,257,260,262,264,266,268,270],{"_221":222},"title","Lara Translate MCP Server | Glama",{"_224":30,"_31":29},"content",{"_226":227,"_228":229,"_230":231},"href","https://glama.ai/mcp/servers/@translated/lara-mcp","rel","canonical","tagName","link",{"_224":32,"_233":234},"property","og:title",{"_224":30,"_233":236},"og:description",{"_224":238,"_233":239},"https://glama.ai/logo.png","og:logo",{"_224":241,"_233":242},"https://glama.ai/mcp/servers/@translated/lara-mcp/og-image","og:image",{"_224":244,"_233":245},"630","og:image:height",{"_224":247,"_233":248},"1200","og:image:width",{"_224":250,"_233":251},"website","og:type",{"_224":227,"_233":253},"og:url",{"_224":255,"_233":256},"ChatGPT alternative for power users","og:site_name",{"_224":258,"_31":259},"summary_large_image","twitter:card",{"_224":255,"_31":261},"twitter:title",{"_224":30,"_31":263},"twitter:description",{"_224":241,"_31":265},"twitter:image",{"_224":244,"_31":267},"twitter:image:height",{"_224":247,"_31":269},"twitter:image:width",{"_271":272},"script:ld+json",{"_273":274,"_275":276},"@context","http://schema.org","@graph",[277],{"_273":278,"_279":280,"_281":282},"https://schema.org","@type","BreadcrumbList","itemListElement",[283,290,294,298],{"_279":284,"_285":286,"_31":287,"_288":289},"ListItem","item","https://glama.ai/","Glama","position",1,{"_279":284,"_285":291,"_31":292,"_288":293},"https://glama.ai/mcp","MCP",2,{"_279":284,"_285":295,"_31":296,"_288":297},"https://glama.ai/mcp/servers","Servers",3,{"_279":284,"_285":227,"_31":32,"_288":299},4,"visitorIsMaintainer","routes/_public/mcp/servers/~namespace/~slug/_pages/_explorer/blob/~branch/~/_route",{"_303":304,"_308":103,"_27":309,"_218":349,"_373":374,"_375":376},"blob",{"_224":305,"_306":307},"#!/bin/bash\nset -e\n\n# Install dependencies\necho \"Installing dependencies...\"\npnpm install --frozen-lockfile\n\n# Run tests\necho \"Running tests...\"\npnpm test\necho \"Tests successfully passed\"\n","fileName","run-tests.sh","branch",{"_69":310,"_71":311,"_13":316,"_94":30,"_95":30,"_96":317,"_100":318,"_123":-5,"_124":125,"_126":127,"_128":321,"_31":32,"_152":114,"_153":328,"_158":-5,"_159":160,"_161":-5,"_162":329,"_168":-5,"_136":110,"_169":330,"_174":331,"_17":215,"_216":348},["D",1743436925320],{"_73":312,"_83":315,"_78":85},{"_75":313,"_80":314},{"_29":77,"_78":79},{"_29":82,"_78":79},[75,80],[87,88,89,90,91,92,93],{"_33":34,"_98":99},{"_102":103,"_104":105,"_106":107,"_108":109,"_31":110,"_111":319,"_116":117,"_118":320,"_121":122},{"_113":114,"_17":115},{"_31":120},[322,324,326],{"_131":323,"_29":138,"_17":139},{"_133":134,"_31":135,"_136":137},{"_131":325,"_29":144,"_17":145},{"_133":142,"_31":143,"_136":143},{"_131":327,"_29":150,"_17":151},{"_133":148,"_31":149,"_136":149},{"_31":155,"_156":157},{"_164":165,"_166":165,"_167":165},[171,172,173],[332],{"_31":177,"_29":178,"_179":333},{"_78":85,"_181":182,"_83":334,"_73":335,"_197":198},[184,185],{"_184":336,"_200":342,"_185":343,"_205":344,"_208":345,"_211":346},{"_78":188,"_189":337,"_29":199},{"_78":85,"_83":338,"_73":339,"_197":198},[184,192],{"_184":340,"_192":341},{"_78":79},{"_78":196},{"_78":79,"_29":202},{"_78":79,"_29":204},{"_78":79,"_29":207},{"_78":79,"_29":210},{"_78":188,"_189":347,"_29":214},{"_78":79},["D",1744833655337],[350,352,354,356,358,359,360,362,363,364,365,366,367,368,369,370,371,372],{"_221":351},"MCP Server | Glama",{"_224":353,"_31":29},"Enterprise-grade security, privacy, with features like agents, MCP, prompt templates, and more.",{"_226":355,"_228":229,"_230":231},"https://glama.ai/mcp/servers/@translated/lara-mcp/blob/main/ops",{"_224":357,"_233":234},"MCP Server",{"_224":353,"_233":236},{"_224":238,"_233":239},{"_224":361,"_233":242},"https://glama.ai/generated-images/og?title=MCP+Server",{"_224":244,"_233":245},{"_224":247,"_233":248},{"_224":250,"_233":251},{"_224":355,"_233":253},{"_224":255,"_233":256},{"_224":258,"_31":259},{"_224":255,"_31":261},{"_224":353,"_31":263},{"_224":361,"_31":265},{"_224":244,"_31":267},{"_224":247,"_31":269},"path","ops","treeMembers",[377,379,381],{"_373":378,"_78":303},"ops/deploy-docker-hub.sh",{"_373":380,"_78":303},"ops/publish-npm.sh",{"_373":382,"_78":303},"ops/run-tests.sh","actionData","errors"]