# 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
)

stats = mcp__translate-srt__analyze_srt(
    srt_content=content,
    detailed=True  # 詳細な分析を含む
)

status = mcp__translate-srt__check_lm_studio_status(
    lm_studio_url="http://localhost:1234",
    model_name="llama-3.2-3b"
)

preview = mcp__translate-srt__preview_srt(
    srt_content=content,
    num_entries=5,
    show_start=True,
    show_end=True
)

info = mcp__translate-srt__get_server_info()

# 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']}")

# 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

# 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

# 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"

"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"
    }
  }
}

uv install

uv run fastmcp dev translate_srt_mcp.main:mcp

# 接続状態を確認
status = await check_lm_studio_status()
print(status["recommendation"])

# 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"])