Lara Translate MCP-Server

Ein Model Context Protocol (MCP) Server für die Lara Translate API, der leistungsstarke Übersetzungsfunktionen mit Unterstützung für Spracherkennung, kontextbezogene Übersetzungen, Translation Memories und Glossarverwaltung ermöglicht.

📚 Inhaltsverzeichnis

• 📖 Einführung

• 🛠 Verfügbare Tools

• 🚀 Erste Schritte

  • 📋 HTTP-Server

  • 🔌 STDIO-Server

• 🧪 Installation überprüfen

• 💻 Beliebte Clients mit MCP-Unterstützung

• 🆘 Support

Related MCP server: Jira MCP Server

📖 Einführung

Das Model Context Protocol (MCP) ist ein offenes, standardisiertes Kommunikationsprotokoll, das es KI-Anwendungen ermöglicht, sich mit externen Tools, Datenquellen und Diensten zu verbinden. Betrachten Sie MCP wie einen USB-C-Anschluss für KI-Anwendungen – so wie USB-C eine standardisierte Möglichkeit bietet, Geräte mit verschiedenen Peripheriegeräten zu verbinden, bietet MCP eine standardisierte Möglichkeit, KI-Modelle mit verschiedenen Datenquellen und Tools zu verbinden.

Der Lara Translate MCP-Server ermöglicht es KI-Anwendungen, über dieses standardisierte Protokoll auf die leistungsstarken Übersetzungsfunktionen von Lara Translate zuzugreifen.

Weitere Informationen zum Model Context Protocol finden Sie unter: https://modelcontextprotocol.io/

Der Lara Translate MCP-Server implementiert das Model Context Protocol, um KI-Anwendungen nahtlose Übersetzungsfunktionen bereitzustellen. Die Integration folgt diesem Ablauf:

1. Verbindungsaufbau: Wenn eine MCP-kompatible KI-Anwendung startet, verbindet sie sich mit konfigurierten MCP-Servern, einschließlich des Lara Translate MCP-Servers.

2. Tool- & Ressourcen-Erkennung: Die KI-Anwendung erkennt die verfügbaren Übersetzungstools und Ressourcen, die vom Lara Translate MCP-Server bereitgestellt werden.

3. Anfrageverarbeitung: Wenn Übersetzungsbedarf identifiziert wird:

   • Die KI-Anwendung formatiert eine strukturierte Anfrage mit dem zu übersetzenden Text, Sprachpaaren und optionalem Kontext.

   • Der MCP-Server validiert die Anfrage und wandelt sie in Lara Translate API-Aufrufe um.

   • Die Anfrage wird sicher unter Verwendung Ihrer Anmeldedaten an die API von Lara Translate gesendet.

4. Übersetzung & Antwort: Lara Translate verarbeitet die Übersetzung mithilfe fortschrittlicher KI-Modelle.

5. Ergebnisintegration: Die Übersetzungsergebnisse werden an die KI-Anwendung zurückgegeben, die sie dann in ihre Antwort einbauen kann.

Diese Integrationsarchitektur ermöglicht es KI-Anwendungen, auf professionelle Übersetzungen zuzugreifen, ohne die API direkt implementieren zu müssen, während gleichzeitig die Sicherheit Ihrer API-Anmeldedaten gewahrt bleibt und Flexibilität bei der Anpassung der Übersetzungsparameter durch Anweisungen in natürlicher Sprache geboten wird.

Die Integration von Lara mit LLMs schafft eine leistungsstarke Synergie, die die Übersetzungsqualität für Nicht-Englisch-Sprachen erheblich verbessert.

Warum allgemeine LLMs bei der Übersetzung zu kurz greifen

Obwohl große Sprachmodelle über breite sprachliche Fähigkeiten verfügen, fehlt ihnen oft das spezialisierte Fachwissen und die aktuelle Terminologie, die für präzise Übersetzungen in bestimmten Bereichen und Sprachen erforderlich sind.

Laras domänenspezifischer Vorteil

Lara überwindet diese Einschränkung durch den Einsatz von Translation Language Models (T-LMs), die auf Milliarden professionell übersetzter Segmente trainiert wurden. Diese Modelle bieten domänenspezifische maschinelle Übersetzung, die kulturelle Nuancen und Fachterminologie erfasst, die generischen LLMs entgehen könnten. Das Ergebnis: Übersetzungen, die kontextuell korrekt sind und für Muttersprachler natürlich klingen.

Entwickelt für Stärke bei Nicht-Englisch-Sprachen

Lara legt einen starken Fokus auf Nicht-Englisch-Sprachen und adressiert die Leistungslücke, die bei Modellen wie GPT-4 festgestellt wurde. Die Dominanz des Englischen in Datensätzen wie Common Crawl und Wikipedia führt zu einer geringeren Ausgabequalität in anderen Sprachen. Lara hilft, diese Lücke zu schließen, indem es ein qualitativ hochwertigeres Verständnis, eine bessere Generierung und Umstrukturierung in einem mehrsprachigen Kontext bietet.

Schnellere, intelligentere mehrsprachige Leistung

Durch die Auslagerung komplexer Übersetzungsaufgaben an spezialisierte T-LMs reduziert Lara den Rechenaufwand und minimiert die Latenz – ein häufiges Problem bei LLMs, die Nicht-Englisch-Eingaben verarbeiten. Die Architektur verarbeitet Übersetzungen parallel zum LLM, was eine qualitativ hochwertige Echtzeitausgabe ermöglicht, ohne Geschwindigkeit oder Effizienz zu beeinträchtigen.

Kosteneffiziente Übersetzung in großem Maßstab

Lara senkt auch die Kosten für die Verwendung von Modellen wie GPT-4 in Nicht-Englisch-Workflows. Da die Tokenisierung (und Preisgestaltung) für Englisch optimiert ist, ermöglicht Lara die Übersetzung, bevor das LLM erreicht wird, was bedeutet, dass nur der übersetzte englische Inhalt verarbeitet wird. Dies verbessert die Kosteneffizienz und unterstützt die wettbewerbsfähige Skalierbarkeit für globale Unternehmen.

🛠 Verfügbare Tools

Übersetzungstools

Eingaben:

• text (Array): Ein Array von Textblöcken zur Übersetzung, jeweils mit:

  • text (String): Der Textinhalt

  • translatable (Boolean): Ob dieser Block übersetzt werden soll

• source (optionaler String): Quellsprachencode (z. B. 'en-EN')

• target (String): Zielsprachencode (z. B. 'it-IT')

• context (optionaler String): Zusätzlicher Kontext zur Verbesserung der Übersetzungsqualität

• instructions (optionaler String[]): Anweisungen zur Anpassung des Übersetzungsverhaltens

• source_hint (optionaler String): Anleitung für die Spracherkennung

• glossaries (optionaler String[]): Array von Glossar-IDs zur Durchsetzung der Terminologie (z. B. ['gls_xyz123'])

• no_trace (optionaler Boolean): Datenschutz-Flag - wenn wahr, wird die Anfrage nicht nachverfolgt/protokolliert

• priority (optionaler String): Übersetzungspriorität - 'normal' oder 'background'

• timeout_in_millis (optionaler Number): Benutzerdefiniertes Timeout in Millisekunden (max. 300000)

• adapt_to (optionaler String[]): Translation Memory IDs zur Anpassung der Übersetzung

• style (optionaler String): Übersetzungsstil - 'faithful', 'fluid' oder 'creative'

• reasoning (optionaler Boolean): Aktiviert die mehrstufige linguistische Analyse von Lara Think

• content_type (optionaler String): Inhaltstyp - 'text/plain', 'text/html' oder 'application/xliff+xml'

Rückgabe: Übersetzte Textblöcke unter Beibehaltung der ursprünglichen Struktur

Eingaben:

• text (String | String[]): Text oder Array von Texten zur Erkennung (max. 128 Elemente)

• hint (optionaler String): Hinweis für die Spracherkennung

• passlist (optionaler String[]): Array von Sprachcodes zur Einschränkung der Erkennung

Rückgabe: Erkannte Sprache, Inhaltstyp und Vorhersagen mit Konfidenzwerten

Eingaben: Keine

Rückgabe: Array der unterstützten Sprachen

Glossar-Tools

Eingaben: Keine

Rückgabe: Array von Glossaren mit ihren Details (id, name, createdAt, updatedAt, ownerId)

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

Rückgabe: Glossar-Objekt oder null, falls nicht gefunden

Eingaben:

• name (String): Name des Glossars (max. 250 Zeichen)

Rückgabe: Erstellte Glossardaten

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

• name (String): Neuer Name für das Glossar (max. 250 Zeichen)

Rückgabe: Aktualisierte Glossardaten

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

Rückgabe: Gelöschte Glossardaten

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

Rückgabe: Begriffs- und Sprachanzahl

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

• terms (Array): Array von Begriffen, jeweils mit:

  • language (String): Sprachcode

  • value (String): Begriffswert

• guid (optionaler String): Eindeutiger Bezeichner für den Eintrag

Rückgabe: Erstellte Glossareintragsdaten

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

• term (optionales Objekt): Zu löschender Begriff, mit:

  • language (String): Sprachcode

  • value (String): Begriffswert

• guid (optionaler String): Eindeutiger Bezeichner des zu löschenden Eintrags

Mindestens term oder guid muss angegeben werden.

Rückgabe: Löschbestätigung

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

• csv_content (String): Der Inhalt der CSV-Datei (max. 5 MB)

• content_type (optionaler String): CSV-Format - 'csv/table-uni' (Standard) oder 'csv/table-multi'

• gzip (optionaler Boolean): Gibt an, ob der Inhalt gzip-komprimiert ist

Rückgabe: Import-Job-Details mit Import-ID

Eingaben:

• id (String): Die Import-Job-ID

Rückgabe: Import-Job-Status mit Fortschrittsinformationen

Eingaben:

• id (String): Die Glossar-ID (z. B. 'gls_xyz123')

• content_type (String): Exportformat - 'csv/table-uni' oder 'csv/table-multi'

• source (optionaler String): Quellsprachencode (erforderlich, wenn content_type 'csv/table-uni' ist)

Rückgabe: Exportierter Glossar-CSV-Inhalt

Translation Memory Tools

Rückgabe: Array von Memories und deren Details

Eingaben:

• name (String): Name des neuen Memorys

• external_id (optionaler String): ID des zu importierenden Memorys aus MyMemory (z. B. 'ext_my_[MyMemory ID]')

Rückgabe: Erstellte Memory-Daten

Eingaben:

• id (String): ID des zu aktualisierenden Memorys

• name (String): Der neue Name für das Memory

Rückgabe: Aktualisierte Memory-Daten

Eingaben:

• id (String): ID des zu löschenden Memorys

Rückgabe: Gelöschte Memory-Daten

Eingaben:

• id (String | String[]): ID oder IDs der Memorys, zu denen die Übersetzungseinheit hinzugefügt werden soll

• source (String): Quellsprachencode

• target (String): Zielsprachencode

• sentence (String): Der Quellsatz

• translation (String): Der übersetzte Satz

• tuid (optionaler String