Lara翻译机

@translated/lara-mcp
1 Stars 911 次浏览 translated 更新于 2026-08-23

一个通过Lara Translate API提供机器翻译功能的MCP服务器，具有语言检测和众多语言对之间的上下文感知翻译功能。

知识管理与记忆

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "lara-translate": {
      "args": [
        "\u003cFULL_PATH_TO_PROJECT_FOLDER\u003e/dist/index.js"
      ],
      "command": "node",
      "env": {
        "LARA_ACCESS_KEY_ID": "\u003cYOUR_ACCESS_KEY_ID\u003e",
        "LARA_ACCESS_KEY_SECRET": "\u003cYOUR_ACCESS_KEY_SECRET\u003e"
      }
    }
  }
}

该服务需要配置环境变量：LARA_ACCESS_KEY_ID、LARA_ACCESS_KEY_SECRET

服务介绍

Lara Translate MCP 服务器

这是一个用于 Lara Translate API 的 Model Context Protocol (MCP) 服务器，支持语言检测、上下文感知翻译和翻译记忆库的强大翻译功能。

License
Docker Pulls
npm downloads

📚 目录

📖 简介

Model Context Protocol (MCP) 是一种开放的标准通信协议，使 AI 应用程序能够连接外部工具、数据源和服务。可以将 MCP 比作 AI 应用程序的 USB-C 端口——就像 USB-C 提供了一种标准化的方式来连接设备到各种外围设备一样，MCP 提供了一种标准化的方式来连接 AI 模型到不同的数据源和工具。

Lara Translate MCP 服务器通过这种标准化协议使 AI 应用程序能够访问 Lara Translate 强大的翻译功能。

关于 Model Context Protocol 的更多信息，请参阅：https://modelcontextprotocol.io/

Lara Translate MCP 服务器实现了 Model Context Protocol，为 AI 应用程序提供无缝的翻译能力。集成流程如下：

  1. 建立连接：当一个兼容 MCP 的 AI 应用程序启动时，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 应用程序会发现由 Lara Translate MCP 服务器提供的可用翻译工具和资源。
  3. 请求处理：当识别出翻译需求时：
    • AI 应用程序格式化一个包含待翻译文本、语言对以及可选上下文的结构化请求。
    • MCP 服务器验证请求并将其转换为 Lara Translate API 调用。
    • 请求使用您的凭据安全地发送到 Lara Translate 的 API。
  4. 翻译与响应：Lara Translate 使用高级 AI 模型处理翻译。
  5. 结果集成：翻译结果返回给 AI 应用程序，后者可以将其整合到其响应中。

这种集成架构允许AI应用程序在不直接实现API的情况下访问专业级翻译，同时保持您的API凭证的安全性，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，显著提高非英语语言的翻译质量。

为什么通用LLM在翻译方面表现不足

虽然大型语言模型拥有广泛的语言能力，但它们往往缺乏特定领域和语言所需的专门知识和最新术语，这导致了准确翻译上的不足。

Lara的领域特定优势

Lara通过利用数十亿专业翻译段落训练而成的翻译语言模型（T-LMs）克服了这一局限。这些模型提供了特定领域的机器翻译，能够捕捉到通用LLM可能遗漏的文化细微差别和行业术语。其结果是：翻译内容在上下文中更加准确，并且听起来对母语使用者来说非常自然。

专注于非英语语言

Lara特别关注非英语语言，解决了像GPT-4这样的模型中存在的性能差距问题。由于Common Crawl和Wikipedia等数据集中英语占据主导地位，其他语言的输出质量较低。Lara通过在多语言环境中提供更高质量的理解、生成和重组来帮助缩小这一差距。

更快、更智能的多语言性能

通过将复杂的翻译任务卸载给专业的T-LMs，Lara减少了计算负担并最小化了延迟——这是处理非英语输入时LLM常见的问题。它的架构能够与LLM并行处理翻译，实现实时、高质量输出而不牺牲速度或效率。

大规模经济高效的翻译

Lara还降低了在非英语工作流中使用如GPT-4等模型的成本。因为分词（以及定价）是针对英语优化的，使用Lara可以在达到LLM之前完成翻译，这意味着只有翻译后的英文内容会被处理。这样提高了成本效率，并支持全球企业的竞争性扩展。

🛠 可用工具

翻译工具

输入:

  • text (数组): 一个文本块数组，每个包含：
    • text (字符串): 文本内容
    • translatable (布尔值): 此块是否应被翻译
  • 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): 用于调整翻译行为的指示
  • source_hint (可选字符串): 语言检测指南

返回: 保持原始结构的已翻译文本块

翻译记忆工具

返回: 记忆及其详细信息的数组

输入:

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

返回: 创建的记忆数据

输入:

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

返回: 更新后的记忆数据

输入:

  • id (字符串): 要删除的记忆ID

返回: 已删除的记忆数据

输入:

  • id (字符串 | 字符串数组): 要添加翻译单元的记忆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): 前一句子的上下文
  • sentence_after (可选字符串): 后一句子的上下文

返回: 添加的翻译详情

输入:

  • id (字符串): 记忆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): 前一句子的上下文
  • sentence_after (可选字符串): 后一句子的上下文

返回: 移除的翻译详情

输入:

  • id (字符串): 要更新的记忆ID
  • tmx (文件路径): 要上传的TMX文件的路径
  • gzip (布尔值): 表示文件是否被压缩（.gz）

返回值: 导入详情

输入:

  • id (字符串): 导入任务的 ID

返回值: 导入详情

🚀 开始使用

📋 要求

  • Lara Translate API 凭证
  • 支持模型上下文协议（MCP）的LLM客户端，例如 Claude Desktop、Cursors 或 GitHub Copilot
  • NPX 或 Docker（取决于您选择的安装方法）

🔌 安装

介绍

安装过程在所有MCP客户端中是标准化的。它涉及到手动将配置对象添加到您的客户端的MCP配置JSON文件中。

如果您不确定如何与您的客户端配置MCP，请参阅您的MCP客户端的官方文档。

Lara Translate MCP支持多种安装方法，包括NPX和Docker。
下面，我们将以NPX为例进行说明。

安装与配置

步骤1：用文本编辑器打开您的客户端MCP配置JSON文件，然后复制粘贴以下代码片段：

{
  "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>"
      }
    }
  }
}

步骤2：将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您的Lara Translate API凭证（详情请参阅官方文档）。

步骤3：重启您的MCP客户端。

验证安装

重启MCP客户端后，您应该能在可用MCP列表中看到Lara Translate MCP。

查看已安装MCP的方法因客户端而异。请查阅您的MCP客户端的文档。

要验证Lara Translate MCP是否正常工作，尝试使用一个简单的提示进行翻译：

Translate with Lara "Hello world" to Spanish

您的MCP客户端将开始生成响应。如果Lara Translate MCP正确安装并配置，您的客户端将请求批准此操作或显示正在使用Lara Translate的通知。

🧩 安装引擎

此选项需要您的系统上已安装Node.js。

  1. 将以下内容添加到您的MCP配置文件中：
{
  "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>"
      }
    }
  }
}
  1. 将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您实际的Lara API凭证。

此选项需要您的系统上已安装Docker。

  1. 将以下内容添加到您的MCP配置文件中：
{
  "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>"
      }
    }
  }
}
  1. 将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为您实际的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
  1. 安装依赖项并构建：
# Install dependencies
pnpm install

# Build
pnpm run build
  1. 将以下内容添加到您的MCP配置文件中：
{
  "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>"
      }
    }
  }
}
  1. 替换：
    • 将 <FULL_PATH_TO_PROJECT_FOLDER> 替换为你的项目文件夹的绝对路径
    • 将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为你实际的 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
  1. 构建 Docker 镜像：
docker build -t lara-mcp .
  1. 在你的 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>"
      }
    }
  }
}
  1. 将 <YOUR_ACCESS_KEY_ID> 和 <YOUR_ACCESS_KEY_SECRET> 替换为你实际的凭证。

💻 支持 MCP 的热门客户端

有关完整的 MCP 客户端及其功能支持列表，请访问 官方 MCP 客户端页面。

客户端 描述
Claude Desktop Claude AI 桌面应用程序
Cursor 以 AI 为主的代码编辑器
Cline for VS Code 用于 AI 辅助的 VS Code 扩展
GitHub Copilot MCP 用于 GitHub Copilot MCP 集成的 VS Code 扩展
Windsurf 基于 AI 的代码编辑器和开发环境

🆘 支持

  • 对于 Lara Translate API 的问题：请联系 Lara 支持
  • 对于此 MCP 服务器的问题：在 GitHub 上提交问题
查看源码 项目主页

相关 MCP 服务

Markmap思维导图
jinzcdev/Markmap
Markmap MCP 服务器基于模型上下文协议（MCP），允许一键将 Markdown 文本转换为交互式思维导图，支持多种格式导出和丰富的交互操作。它基于开源项目 markmap 构建。
LeetCode(力扣)
jinzcdev/leetcode-mcp-server
MCP 服务器实现 LeetCode API 集成，支持自动化获取编程题库、用户数据和竞赛信息。
Github的维基百科DeepWiKi
@regenrek/mcp-deepwiki
📖 MCP 服务器用于获取 deepwiki.com 的最新知识，并在 Cursor 和其他代码编辑器中使用
微信读书
@package/mcp-server-weread
一个为微信读书提供MCP（Model Context Protocol）服务的工具，支持将微信读书的书籍、笔记和划线数据提供给支持MCP的大语言模型客户端，如Claude Desktop。