標籤「MCP」的 2 篇文章

translate-mcp 是一個使用 OpenAI API 的翻譯工具。它支援 CLI 模式和 MCP 伺服器的兩種使用方式，能夠應對從想要翻譯整個文件到希望與 AI 工具整合的各種場合。

translate-mcp 是什麼​

translate-mcp 是一款 專為翻譯而設的工具，使用 OpenAI API。它是用 Python 實現的，具有以下兩種使用方法。

1. CLI 模式: 可以直接從命令行翻譯文件
2. MCP 伺服器模式: 充當 Model Context Protocol (MCP) 伺服器，整合到 AI 工具中

特徵​

• 多語言支援: 支援多種語言
• 簡單易用: 只需一個 API 金鑰便可開始
• 兩種使用方式: 既可作為 CLI 腳本，也能作為 MCP 伺服器運行
• 輕量級: 無需依賴外部庫，僅依賴 OpenAI API
• 錯誤處理: CLI 模式以 stderr 輸出，MCP 模式以 JSON 格式回傳

安裝​

前提條件​

• 已安裝 Python
• 已獲取 OpenAI API 金鑰

安裝 uv​

由於 translate-mcp 由 uv 管理，因此需要先安裝 uv。

安裝 uv 的方法參見 Installation | uv。

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安裝 translate-mcp​

如果使用 uv，可以使用以下命令進行安裝。

uv tool install git+https://github.com/Himeyama/translate-mcp

如果使用 uvx，則無需安裝，直接執行即可。

uvx git+https://github.com/Himeyama/translate-mcp --help

使用方法​

CLI 模式​

翻譯文件時，可以使用以下命令執行。

translate --input blog/2026-04-02-example.md --from Japanese --to English

結果將輸出至標準輸出，並可透過重定向保存到文件中。

translate \
  --input blog/2026-04-02-example.md \
  --from Japanese \
  --to English \
  --output i18n/en/blog/2026-04-02-example.md

參數​

• --mcp: MCP 模式
• --input: 待翻譯文件的路徑
• --from: 原始語言（例如: Japanese、English）
• --to: 目標語言（例如: English、Taiwanese）
• --output (可選): 儲存翻譯後文本的位置
• --model (可選): OpenAI 模型（例如: gpt-5-mini）
• --debug (可選): 調試模式

錯誤處理​

若發生錯誤，將輸出至 stderr。

MCP 伺服器模式​

啟動為 MCP 伺服器，並可供 Claude Code 或其他 AI 工具使用。

translate --mcp

實例​

以下說明如何將部落格文章從日文翻譯成英文和繁體中文（台灣）。

日文版本（原文）​

# blog/2026-04-02-example.md 中有日文的文章

生成英文版本​

translate \
  --input blog/2026-04-02-example.md \
  --from Japanese \
  --to English > i18n/en/docusaurus-plugin-content-blog/2026-04-02-example.md

生成台灣版本（繁體中文）​

translate \
  --input blog/2026-04-02-example.md \
  --from Japanese \
  --to Taiwanese > i18n/zh-TW/docusaurus-plugin-content-blog/2026-04-02-example.md

優缺點​

優點​

• 高精度: 使用 OpenAI 的高品質模型（如 GPT-4）
• 技能支援: 可整合至 ChatGPT 和 Claude 的多種工具
• 簡單: 設置和使用都非常簡單
• 可定制: 由於源代碼公開，因此可進行自定義

缺點​

• 需支付 API 費用: 根據翻譯量，OpenAI API 需要收費
• 必須連網: 需調用 API，因此無法離線使用
• 速率限制: 受限於 OpenAI API 的速率限制

總結​

translate-mcp 是一個 簡單且高品質的翻譯工具，利用 OpenAI API 開發。它在部落格文章的多語言支援、文件翻譯以及與 AI 工具整合等多種場合中均能發揮作用。

特別是在想要使用 Docusaurus 等靜態網站生成器支援多語言時，作為自動化腳本的用途效果顯著。

參考資料​

• GitHub - Himeyama/translate-mcp
• OpenAI API 文檔

處理流程​

使用 MCP 時，我問了 Copilot 小幫手，LLM 用戶端會以什麼樣的流程進行處理。

以下為序列圖。

這裡重要的是：

1. ①② 取得工具定義
2. ④ 傳送工具定義
3. ⑦ 工具呼叫要求
4. ⑧⑨⑩⑪ 工具呼叫
5. ⑫ 傳送執行結果

與 MCP 有關的部分是 1. 和 4.，而與 Function calling（函式呼叫）幾乎相同的部分是 2.、3. 和 5.。

在終端機輸入指令來呼叫看看​

來嘗試以標準輸入使用本地 MCP。

我用 Windows PowerShell 執行指令。

取得工具清單​

舉例取得 @modelcontextprotocol/server-filesystem 的工具清單。

> @{ jsonrpc = "2.0"; method = "tools/list"; id = 1 } | ConvertTo-Json -Compress | npx @modelcontextprotocol/server-filesystem $HOME | ConvertFrom-Json | ConvertTo-Json -Depth 10
Secure MCP Filesystem Server running on stdio
Allowed directories: [ 'C:\\Users\\hikari' ]
{
  "result": {
    "tools": [
      {
        "name": "read_file",
        "description": "Read the complete contents of a file from the file system. Handles various text encodings and provides detailed error messages if the file cannot be read. Use this tool when you need to examine the contents of a single file. Only works within allowed directories.",
        "inputSchema": {
          "type": "object",
          "properties": {
            "path": {
              "type": "string"
            }
          },
          "required": [
            "path"
          ],
          "additionalProperties": false,
          "$schema": "http://json-schema.org/draft-07/schema#"
        }
      },
      ...
    ]
  }
}

把 tools/list 透過標準輸入傳入，就能以 JSON 格式取得工具清單。

呼叫工具​

根據工具資訊來呼叫它。

> @{ jsonrpc = "2.0"; method = "tools/call"; params = @{name = "read_file"; arguments = @{path = ".gitconfig"}}; id = 2 } | ConvertTo-Json -Compress -Depth 10 | npx @modelcontextprotocol/server-filesystem $HOME | ConvertFrom-Json | ConvertTo-Json -Depth 10
Secure MCP Filesystem Server running on stdio
Allowed directories: [ 'C:\\Users\\hikari' ]
{
  "result": {
    "content": [
      {
        "type": "text",
        "text": "..."
      }
    ]
  },
  "jsonrpc": "2.0",
  "id": 2
}