anubis-mcp: MCP-server för AI-lokalisering och i18n filredigering
anubis-mcp, utvecklad av Zoedsoupe, är en öppen källkod Model Context Protocol-server för AI-assisterad textlokalisering. Den kopplar samman språkmodeller med projektöversättningsfiler så att utvecklare kan begära lokaliserade ändringar på naturligt språk. Servern erbjuder uppgiftsspecifika verktyg för att lista nycklar, hämta saknade strängar och tillämpa uppdateringar. Avsedd för mjukvaruutvecklare, i18n-ingenjörer och lokaliseringschefer som vill ha programmatisk, kontextmedveten redigering av översättningsfiler inom sin utvecklingsarbetsflöde.
Vilka uppgifter verktyget faktiskt automatiserar för lokaliseringsteam
anubis-mcp implementerar en server-sida bro som låter en AI arbeta på en kodbasens översättningsresurser, vilket omvandlar naturliga språkfrågor till filändringar. Förrådet dokumenterar "chat-to-localize" exempel där en utvecklare ber en assistent att översätta en inloggningssida och servern skriver uppdaterade strängar tillbaka i projektet. Det arbetsflödet tar bort manuella nyckelsökningar genom att exponera skriptade verktyg som modellen kan kalla för att inspektera och modifiera i18n-innehåll.
Hur översättningskorrekthet produceras och vad som påverkar det
Kontext tillhandahålls till den anslutna modellen så att översättningar kan återspegla UI-intention och struktur; projektet inkluderar logik för att ge modellen omgivande nycklar och filvägar. Noggrannhet beror därför på den anslutna språkmodellens utdata, inte servern själv. Serverns roll är att presentera strukturerad kontext och tillämpa ändringar; producerade översättningar kräver fortfarande mänsklig granskning innan de slås samman i källkontrollen.
Vilka ingångar och värdar den accepterar, och formatstöd
Servern körs under en MCP-värd och Node.js; den kräver en MCP-kompatibel miljö som Claude Desktop för att acceptera modellanrop, och typiska installationsvägar inkluderar npm eller kloning av GitHub-förrådet och konfigurering av värdinställningarna. Filformatshantering täcker nästlade JSON-strukturer som används av i18next och andra vanliga lokaliseringformat, vilket gör att verktygen kan traversera och uppdatera hierarkiska nycklar.
Hur det passar in i utvecklararbetsflöden och samhällsextension
Designad för integration i befintliga utvecklingscykler, exponerar projektet specifika verktygsändpunkter för att lista nycklar, hämta saknade strängar och tillämpa uppdateringar så att team kan placera AI-föreslagna ändringar bakom pull-begärningar eller CI-kontroller. Kodbasen är öppen källkod på GitHub, vilket möjliggör anpassade utvidgningar och samhällsdrivna adaptrar för ytterligare MCP-värdar eller skräddarsydda filformat.
Praktiskt val för team som vill ha programmatisk, granskbar AI-redigering
anubis-mcp passar team som behöver modelldrivna redigeringar tillämpade direkt på lagringsfiler samtidigt som mänsklig övervakning upprätthålls. Som ett praktiskt tips, använd fokuserade, kontext-rika uppmaningar och låt AI-förändringar gå genom kodgranskning så att modellgenererade översättningar valideras innan distribution. För organisationer som kräver en automatiserad, granskbar väg från uppmaning till filändring, är det ett pragmatiskt alternativ som integreras med befintliga utvecklararbetsflöden.
Fördelar
Inbyggt MCP-stöd för Claude Desktop och andra MCP-värdar
Hantera nästlade JSON-format som är vanliga i i18n-ramverk
Exponerar verktyg för att lista nycklar, hämta saknade strängar och tillämpa uppdateringar
Öppen källkod kodbas på GitHub för anpassade tillägg
Nackdelar
Kräver en MCP-värd och en ansluten språkmodell för att fungera
Översättningskvalitet beror på den anslutna modellen och behöver granskning
Installation och värdkonfiguration kräver Node.js och utvecklarinställning
Lagar som rör användningen av denna programvara varierar från land till land. Vi uppmuntrar eller accepterar inte användningen av detta program om det strider mot dessa lagar. Softonic kan få en hänvisningsavgift om du klickar eller köper någon av produkterna som visas här.
