Mcp Local Translate

io.github.damoqiongqiu由 GitHub 账号 damoqiongqiu 发布v0.1.11更新于 Oct 24, 2026

Local NLLB translation for 200+ languages. Zero cloud, zero cost, runs entirely on your machine.

已验证STDIO仅桌面开发者工具 AI 与机器学习

服务详情

标识符: io.github.damoqiongqiu/mcp-local-translate
传输: STDIO
运行时: Desktop only
信任: Verified
发布于: Sep 16, 2026

安全提示

MCP 服务会接收对话中的工具调用请求，并可能执行外部操作。启用前请先了解该服务能做什么，并只授予它所需的权限。

注册中心已验证此条目所属的 GitHub 账号 damoqiongqiu。这并不表明该账号就是产品方。

SourceWeft 的检查只涵盖条目是否完整、端点是否响应；不审查服务器的代码，也不审查其工具的行为。

在 README 中添加徽章

向读者展示该 MCP 服务已收录于 SourceWeft，徽章链接到本页。

[![Listed on SourceWeft](https://sourceweft.com/badge/mcp/io.github.damoqiongqiu%2Fmcp-local-translate.svg)](https://sourceweft.com/mcp/io.github.damoqiongqiu%2Fmcp-local-translate?utm_source=readme&utm_medium=badge)

概览

AI 生成的概览

本地 NLLB-200 翻译服务器，让助手完全在本机完成 200 多种语言互译，无需云端 API。

可以做什么: 在 200 多种语言之间翻译文本，支持自动检测源语言，语言代码可用 FLORES-200 精确码、ISO 639-1 简码或中文别名；长文本按句子边界分块翻译后拼接。列出支持的语言，可按关键词过滤查询。同样的翻译和语言列表功能也可作为 CLI 命令使用，无需启动 MCP 服务器。
适用场景: 适合助手需要阅读或翻译非母语文档、代码注释或错误信息，又不想把文本粘贴到在线翻译工具时；也适合重视隐私、离线使用或需要低资源语言的场景，即使翻译质量不及顶级云服务。
运行要求: 通过 npx 在本地运行，需要 Node.js，无需 API Key 或账号。首次使用时下载 NLLB-200 蒸馏模型（约 600MB）并缓存到 CACHE_DIR。首次下载需要网络；HF_ENDPOINT、HF_AUTO_MIRROR 和 HTTPS_PROXY 控制镜像与代理，TRANSLATE_DEVICE 选择 cpu 或 webgpu。翻译时内存峰值约 1.2GB。

安装前请注意

模型缓存后文本留在本机，但首次运行会从 HuggingFace 或镜像下载模型，会连接第三方。翻译质量低于云服务，低资源语言尤其明显。WorkBuddy 用户必须手动信任自定义连接器，否则不会启动。CLI 不读取 MCP 客户端配置，需另行传入设置。

安装

在 SourceWeft 中

打开控制台中的 Mcp Local Translate，将其添加到工作区。
为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照仓库中的启动说明。

README

[MCP Local Translate — 跨越语言，无需云。]

MCP Local Translate

[GitHub stars] [npm version] [License: MIT] [TypeScript] [MCP Registry]

🍴 Inspired by shinpr/mcp-local-rag — original architecture patterns by Shinsuke Kagawa

AI 编程助手的本地翻译引擎。基于 NLLB-200 模型，支持 200+ 语言互译——完全离线，数据不离开你的机器。为多语言开发、文档阅读、代码注释翻译而生。

📖 English

特性

200+ 语言互译基于 Meta NLLB-200 蒸馏模型（600M 参数），覆盖全球绝大多数语言——从主流语言到低资源语言。
完全本地运行无需 API Key，无需云服务。NLLB-200 模型在本地 CPU 上通过 Transformers.js 推理。数据从不离开你的机器。
智能语言解析支持 FLORES-200 精确码（zho_Hans）、ISO 639-1 简码（zh）、语言名称（Chinese）、中文别名（中文）——自动映射到正确的模型输入。
长文本分块翻译长文本在句子边界处自动分块（450 字符/块），每块独立翻译后拼接——突破 NLLB 的 512 token 限制。
零摩擦上手一条 npx 命令搞定。无需 Docker、Python、GPU。可通过 MCP 或 CLI 使用。
三级镜像回退自动探测 HF → hf-mirror.com → ModelScope 三级镜像链，国内网络环境下自动找到可用的模型下载源。

快速开始

配置 AI 编程工具

Cursor — 添加到 ~/.cursor/mcp.json：

json

{  "mcpServers": {    "local-translate": {      "command": "npx",      "args": ["-y", "@damoqiongqiu/mcp-local-translate"],      "env": {        "CACHE_DIR": "/path/to/models"      }    }  }}

{  "mcpServers": {    "local-translate": {      "command": "npx",      "args": ["-y", "@damoqiongqiu/mcp-local-translate"],      "env": {        "CACHE_DIR": "/path/to/models"      }    }  }}

Codex — 添加到 ~/.codex/config.toml：

toml

[mcp_servers.local-translate]command = "npx"args = ["-y", "@damoqiongqiu/mcp-local-translate"]
[mcp_servers.local-translate.env]CACHE_DIR = "/path/to/models"

[mcp_servers.local-translate]command = "npx"args = ["-y", "@damoqiongqiu/mcp-local-translate"]
[mcp_servers.local-translate.env]CACHE_DIR = "/path/to/models"

Claude Code — 运行以下命令：

bash

claude mcp add local-translate --scope user --env CACHE_DIR=/path/to/models -- npx -y @damoqiongqiu/mcp-local-translate

claude mcp add local-translate --scope user --env CACHE_DIR=/path/to/models -- npx -y @damoqiongqiu/mcp-local-translate

WorkBuddy — 打开「设置 → 自定义连接器 → 添加自定义连接器」：

json

{  "mcpServers": {    "local-translate": {      "command": "npx",      "args": ["-y", "@damoqiongqiu/mcp-local-translate"],      "env": {        "CACHE_DIR": "/path/to/models"      }    }  }}

{  "mcpServers": {    "local-translate": {      "command": "npx",      "args": ["-y", "@damoqiongqiu/mcp-local-translate"],      "env": {        "CACHE_DIR": "/path/to/models"      }    }  }}

⚠️ 首次添加后，必须在「自定义连接器」列表中点击「信任」按钮，否则 MCP 服务器不会启动。这是 WorkBuddy 的安全机制——未经信任的自定义连接器会被静默阻止。

重启工具后即可使用：

你: "把这段文档翻译成中文"助手: [返回翻译结果]
你: "This error message is in Japanese — what does it say?"助手: 那是「データベース接続に失敗しました」——      数据库连接失败。
你: "列出所有支持的翻译语言"助手: 共 204 种语言，包括 中文、英语、日语、法语...

你: "把这段文档翻译成中文"助手: [返回翻译结果]
你: "This error message is in Japanese — what does it say?"助手: 那是「データベース接続に失敗しました」——      数据库连接失败。
你: "列出所有支持的翻译语言"助手: 共 204 种语言，包括 中文、英语、日语、法语...

也可直接作为 CLI 使用——无需启动 MCP 服务器：

bash

npx @damoqiongqiu/mcp-local-translate translate "Hello, world!" --source en --target zhnpx @damoqiongqiu/mcp-local-translate list-languages --query "chinese"

npx @damoqiongqiu/mcp-local-translate translate "Hello, world!" --source en --target zhnpx @damoqiongqiu/mcp-local-translate list-languages --query "chinese"

就这些。无需 Docker，无需 Python，无需配置服务器。

为什么会有这个项目

你的 AI 编程助手可以帮你写代码，但当你面对非母语的文档、注释、错误日志时，仍然需要跳出编程环境去复制粘贴到在线翻译工具。

隐私。把代码片段或内部文档粘贴到 Google Translate 本质上是数据泄露。这个工具完全在本地运行——没有人能看到你的文本。

离线可用。配置完成后无需联网即可使用——飞机上、咖啡店无 WiFi、空气间隙环境。

低资源语言。 NLLB-200 覆盖了 Google Translate 和 DeepL 不支持的小语言（如藏语、维吾尔语、高棉语等）。

成本。无需为翻译 API 付费。只需一次模型下载（~600MB），然后无限使用。

使用方式

mcp-local-translate 提供两种接口：MCP 服务器（供 AI 编程工具使用）和 CLI（供终端直接使用）。

通过 MCP 使用

MCP 服务器提供 2 个工具：translate 和 list_languages。

翻译文本

"把这段 React hooks 文档翻译成中文""Translate the error message to English""这段日语注释是什么意思？"

"把这段 React hooks 文档翻译成中文""Translate the error message to English""这段日语注释是什么意思？"

translate 工具接受：

语言代码支持三种格式：

FLORES-200 精确码：zho_Hans（简体中文）、eng_Latn（英语）、jpn_Jpan（日语）
ISO 639-1 简码：zh、en、ja、fr、de
中文别名：中文、英语、日语、韩语

查看支持的语言

使用 list_languages 工具，可选 query 参数进行关键词过滤。

作为 CLI 使用

所有 MCP 工具也可以通过 CLI 命令使用——无需启动 MCP 服务器：

bash

# 翻译文本npx @damoqiongqiu/mcp-local-translate translate "Hello, world!" --source en --target zh
# 自动检测源语言npx @damoqiongqiu/mcp-local-translate translate "Bonjour le monde" --source auto --target en
# 查看支持的语言npx @damoqiongqiu/mcp-local-translate list-languages
# 按关键词过滤npx @damoqiongqiu/mcp-local-translate list-languages --query "chinese"

# 翻译文本npx @damoqiongqiu/mcp-local-translate translate "Hello, world!" --source en --target zh
# 自动检测源语言npx @damoqiongqiu/mcp-local-translate translate "Bonjour le monde" --source auto --target en
# 查看支持的语言npx @damoqiongqiu/mcp-local-translate list-languages
# 按关键词过滤npx @damoqiongqiu/mcp-local-translate list-languages --query "chinese"

⚠️ CLI 不会读取你的 MCP 客户端配置（mcp.json、config.toml 等）。通过命令行标志或环境变量配置 CLI，如下所示。

工作原理

简要：

语言代码通过三级解析器（精确码 → 别名 → 模糊匹配）映射到 FLORES-200 格式
长文本在句子边界处分块（450 字符/块），每块独立翻译
翻译引擎使用 Transformers.js 加载 NLLB-200 蒸馏模型（600M 参数），在本地 ONNX Runtime 上以 CPU 推理
结果按原始顺序拼接，保持段落和换行结构

详细说明

当你调用 translate 时：

语言解析：输入的语言代码经过三级解析——先尝试精确 FLORES-200 匹配（zho_Hans），再查 ISO 639-1 别名表（zh → zho_Hans），最后查中文别名表（中文 → zho_Hans）。如果全部失败，进行模糊搜索并给出建议。
文本预处理：超长文本（>450 字符）在句子边界处拆分（正则 /(?<=[.!?。！？\n])\s+/），确保不截断到句子中间。每块加上源语言和目标语言标记。
模型推理：每块通过 NLLB-200 蒸馏模型（Xenova/nllb-200-distilled-600M）翻译。模型通过懒加载初始化——首次翻译时下载并加载到内存，后续调用复用同一管道。
结果拼接：翻译结果按原始块顺序拼接，标记之间的段落和换行得以保留。

配置

环境变量

MCP 服务器仅通过环境变量配置——通过 MCP 客户端的 env 块传入。

环境变量	默认值	描述
`CACHE_DIR`	系统默认	模型缓存目录。NLLB-200 模型（~600MB）自动下载到此。建议使用绝对路径。
`HF_ENDPOINT`	`https://huggingface.co`	HuggingFace 镜像端点。设置后跳过自动镜像检测。
`HF_AUTO_MIRROR`	`true`	自动镜像检测开关。设为 `false` 禁用。默认开启，首次下载前自动探测三级镜像链：`huggingface.co` → `hf-mirror.com` → `modelscope.cn`。
`HTTPS_PROXY`	（未设置）	HTTP 代理地址，用于下载模型（如 `http://127.0.0.1:7890`）。通过 `setGlobalDispatcher` 全局生效。
`TRANSLATE_DEVICE`	`cpu`	推理设备。直接传给 Transformers.js。目前仅推荐 `cpu`。

性能

在 MacBook Pro M1（16GB RAM）、Node.js 22 上测试：

首次启动：

模型下载：1-3 分钟（取决于网络，~600MB）
模型加载：~5s

翻译速度：

短文本（<100 字符）：<1s
中等文本（500 字符）：~3s
长文本（2000 字符）：~12s（4 个分块）

内存：空闲 ~300MB，翻译峰值 ~1.2GB

故障排查

模型下载失败

症状：启动日志中出现 fetch failed 或模型加载超时。

原因与排查：

网络无法直连 HuggingFace — 如果你在中国大陆或受限网络环境中，直连 huggingface.co 会超时。

首选方案：不用配置 — mcp-local-translate 默认自动探测三级镜像链：huggingface.co → hf-mirror.com → modelscope.cn，逐级回退直到找到可用镜像。

备选方案：配置代理：
json
```
"env": {  "HTTPS_PROXY": "http://127.0.0.1:7890"}
```
```
"env": {  "HTTPS_PROXY": "http://127.0.0.1:7890"}
```
手动指定镜像：
json
```
"env": {  "HF_ENDPOINT": "https://hf-mirror.com"}
```
```
"env": {  "HF_ENDPOINT": "https://hf-mirror.com"}
```
模型文件未写入 CACHE_DIR — 首次运行时会下载约 600MB 的 ONNX 模型。确认 CACHE_DIR 目录存在且包含 Xenova/nllb-200-distilled-600M/ 子目录。如果之前用不同的 CACHE_DIR 下载过模型，更新路径指向已有缓存即可避免重复下载。
npx 缓存了旧版本 — 清除缓存后重启：
bash
```
rm -rf ~/.npm/_npx/
```
```
rm -rf ~/.npm/_npx/
```

"无效的语言代码"

运行 list_languages 查看所有支持的语言及其代码。语言代码是 FLORES-200 格式（如 zho_Hans、eng_Latn），也可以使用 ISO 639-1 简码（如 zh、en）或中文别名（如 中文、英语）。

翻译速度慢

NLLB-200 在 CPU 上运行，翻译速度取决于你的硬件。长文本会被自动分块处理，每块约 2-3 秒。

常见问题

这真的私密吗？是的。在模型下载之后，没有任何数据离开你的机器。可用网络监控验证。

可以离线使用吗？可以，只要 NLLB-200 模型已缓存到本地。

与 Google Translate / DeepL 相比如何？云端服务翻译质量更高（更大模型、更多训练数据），但需要将数据发送到外部。这个工具用一些质量换取完全隐私和零成本。

支持哪些语言？ NLLB-200 支持 200+ 种语言。运行 list_languages 查看完整列表。

支持方言吗？ NLLB-200 覆盖部分方言变体（如巴西葡萄牙语 por_Latn、拉美西班牙语等），但不像主流语言那样广泛。具体取决于模型训练数据。

翻译质量怎么样？对主流语言对（英↔中、英↔法、英↔西等），600M 蒸馏模型提供不错的翻译质量。对低资源语言，质量会下降——可读但不保证优雅。

多用户支持？不支持。专为单用户本地访问设计。

开发

从源码构建

bash

git clone https://github.com/damoqiongqiu/mcp-local-translate.gitcd mcp-local-translatepnpm install

git clone https://github.com/damoqiongqiu/mcp-local-translate.gitcd mcp-local-translatepnpm install

代码质量

bash

pnpm run type-check    # TypeScript 检查pnpm run check:fix     # Lint 和格式化pnpm run build         # 编译

pnpm run type-check    # TypeScript 检查pnpm run check:fix     # Lint 和格式化pnpm run build         # 编译

项目结构

src/  index.ts              # 入口点 — 路由到 CLI 或 MCP 服务器  server-main.ts        # MCP 服务器启动  server/    index.ts            # MCP 工具处理器（translate、list_languages）    types.ts            # MCP 工具定义  translator/    index.ts            # 核心翻译引擎（NLLB-200 管道、分块、懒加载）    connectivity.ts     # 镜像检测与代理配置    language-codes.ts   # FLORES-200 语言代码与解析器  utils/                # 共享工具skills/                 # 随包发布的 Agent Skills

src/  index.ts              # 入口点 — 路由到 CLI 或 MCP 服务器  server-main.ts        # MCP 服务器启动  server/    index.ts            # MCP 工具处理器（translate、list_languages）    types.ts            # MCP 工具定义  translator/    index.ts            # 核心翻译引擎（NLLB-200 管道、分块、懒加载）    connectivity.ts     # 镜像检测与代理配置    language-codes.ts   # FLORES-200 语言代码与解析器  utils/                # 共享工具skills/                 # 随包发布的 Agent Skills

Agent Skills

Agent Skills 提供优化的提示词，帮助 AI 助手更有效地使用翻译工具：

bash

# Claude Code（项目级别）npx @damoqiongqiu/mcp-local-translate skills install --claude-code
# Claude Code（用户级别）npx @damoqiongqiu/mcp-local-translate skills install --claude-code --global
# Codexnpx @damoqiongqiu/mcp-local-translate skills install --codex

# Claude Code（项目级别）npx @damoqiongqiu/mcp-local-translate skills install --claude-code
# Claude Code（用户级别）npx @damoqiongqiu/mcp-local-translate skills install --claude-code --global
# Codexnpx @damoqiongqiu/mcp-local-translate skills install --codex

Skills 包括：

语言代码使用：FLORES-200、ISO 639-1、中文别名的映射规则
长文本翻译：自动分块策略和结果解读
国内网络配置：镜像设置和代理配置

贡献

欢迎贡献！参见 CONTRIBUTING.md 了解环境搭建和指南。

许可证

MIT License。免费用于个人和商业用途。

致谢

架构模式参考 mcp-local-rag by Shinsuke Kagawa。使用 Model Context Protocol by Anthropic 和 Transformers.js 构建。翻译模型：NLLB-200 by Meta AI。

来源：README.md，提交 36dbdac

工具

SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

v0.1.11最新Sep 16, 2026

评分

已满足适用检查项的 50%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

近 30 天内可连通25 分
请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。
已声明认证方式10 分
请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。
已列出工具15 分
请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。
描述必需15 分
图标10 分
文档15 分
许可证10 分

参数	类型	说明
`text`	`string`	待翻译文本
`source_lang`	`string`	源语言代码（`auto` 自动检测）
`target_lang`	`string`	目标语言代码