anubis-mcp: MCP-server voor AI-lokalisatie en i18n-bestandbewerking
anubis-mcp, ontwikkeld door Zoedsoupe, is een open-source Model Context Protocol-server voor AI-ondersteunde tekstlokalisatie. Het verbindt taalmachines met projectvertalingsbestanden zodat ontwikkelaars gelokaliseerde wijzigingen in natuurlijke taal kunnen aanvragen. De server biedt taak-specifieke tools voor het opsommen van sleutels, het ophalen van ontbrekende strings en het toepassen van updates. Bedoeld voor softwareontwikkelaars, i18n-ingenieurs en lokalisatiemanagers die programmatische, contextbewuste bewerking van vertalingsbestanden binnen hun ontwikkelingsworkflow willen.
Welke taken de tool daadwerkelijk automatiseert voor lokalisatieteams
anubis-mcp implementeert een server-side brug die een AI in staat stelt om te werken met de vertaalassets van een codebase, waarbij natuurlijke taal prompts worden omgezet in bestandswijzigingen. De repository documenteert "chat-to-localize" voorbeelden waarin een ontwikkelaar een assistent vraagt om een inlogpagina te vertalen en de server bijgewerkte strings terugschrijft naar het project. Die workflow verwijdert handmatige sleutelzoekopdrachten door gescripte tools bloot te stellen die het model kan aanroepen om i18n-inhoud te inspecteren en te wijzigen.
Hoe vertaalcorrectheid wordt geproduceerd en wat het beïnvloedt
Context wordt geleverd aan het verbonden model zodat vertalingen de UI-intentie en -structuur kunnen weerspiegelen; het project omvat logica voor het geven van omringende sleutels en bestandslocaties aan het model. Nauwkeurigheid hangt daarom af van de outputs van het verbonden taalmodel, niet van de server zelf. De rol van de server is om gestructureerde context te presenteren en bewerkingen toe te passen; geproduceerde vertalingen vereisen nog steeds menselijke controle voordat ze in de broncontrole worden samengevoegd.
Welke invoer en hosts het accepteert, en ondersteuning voor indelingen
De server draait onder een MCP-host en Node.js; het vereist een MCP-compatibele omgeving zoals Claude Desktop om modeloproepen te accepteren, en typische installatiepaden omvatten npm of het klonen van de GitHub-repository en het configureren van de hostinstellingen. De bestandsindeling verwerking dekt geneste JSON-structuren die worden gebruikt door i18next en andere veelvoorkomende lokalisatie-indelingen, waardoor de tools hiërarchische sleutels kunnen doorlopen en bijwerken.
Hoe het past in ontwikkelaarsworkflows en community-uitbreiding
Ontworpen voor integratie in bestaande ontwikkelingscycli, stelt het project specifieke tool-eindpunten bloot voor het opsommen van sleutels, het ophalen van ontbrekende strings en het toepassen van updates, zodat teams AI-voorgestelde bewerkingen achter pull-requests of CI-controles kunnen plaatsen. De codebase is open source op GitHub, waardoor aangepaste extensies en community-gedreven adapters voor aanvullende MCP-hosts of op maat gemaakte bestandsindelingen mogelijk zijn.
Praktische keuze voor teams die programmatic, controleerbare AI-bewerkingen willen
anubis-mcp is geschikt voor teams die modelgestuurde bewerkingen direct op repositorybestanden moeten toepassen, terwijl ze menselijke controle behouden. Als praktische tip, gebruik gerichte, contextrijke prompts en laat AI-wijzigingen door codebeoordeling gaan zodat modelgegenereerde vertalingen gevalideerd worden voordat ze worden ingezet. Voor organisaties die een geautomatiseerd, controleerbaar pad van prompt naar bestandswijziging vereisen, is het een pragmatische optie die integreert met bestaande ontwikkelaarswerkstromen.
