anubis-mcp

anubis-mcp: servidor MCP para localização de IA e edição de arquivos i18n

anubis-mcp, desenvolvido por Zoedsoupe, é um servidor de Protocolo de Contexto de Modelo de código aberto para localização de texto assistida por IA. Ele conecta modelos de linguagem a arquivos de tradução de projetos para que os desenvolvedores possam solicitar alterações localizadas em linguagem natural. O servidor expõe ferramentas específicas para listar chaves, buscar strings ausentes e aplicar atualizações. Destinado a desenvolvedores de software, engenheiros de i18n e gerentes de localização que desejam edição programática e consciente do contexto de arquivos de tradução dentro de seu fluxo de trabalho de desenvolvimento.

Quais tarefas a ferramenta realmente automatiza para equipes de localização

anubis-mcp implementa uma ponte do lado do servidor que permite que uma IA opere nos ativos de tradução de uma base de código, transformando prompts em linguagem natural em edições de arquivos. O repositório documenta exemplos de "chat-to-localize" onde um desenvolvedor pede a um assistente para traduzir uma página de login e o servidor escreve strings atualizadas de volta no projeto. Esse fluxo de trabalho remove buscas manuais de chaves ao expor ferramentas scriptadas que o modelo pode chamar para inspecionar e modificar conteúdo i18n.

Como a correção da tradução é produzida e o que a afeta

O contexto é fornecido ao modelo conectado para que as traduções possam refletir a intenção e a estrutura da UI; o projeto inclui lógica para fornecer ao modelo chaves e caminhos de arquivo circundantes. A precisão, portanto, depende das saídas do modelo de linguagem conectado, não do servidor em si. O papel do servidor é apresentar contexto estruturado e aplicar edições; as traduções produzidas ainda requerem revisão humana antes de serem mescladas ao controle de versão.

Quais entradas e hosts ele aceita, e suporte a formatos

O servidor roda sob um host MCP e Node.js; ele requer um ambiente compatível com MCP, como Claude Desktop, para aceitar chamadas de modelo, e os caminhos de instalação típicos incluem npm ou clonagem do repositório do GitHub e configuração das definições do host. O manuseio de formatos de arquivo abrange estruturas JSON aninhadas usadas pelo i18next e outros formatos comuns de localização, permitindo que as ferramentas percorram e atualizem chaves hierárquicas.

Como se encaixa nos fluxos de trabalho dos desenvolvedores e extensão da comunidade

Projetado para integração em ciclos de desenvolvimento existentes, o projeto expõe endpoints de ferramentas específicas para listar chaves, buscar strings ausentes e aplicar atualizações, para que as equipes possam colocar edições sugeridas pela IA atrás de pull requests ou verificações de CI. A base de código é open source no GitHub, permitindo extensões personalizadas e adaptadores impulsionados pela comunidade para hosts MCP adicionais ou formatos de arquivo sob medida.

Escolha prática para equipes que desejam edições de IA programáticas e revisáveis

anubis-mcp atende equipes que precisam de edições orientadas por modelo aplicadas diretamente aos arquivos do repositório, mantendo a supervisão humana. Como dica prática, use prompts focados e ricos em contexto e controle as mudanças da IA por meio de revisão de código para que as traduções geradas pelo modelo sejam validadas antes da implantação. Para organizações que exigem um caminho automatizado e revisável do prompt à mudança de arquivo, é uma opção pragmática que se integra aos fluxos de trabalho de desenvolvedores existentes.