shuji-bonji/xcomet-mcp-server

Batch Evaluate Translations

Оценивает несколько пар перевода в одном пакете. Этот инструмент обрабатывает несколько пар исходного текста и перевода и возвращает сводную статистику вместе с результатами по каждой паре. Args: - pairs (array): Массив пар перевода, каждая включает: - source (string): Исходный текст - translation (string): Перевод - reference (string, optional): Эталонный перевод - source_lang (string, optional): Код исходного языка - target_lang (string, optional): Код целевого языка - response_format ('json' | 'markdown'): Формат вывода (по умолчанию 'json') - use_gpu (boolean, optional): Использовать GPU для выполнения, если доступен (по умолчанию false) - batch_size (number, optional): Размер батча для выполнения, 1-64 (по умолчанию 8). Больше - быстрее, но требует больше памяти. Returns: { "average_score": number, "total_pairs": number, "results": [ { "index": number, "score": number, "error_count": number, "has_critical_errors": boolean } ], "summary": string } Examples: - Оценить полный переведённый документ - Сравнить качество систем машинного перевода на тестовом наборе - Выявить сегменты, требующие внимания

Detect Translation Errors

Обнаруживает и категоризирует ошибки в переводе. Этот инструмент нацелен на обнаружение ошибок и выдаёт подробную информацию об ошибках перевода с указанием уровней серьёзности и позиций. Args: - source (string): Исходный текст (оригинал) - translation (string): Переведённый текст для анализа - reference (string, optional): Эталонный перевод - min_severity ('minor' | 'major' | 'critical'): Минимальный уровень серьёзности для отчёта (по умолчанию: 'minor') - response_format ('json' | 'markdown'): Формат вывода (по умолчанию: 'json') - use_gpu (boolean, optional): Использовать GPU для инференса, если доступен (по умолчанию: false) Returns: { "total_errors": number, "errors_by_severity": { "minor": number, "major": number, "critical": number }, "errors": [ { "text": string, "start": number, "end": number, "severity": "minor" | "major" | "critical", "suggestion": string | null } ] } Examples: - Поиск критических ошибок перед публикацией - Выявление областей, требующих пост-редактирования - Контроль качества результата машинного перевода

Evaluate Translation Quality

Evaluate the quality of a translation using xCOMET model. This tool analyzes a source text and its translation, providing: - A quality score between 0 and 1 (higher is better) - Detected error spans with severity levels (minor/major/critical) - A human-readable quality summary Args: - source (string): Original source text to translate from - translation (string): Translated text to evaluate - reference (string, optional): Reference translation for comparison - source_lang (string, optional): Source language code (ISO 639-1) - target_lang (string, optional): Target language code (ISO 639-1) - response_format ('json' | 'markdown'): Output format (default: 'json') - use_gpu (boolean, optional): Use GPU for inference if available (default: false) Returns: For JSON format: { "score": number, // Quality score 0-1 "errors": [ // Detected errors { "text": string, "start": number, "end": number, "severity": "minor" | "major" | "critical" } ], "summary": string // Human-readable summary } Examples: - Evaluate EN→JA translation quality - Check if MT output needs post-editing - Compare translation against reference