Officiel LangChain-integration
FluentC LangChain Værktøj
Officiel Python-plugin til integration af FluentC AI Oversættelses-API med LangChain. Aktiver realtids- og batchoversættelse, sprogdetektion og jobafhentning gennem værktøjer, der er kompatible med LangChain.
LangChain integrationsfunktioner
Real-time og batch-oversættelse
Vælg mellem øjeblikkelige oversættelser eller batchbehandling til store mængder indhold.
Sprogdetektion
Automatisk detektering af sproget i indholdet med tillidsscore.
Dynamisk sprogvalg
Dropdown-menuer fyldt med de sprog, din API-nøgle har aktiveret.
Formatunderstøttelse
Håndter både almindelig tekst og HTML-indhold problemfrit.
Fejlbehandling
Omfattende fejlbehandling med fortsæt-ved-fejl-support.
Workflow Integration
Integrer problemfrit i enhver N8N-automatiseringsworkflow.
Installation Og opsætning
Tilgængelig LangChain Værktøjer
FluentC LangChain Værktøjsklasser
Værktøjsklasse
Formål
FluentCTranslationTool
Real-time eller batch-oversættelse indsendelse
FluentCLanguageDetectorTool
Detekter kildesprog ud fra input
FluentCTranslationStatusTool
Tjek status for batchoversættelsesopgaver
FluentCResultsTool
Afstemning for batchjob oversættelsesresultat
FluentCBatchTranslationTool
Én-skuds batchindsendelse + polling
Brug Eksempler
Udfør realtidsoversættelse ved hjælp af FluentC LangChain-værktøjet:
from fluentc_langchain_tool import FluentCTranslationTool
# Initialize the translation tool
tool = FluentCTranslationTool(api_key="your-api-key")
# Perform real-time translation
response = tool.run({
"text": "Hello, world!",
"target_language": "fr",
"source_language": "en",
"mode": "realtime"
})
print(response) # Output: "Bonjour, le monde !"
# Translation with auto-detection
response = tool.run({
"text": "¿Cómo estás?",
"target_language": "en",
"mode": "realtime"
})
print(response) # Output: "How are you?"
print("Detected source language:", response.get('detected_language', 'Unknown'))
Håndter stort indhold med batch-oversættelse og automatisk polling:
from fluentc_langchain_tool import FluentCBatchTranslationTool
# Initialize batch translation tool
tool = FluentCBatchTranslationTool(api_key="your-api-key")
# Translate large HTML content
large_html = """
<html>
<head><title>Welcome</title></head>
<body data-rsssl=1>
<h1>Hello, batch world!</h1>
<p>This is a large document that needs translation.</p>
<p>It contains multiple paragraphs and HTML structure.</p>
</body>
</html>
"""
# Submit and automatically poll for results
result = tool.run({
"text": large_html,
"target_language": "de",
"source_language": "en"
})
print("Translated HTML:")
print(result) # Final translated output after polling
# The tool automatically:
# 1. Submits the batch job
# 2. Polls for completion using estimated_wait_seconds
# 3. Returns the final translation result
Tjek status for batchoversættelsesopgaver:
from fluentc_langchain_tool import (
FluentCTranslationTool,
FluentCTranslationStatusTool
)
# Initialize tools
translation_tool = FluentCTranslationTool(api_key="your-api-key")
status_tool = FluentCTranslationStatusTool(api_key="your-api-key")
# Submit a batch translation job
job_response = translation_tool.run({
"text": "Large document for batch processing...",
"target_language": "es",
"mode": "batch"
})
job_id = job_response.get('job_id')
print(f"Batch job submitted: {job_id}")
# Check job status
status_response = status_tool.run({
"job_id": job_id
})
print(f"Job status: {status_response}")
# Status responses include:
# - "processing": Job is still running
# - "complete": Translation finished
# - "failed": Job encountered an error
# - estimated_wait_seconds: Recommended polling interval
Integrer FluentC-værktøjer med LangChain-agenter til komplekse arbejdsgange:
from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
from fluentc_langchain_tool import (
FluentCTranslationTool,
FluentCBatchTranslationTool,
FluentCLanguageDetectorTool,
FluentCTranslationStatusTool
)
# Initialize FluentC tools
api_key = "your-fluentc-api-key"
translation_tool = FluentCTranslationTool(api_key)
batch_tool = FluentCBatchTranslationTool(api_key)
detector_tool = FluentCLanguageDetectorTool(api_key)
status_tool = FluentCTranslationStatusTool(api_key)
# Create LangChain agent with FluentC tools
agent = initialize_agent(
tools=[
Tool.from_function(
func=translation_tool.run,
name="FluentC_Translation",
description="Translate text in real-time or batch mode"
),
Tool.from_function(
func=batch_tool.run,
name="FluentC_Batch_Translation",
description="Translate large content with auto-polling"
),
Tool.from_function(
func=detector_tool.run,
name="FluentC_Language_Detection",
description="Detect language of input text"
),
Tool.from_function(
func=status_tool.run,
name="FluentC_Status_Check",
description="Check batch translation job status"
)
],
llm=OpenAI(temperature=0),
agent="zero-shot-react-description",
verbose=True
)
# Example agent interactions
responses = [
"Translate 'Hello world' from English to German using FluentC.",
"Detect the language of 'Bonjour tout le monde' and translate it to Spanish.",
"Translate this large HTML document to French using batch processing."
]
for query in responses:
print(f"\nQuery: {query}")
result = agent.run(query)
print(f"Result: {result}")
Klar til at tilføje oversættelse til dine N8N-arbejdsgange?
Kom i gang med FluentC's N8N-integration i dag. Opret din API-nøgle, installer plugin'et, og begynd at opbygge flersprogede automatiseringsarbejdsgange.