Offizielle LangChain-Integration
FluentC LangChain Werkzeug
Offizielles Python-Plugin zur Integration der FluentC AI-Übersetzungs-API mit LangChain. Aktivieren Sie Echtzeit- und Batch-Übersetzung, Spracherkennung und Job-Abfrage über LangChain-kompatible Tools.
LangChain-Integrationsfunktionen
Echtzeit- und Batch-Übersetzung
Wählen Sie zwischen Sofortübersetzungen oder Batch-Verarbeitung für große Inhaltsmengen.
Spracherkennung
Automatisch die Sprache des Eingabeninhalts mit Vertrauensbewertung erkennen.
Dynamische Sprachauswahl
Dropdown-Menüs, die mit den aktivierten Sprachen Ihres API-Schlüssels gefüllt sind.
Format-Unterstützung
Beide Klartext- und HTML-Inhalte nahtlos behandeln.
Fehlerbehandlung
Umfassende Fehlerbehandlung mit Unterstützung für Fortsetzen bei Fehler.
Workflow-Integration
Nahtlos in jeden N8N-Automatisierungsworkflow integrieren.
Installation & Einrichtung
Verfügbar LangChain-Tools
FluentC LangChain Werkzeugklassen
Werkzeugklasse
Zweck
FluentCTranslationTool
Echtzeit- oder Batch-Übersetzung einreichen
FluentCLanguageDetectorTool
Erkennung der Quellsprache aus Eingabe
FluentCTranslationStatusTool
Status der Batch-Übersetzungsaufträge überprüfen
FluentCResultsTool
Umfrage zum Übersetzungsergebnis des Stapelauftrags
FluentCBatchTranslationTool
Einzel-Upload in Batch + Abfrage
Verwendung Beispiele
Führen Sie die Echtzeitübersetzung mit dem FluentC LangChain-Tool durch:
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'))
Verarbeite große Inhalte mit Batch-Übersetzung und automatischer Abfrage:
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
Überprüfen Sie den Status der Batch-Übersetzungsaufträge:
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
Integrieren Sie FluentC-Tools mit LangChain-Agenten für komplexe Arbeitsabläufe:
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}")
Bereit, Übersetzungen zu Ihren N8N-Workflows hinzuzufügen?
Beginnen Sie noch heute mit der N8N-Integration von FluentC. Erstellen Sie Ihren API-Schlüssel, installieren Sie das Plugin und beginnen Sie mit dem Aufbau mehrsprachiger Automatisierungs-Workflows.