Integrazione ufficiale di LangChain
Strumento FluentC LangChain
Plugin ufficiale Python per l'integrazione dell'API di traduzione FluentC AI con LangChain. Abilita la traduzione in tempo reale e in batch, il rilevamento della lingua e il polling dei lavori tramite strumenti compatibili con LangChain.
Caratteristiche di integrazione di LangChain
Traduzione in tempo reale e in batch
Scegli tra traduzioni istantanee o elaborazione in batch per grandi volumi di contenuto.
Rilevamento della lingua
Rileva automaticamente la lingua del contenuto di input con punteggio di affidabilità.
Selezione dinamica della lingua
Menu a discesa popolati con le lingue abilitate della tua chiave API.
Supporto per il formato
Gestisci senza problemi sia contenuti di testo semplice che contenuti HTML.
Gestione degli errori
Gestione completa degli errori con supporto continue-on-fail.
Integrazione del flusso di lavoro
Integra senza soluzione di continuità in qualsiasi flusso di lavoro di automazione N8N.
Installazione E impostazione
Disponibile Strumenti LangChain
Classi di Strumenti LangChain FluentC
Classe dello strumento
Scopo
FluentCTranslationTool
Traduzione in tempo reale o batch submit
FluentCLanguageDetectorTool
Rileva la lingua di origine dall'input
FluentCTranslationStatusTool
Verifica lo stato dei lavori di traduzione in batch
FluentCResultsTool
Sondaggio sul risultato della traduzione del lavoro batch
FluentCBatchTranslationTool
Invio batch di una sola volta + polling
Utilizzo Esempi
Esegui la traduzione in tempo reale utilizzando lo strumento FluentC LangChain:
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'))
Gestisci contenuti di grandi dimensioni con traduzione in batch e polling automatico
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
Verifica lo stato dei lavori di traduzione batch:
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
Integra gli strumenti FluentC con agenti LangChain per flussi di lavoro complessi:
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}")
Pronto ad aggiungere traduzioni ai tuoi flussi di lavoro N8N?
Inizia oggi con l'integrazione di FluentC con N8N. Crea la tua chiave API, installa il plugin e inizia a costruire flussi di lavoro automatizzati multilingue.