Oficiálna integrácia LangChain

Nástroj FluentC LangChain

Oficiálny Python plugin na integráciu FluentC AI Translation API s LangChain. Povolenie prekladov v reálnom čase a hromadných prekladov, detekcia jazyka a sledovanie úloh pomocou nástrojov kompatibilných s LangChain.

Funkcie integrácie LangChain

Preklad v reálnom čase a hromadný preklad

Vyberte medzi okamžitými prekladmi alebo hromadným spracovaním pre veľké objemy obsahu.

Detekcia jazyka

Automaticky detegovať jazyk vstupného obsahu s hodnotením dôveryhodnosti.

Dynamický výber jazyka

Rozbaľovacie ponuky s jazykmi povolenými vaším API kľúčom.

Podpora formátov

Riešte oba typy obsahu – obyčajný text aj HTML – plynulo.

Spracovanie chýb

Komplexné spracovanie chýb s podporou pokračovania pri zlyhaní.

Integrácia pracovného toku

Bezproblémovo sa integrujte do akejkoľvek automatizačnej pracovnej postupnosti N8N.

Inštalácia nastavenie

Inštalácia balíka

Nainštalujte balík FluentC LangChain:
# Install via pip pip install fluentc-langchain-tool # Or with requirements.txt echo "fluentc-langchain-tool" >> requirements.txt pip install -r requirements.txt Vyžaduje Python 3.7+ a rámec LangChain.

Nastavenie overovania totožnosti

Skúste svoj kľúč API FluentC:

from fluentc_langchain_tool import FluentCTranslationTool # Initialize with API key tool = FluentCTranslationTool( api_key="your-fluentc-api-key")

Získajte svoj API kľúč

Dostupné Nástroje LangChain

Trieda nástrojov FluentC LangChain

Trieda nástrojov

Účel

`FluentCTranslationTool`

Preklad v reálnom čase alebo hromadný odoslanie

`FluentCLanguageDetectorTool`

Detekcia jazyka vstupu

`FluentCTranslationStatusTool`

Skontrolujte stav dávkových prekladových úloh

`FluentCResultsTool`

Anketa o výsledku prekladu dávkového úlohy

`FluentCBatchTranslationTool`

Jednorázové odovzdanie dávky + prieskum

Použitie Príklady

Vykonajte preklad v reálnom čase pomocou nástroja 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'))

Spracovanie veľkého obsahu pomocou dávkového prekladu a automatického vyhľadávania

				
					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

Skontrolujte stav dávkových prekladových úloh:

				
					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

Integrujte nástroje FluentC s agentmi LangChain pre zložité pracovné postupy:

				
					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}")

Ste ready na pridanie prekladu do svojich N8N pracovných tokov?

Začnite s integráciou FluentC s N8N ešte dnes. Vytvorte si svoj API kľúč, nainštalujte si doplnok a začnite vytvárať viacjazyčné automatizačné pracovné postupy.

Zaregistrujte sa a vytvorte API kľúč