El eslabón perdido de la traducción asistida por IA
Durante años, la IA podía traducir textos de forma excelente, pero no podía hacer nada con el resultado. Recibías una traducción de Claude o GPT, la copiabas manualmente en tus archivos de traducción, la enviabas a tu TMS y actualizabas tu base de datos. La IA era inteligente, pero no tenía manos.
Model Context Protocol cambia eso. MCP es el estándar abierto de Anthropic para dotar a los modelos de IA de la capacidad de interactuar con sistemas externos como sistemas de archivos, bases de datos, API y, sí, sistemas de gestión de la traducción.
Cuando conecté por primera vez el servidor MCP de IntlPull a Claude, la experiencia fue realmente diferente. No sólo le pedí "traduce esto al español" Dije "añade las traducciones al español que faltan a mi proyecto y empújalas" Y lo hizo. Sin copiar y pegar. Sin cambiar de contexto. Simplemente hecho.
Esta guía explica qué es MCP, cómo funciona para la traducción y cómo configurarlo para tu flujo de trabajo i18n.
¿Qué es exactamente MCP?
El Protocolo de Contexto de Modelo es una especificación de cómo los modelos de IA pueden interactuar con herramientas externas. Piense en él como una API estandarizada para las capacidades de IA.
Antes de MCP, cada integración de herramientas de IA era personalizada. OpenAI tenía llamadas a funciones. LangChain tenía su abstracción de herramientas. Cada proveedor tenía su propio enfoque.
MCP proporciona un lenguaje común. Un servidor MCP expone capacidades, y cualquier cliente compatible con MCP (Claude Desktop, Claude Code, Cursor, etc.) puede utilizarlas.
Para la traducción, esto significa que usted escribe un servidor MCP para su TMS, y funciona en todas partes donde MCP es compatible.
Arquitectura MCP para traducción
La arquitectura consta de tres partes:
1. Cliente MCP (la IA)
Claude Desktop, Claude Code, Cursor o cualquier aplicación habilitada para MCP. Aquí es donde interactúas con la IA.
2. Servidor MCP (la integración)
Un servicio que expone herramientas a la IA. En el caso de la traducción, se conecta a tu TMS y proporciona operaciones como listar proyectos, obtener el estado de la traducción, crear claves de traducción, actualizar traducciones y buscar en la memoria de traducción.
3. Capa de transporte
Cómo se comunican el cliente y el servidor. Las opciones incluyen stdio (entrada/salida estándar) para servidores locales, HTTP/SSE para servidores remotos y WebSocket para streaming bidireccional.
La mayoría de los servidores MCP de traducción utilizan stdio para el desarrollo local y HTTP para el acceso de todo el equipo.
Configuración de un servidor MCP de traducción
Veamos cómo configurar el servidor MCP de IntlPull a modo de ejemplo.
**Paso 1: Instalar el servidor
Ejecute: npm install -g @intlpullhq/mcp-server
Paso 2: Configurar credenciales
Cree o actualice la configuración de IntlPull ejecutando npx @intlpullhq/cli login, o configure manualmente las credenciales en .intlpull.json.
**Paso 3: Configure su cliente MCP
Para Claude Desktop, edite el archivo de configuración en ~/Library/Application Support/Claude/claude_desktop_config.json. Añade un objeto mcpServers con una entrada "intlpull" que tenga el comando "npx", args ["-y", "@intlpullhq/mcp-server"], y env con tu INTLPULL_API_KEY.
Para Claude Code, edite ~/.claude/settings.json de forma similar. Añade mcpServers con el comando intlpull y args.
Para Cursor, añada el servidor en la sección MCP Servers de settings con la misma estructura.
Paso 4: Verificar la conexión
Abra su cliente MCP e intente "Listar mis proyectos IntlPull"
Si ves tus proyectos, estás conectado.
Operaciones de traducción disponibles a través de MCP
Un servidor MCP de traducción bien diseñado expone operaciones como:
Gestión de proyectos: list_projects para obtener todos los proyectos de traducción, get_project para obtener detalles y estadísticas del proyecto, switch_project para cambiar el contexto del proyecto activo.
Gestión de claves: list_keys para listar las claves de traducción con filtros, create_key para crear una nueva clave de traducción, update_key para modificar los metadatos de la clave, delete_key para eliminar una clave, search_keys para realizar búsquedas de texto completo en todas las claves.
Operaciones de traducción: get_translations para obtener las traducciones de una clave, update_translation para establecer el valor de la traducción, translate_missing para la traducción automática del contenido que falta, bulk_translate para traducir varias claves.
Estado e informes: get_status para cobertura de traducción por idioma, get_missing para claves sin traducción, get_needs_review para traducciones marcadas para revisión.
Memoria de traducción: search_tm para buscar en la memoria de traducción, add_to_tm para añadir pares de traducción a la memoria.
Flujos de trabajo reales con MCP
Aquí están las cosas reales que hago con la traducción conectada a MCP:
Flujo de trabajo 1: Sincronización de traducción al final del día
Yo: "Muéstrame qué claves se han añadido hoy que aún no tienen traducción"
Claude utiliza MCP para consultar las claves creadas recientemente, filtra las traducciones que faltan y muestra un resumen.
Yo: "Tradúcelas al español y al alemán, márcalas para revisión"
Claude utiliza MCP para traducir cada clave, establece el estado en necesita_revisión, informa de los resultados.
Tiempo total: unos 2 minutos. Antes de MCP, habría tenido que abrir el panel de control de TMS, filtrar, ejecutar las traducciones y actualizar los estados manualmente.
Flujo de trabajo 2: Comprobación previa a la publicación
Yo: "Comprueba si estamos listos para publicar en japonés. ¿Falta alguna traducción o no está revisada?"
Claude consulta el estado del proyecto para japonés, enumera las lagunas.
Yo: "Esas 3 claves que faltan parecen menores. Tradúcelas y márcalas como listas"
Claude traduce, actualiza el estado y confirma.
Flujo de trabajo 3: Extraer cadenas del nuevo código
Yo: "Acabo de escribir este componente. Extrae las cadenas hardcoded, crea claves en IntlPull, y actualiza el componente para usar t()."
Claude identifica las cadenas, genera los nombres de las claves, crea las claves mediante MCP, reescribe el componente, muestra diff.
Este es el flujo de trabajo asesino. La IA ve el código, entiende el contexto, crea claves con nombres adecuados en el MCP y refactoriza el código, todo en una sola interacción.
Flujo de trabajo 4: Comprobación de la coherencia de la traducción
Yo: "Comprobar si 'Submit' se traduce de forma coherente en todos los espacios de nombres"
Claude busca claves que contengan 'submit', compara traducciones, informa de inconsistencias.
Yo: "Estandarízalas todas para que usen 'Enviar' en español"
Claude actualiza todas las traducciones relevantes a través de MCP.
Creación de servidores MCP de traducción personalizados
Si tu TMS no tiene un servidor MCP, puedes construir uno. La estructura básica en TypeScript implica importar McpServer desde el SDK de MCP, crear una instancia de servidor con nombre y versión, y luego definir herramientas.
Cada herramienta tiene un nombre como 'list_keys', una descripción, un esquema que define los parámetros (con tipos y descripciones), y una función manejadora asíncrona que llama a tu cliente TMS y devuelve los resultados.
Por último, se crea un transporte (normalmente StdioServerTransport) y se conecta el servidor a él.
**Principales consideraciones de diseño
Sea específico con los nombres de las herramientas: use create_translation_key no sólo create.
Incluir validación: comprobar las entradas antes de realizar llamadas a la API.
Gestione los errores con elegancia: devuelva mensajes de error útiles.
Soporte de paginación: las listas de claves grandes necesitan paginación.
Incluir contexto: devolver datos suficientes para que la IA pueda tomar decisiones.
MCP frente a otros enfoques de integración
MCP vs Llamada a funciones (OpenAI)
La llamada a funciones es de un solo giro: defines funciones, el modelo las llama, ejecutas, listo.
MCP es persistente: el servidor mantiene el estado, el modelo puede hacer múltiples llamadas en una sesión, y hay un mecanismo de descubrimiento estándar.
Para los flujos de trabajo de traducción que implican múltiples pasos (comprobar estado → encontrar lagunas → traducir → verificar), la persistencia de la sesión de MCP es importante.
MCP frente a plugins personalizados
Antes de MCP, había que construir una integración personalizada para cada plataforma de IA. Con MCP, se construye una vez y se despliega en cualquier lugar donde se admita el protocolo.
Esto es especialmente valioso a medida que evoluciona el panorama de las herramientas de IA. Su servidor MCP funciona con Claude Desktop hoy y con lo que venga después.
MCP vs API wrappers
Podrías enseñar a Claude tu API TMS y hacer que realice peticiones HTTP directamente. Pero la autenticación es más difícil de gestionar, la gestión de errores se convierte en responsabilidad del modelo, y estás enviando documentación de la API en cada solicitud.
MCP encapsula esta complejidad en el servidor.
Consideraciones de seguridad
Los servidores MCP tienen acceso a sus datos de traducción. Piense en ello:
Autenticación: Utilice claves API con un mínimo de permisos requeridos. Rote las claves con regularidad. No deposite claves en repositorios (utilice variables de entorno).
Autorización: Considera qué operaciones debería permitir el servidor MCP. Servidores de sólo lectura para proyectos sensibles. Flujos de trabajo de aprobación para cambios de producción.
Registro de auditoría: Registrar todas las operaciones MCP. Seguimiento de quién (qué sesión de AI) realizó qué cambios. Permitir la revisión de los cambios iniciados por AI.
Seguridad de red: Para servidores MCP remotos, use HTTPS. Considerar listas de IP permitidas para servidores de producción. Supervisar patrones de actividad inusuales.
Optimización del rendimiento
Las llamadas MCP añaden latencia. Para flujos de trabajo fluidos:
Operaciones por lotes: En lugar de crear 50 claves de una en una, utilice puntos finales de creación masiva. Defina una herramienta bulk_create_keys que acepte una matriz de claves.
Almacenamiento en caché: Almacenamiento en caché de metadatos de proyectos, listas de idiomas y otros datos estables. Almacenar en memoria con una marca de tiempo y actualizar después de un minuto más o menos.
Respuestas en streaming: Para grandes conjuntos de datos, considere el streaming. Defina una herramienta export_translations que pueda gestionar las respuestas en streaming de su cliente TMS.
El futuro de MCP para la traducción
¿Hacia dónde nos dirigimos?
Coordinación multiservidor: En la actualidad, se configura un servidor MCP cada vez. Pronto, los clientes de AI se coordinarán entre varios servidores: su TMS, su repositorio git, su CI/CD, todos trabajando juntos. Imagina: "Crea un PR que añada soporte para alemán, incluyendo todas las cadenas traducidas" La IA coordina: crea rama (git MCP), añade idioma (TMS MCP), traduce contenido (TMS MCP), crea PR (GitHub MCP).
Servidores de traducción especializados: Veremos servidores MCP optimizados para casos de uso específicos: traducción médica con refuerzo terminológico, traducción jurídica con comprobaciones de cumplimiento, traducción de comercio electrónico con optimización SEO.
Colaboración en tiempo real: La MCP podría permitir la colaboración en tiempo real, en la que traductores humanos y la IA trabajarían sobre el mismo contenido, viendo cada uno los cambios del otro.
Despliegue en la periferia: los servidores MCP se ejecutan en la periferia para reducir la latencia. Especialmente importante para flujos de trabajo de traducción interactivos.
Empezar hoy mismo
-
Instale un cliente compatible con MCP: Claude Desktop (gratuito), Claude Code (para flujos de trabajo en terminal) o Cursor (si prefiere ese IDE).
-
Conecta un servidor MCP de traducción: IntlPull MCP con npm install -g @intlpullhq/mcp, o construye el tuyo propio para otras plataformas TMS.
-
Iniciar simple: "Listar mis proyectos" "¿Cuál es el estado de la traducción al español?" "Crear una clave para este texto"
-
Construye flujos de trabajo: Combínalo con las habilidades de Claude Code. Integre en su rutina de desarrollo. Automatice lo que hace repetidamente.
La brecha entre "la IA puede traducir" y "la IA gestiona las traducciones" se está cerrando. MCP es el puente. Los equipos que lo dominen ahora tendrán ventajas significativas a medida que los flujos de trabajo nativos de IA se conviertan en estándar.
El servidor MCP de IntlPull proporciona capacidades completas de gestión de traducción para Claude Desktop, Claude Code y Cursor. Instale con npm install -g @intlpullhq/mcp-server y conecte su flujo de trabajo hoy mismo.
