Engine-Setup mit dem Localization MCP

Der Lingo.dev MCP-Server gibt KI-Coding-Assistenten direkten Zugriff auf die Konfiguration deiner Lokalisierungs-Engine. Diese Anleitung zeigt dir, wie du eine Lokalisierungs-Engine von Grund auf einrichtest – von der Installation bis zur vollständig konfigurierten Engine mit Markenstimmen pro Sprache, Glossarbegriffen, sprachlichen Regeln und Modell-Routing.

Was du konfigurieren wirst#

Die ersten drei gehören zu deiner Organisation, nicht zu einer einzelnen Engine: Ein Glossar, ein Regelwerk oder eine Markenstimme wird per Verknüpfung mit einer Engine verbunden. So kann eine zweite Engine dieselbe Konfiguration nutzen, statt eine Kopie davon. Modell-Routing bleibt an die Engine gebunden.

Das Ergebnis ist eine zustandsbehaftete Übersetzungs-API. Nutze sie im Code über die localization API, über die Befehlszeile per CLI oder automatisch bei jedem Pull Request via CI/CD. Bei jeder Anfrage werden alle Ebenen automatisch angewendet.

Das Problem#

Jede Lokalisierungs-Engine braucht Markenstimmen pro Sprache, Glossarbegriffe, sprachliche Regeln und Modell-Routing. Das alles über ein Dashboard zu konfigurieren, kostet Zeit und ist repetitiv – vor allem beim ersten Mal, wenn du noch herausfindest, was jede Ebene macht und wie sie zusammenspielen.

Mit dem Lingo.dev MCP-Server kann dein KI-Coding-Assistent die Ersteinrichtung in einer einzigen Konversation übernehmen. Du verweist ihn auf die Inhalte deines Produkts, und er erstellt die Engine, schreibt Texte für die Markenstimme, identifiziert Begriffe fürs Glossar, ergänzt sprachspezifische Regeln und richtet das Modell-Routing ein – alles in einem Durchgang. Danach prüfst du das Ergebnis und passt es gezielt an.

Schritt 1: MCP installieren#

Erstelle im Bereich API Keys des Lingo.dev-Dashboards einen API-Schlüssel. Füge dann den MCP-Server zur Konfiguration deines Coding-Agenten hinzu.

{
  "lingo": {
    "type": "http",
    "url": "https://mcp.lingo.dev/account",
    "headers": {
      "x-api-key": "your_api_key"
    }
  }
}

Starte deinen Agenten neu und überprüfe die Verbindung, indem du ihn bittest, deine vorhandenen Lokalisierungs-Engines aufzulisten. Wenn das MCP aktiv ist, liefert er Ergebnisse zurück (oder bei neuen Organisationen eine leere Liste).

Schritt 2: Engine konfigurieren#

Kopiere den folgenden Prompt und füge ihn in deinen KI-Coding-Assistenten ein. Ersetze die URL am Ende durch die Website, Dokumentation oder README deines Produkts – der Agent braucht repräsentative Inhalte, um deine Stimme, Terminologie und Zielgruppe abzuleiten.

Create a localization engine called 'My Product' for localizing into
German, French, Japanese, and Spanish. Study the content at the URL
below to understand our tone, terminology, and audience. Then configure
everything in one pass: brand voice texts for each locale (and English),
glossary terms that need consistent translations or should stay
untranslated, and locale-specific linguistic rules.

https://docs.yourproduct.com

Der Agent liest deine Inhalte, erstellt die Engine und konfiguriert alle Ebenen in einem Durchgang. In den nächsten Schritten geht es darum, das Ergebnis zu prüfen und gezielt anzupassen.

Schritt 3: Markenstimmen anpassen#

Prüfe die Markenstimme, die der Agent erstellt hat. Eine Markenstimme enthält einen Text pro Sprache und definiert, wie dein Produkt in dieser Sprache klingt – Tonalität, Formalitätsgrad und Stil. Der Agent leitet das aus deinen Inhalten ab, aber gerade kulturelle Nuancen solltest du dir genauer ansehen.

Worauf du achten solltest:

Ein gut konfigurierter deutscher Markenstimmen-Text sieht zum Beispiel so aus:

Use informal "du" address. Keep a direct, technical tone.
Prefer short sentences. Use active voice. When a German equivalent
exists for a technical term, use it (e.g., "Bereitstellung" for
deployment), but keep widely-adopted English terms as-is
(e.g., API, CLI, Token).

Wenn das Register nicht stimmt, sag es deinem Assistenten direkt:

The German brand voice is too informal for our enterprise docs.
Switch it to formal "Sie" register.

Schritt 4: Glossar anpassen#

Prüfe die Glossar-Begriffe, die der Agent erstellt hat. Das Glossar gibt der Engine präzise Kontrolle über bestimmte Begriffe – entweder indem es eine Übersetzung vorgibt oder eine Übersetzung vollständig unterbindet. Der Agent identifiziert Begriffe aus deinen Inhalten, kann aber produktspezifische Begriffe übersehen oder unpassende Übersetzungen auswählen.

Ein typisches Glossar nach dem ersten Durchgang:

Was du prüfen solltest:

• Fehlende Begriffe – Produkt-Features, interner Jargon oder Bezeichnungen, auf die der Agent nicht gestoßen ist
• Falsche Übersetzungen – der Agent kann ein Synonym wählen, das nicht zu deinem etablierten Sprachgebrauch passt
• Fehlende nicht übersetzbare Begriffe – Markennamen, Protokollnamen oder Akronyme, die unverändert bleiben sollten

Begriffe werden über semantische Ähnlichkeit abgeglichen – ein Begriff für "Deploy" erfasst auch "Deploying", "deployment" und "deploy your application", ohne dass du dafür separate Einträge brauchst. Verwende * Wildcards für Begriffe, die sprachübergreifend für alle Sprachen gelten.

Add a glossary term: 'checkout' should stay as 'Checkout' in
German - it's our product feature name, not the shopping action.

Schritt 5: Regeln anpassen#

Prüfe die Regeln, die der Agent erstellt hat. Regeln sind klar abgegrenzte, testbare Konventionen für bestimmte Sprachen, die in einem Regelwerk gebündelt sind, das die Engine anwendet. Anders als eine Markenstimme, die den übergreifenden Ton festlegt, bilden Regeln genau das ab, was generische Modelle oft übersehen – Zeichensetzung, Abkürzungen, Zeichenbreite und Zahlenformate.

Ein typisches Regelset nach dem ersten Durchgang:

Jede Regel deckt genau einen Aspekt ab und lässt sich dadurch einzeln testen – wenn deutsche Abkürzungen nicht korrekt funktionieren, aktualisierst du nur diese eine Regel, ohne alles andere anzufassen.

Worauf du achten solltest:

• Fehlende Regeln – Zahlenformatierung, Datumsformate, Währungskonventionen für deine Zielsprachen
• Ausgangssprache - Englische Regeln für Oxford-Kommas, Title Case oder Zahlenformatierung fehlen oft

In French, there should always be a non-breaking space before
colons and semicolons. Add that as a rule for fr.

Schritt 6: Modell-Routing konfigurieren (optional)#

Neue Engines sind bereits mit Modell-Standardeinstellungen vorkonfiguriert, die für hohe Qualität bei gängigen und ressourcenarmen Sprachen optimiert sind. Die meisten Teams müssen daran nichts ändern.

Wenn du spezielle Anforderungen hast – ein Modell, das in deiner Domäne gut funktioniert, Budgetvorgaben oder Compliance-Anforderungen –, überschreibe die Standardeinstellungen:

Set Claude Sonnet as the primary model for European language pairs,
with GPT-4o as fallback for Japanese.

Jede Modellkonfiguration unterstützt priorisierte Fallbacks. Wenn das primäre Modell ausfällt (Ausfall, Ratenlimit, Abkündigung), versucht die Engine automatisch das nächste.

Nächste Schritte#