内容
# 匿名化MCP
<!-- mcp-name: io.github.Buggy1111/anonymize-mcp -->
[](https://github.com/Buggy1111/anonymize-mcp/actions/workflows/ci.yml)
[](https://pypi.org/project/anonymize-mcp/)
[](https://pypi.org/project/anonymize-mcp/)
[](LICENSE)
MCP服务器，封装NLP工具 [LINDAT](https://lindat.mff.cuni.cz/) / [ÚFAL MFF UK](https://ufal.mff.cuni.cz/) — **多语言NER + 形态学（35种语言自动检测）**，**生产级匿名化，支持80+ PII模式，涵盖9个行业 + 国际覆盖（US/UK/DE/FR/IT/ES/PL/RU/IN，欧盟增值税28个国家，IBAN 30+ 个国家，加密货币，API令牌）**，支持8种语言翻译（17个直接对和自动EN-pivot）。
> 🔒 **新增（v0.10.0）：[zero-egress本地模式](#zero-egress--on-prem-模式-)** — 完全离线匿名化，无文本离开机器。适用于GDPR / 法律 / 医疗数据。启用：`ANONYMIZE_MCP_LOCAL=1`。
> 🌐 **不想安装？试试在线免费版本 → [anonymizace.js.org](https://anonymizace.js.org)** — 匿名化、NER、形态学、校正和翻译，直接在浏览器中。配套网站。
> **仅限非商业使用**。NameTag和UDPipe模型在CC BY-NC-SA下。LINDAT API免费用于学术和个人使用。商业部署请联系工具作者和`ufal@ufal.mff.cuni.cz`。
> **非官方社区项目** — 由独立开发者运行和维护；封装公共LINDAT API。历史名称：`ufal-mcp` → `wrapper-mcp`（v0.8.0，根据ÚFAL请求）→ **`anonymize-mcp`**（v0.9.0）。如果您已安装废弃的`wrapper-mcp`软件包，请升级到`pip install anonymize-mcp` — 这是同一个项目。
## 功能
| 工具 | 后端 | 用途 |
|------|---------|--------|
| `extract_entities` | [NameTag 3](https://ufal.mff.cuni.cz/nametag/3) | **CZ**（丰富CNEC 2.0标签集）+ **34种其他语言**（UNER PER/ORG/LOC）自动检测 |
| `anonymize` | [MasKIT](https://ufal.mff.cuni.cz/maskit) + NameTag | **生产级伪匿名化**：正则表达式预处理 + **80+ PII模式** — CZ + 国际（IBAN 30+ 个国家，欧盟增值税28个国家，US SSN/EIN，DE/UK/FR/IT/ES/PL/RU/IN ID，加密货币，API令牌）。可选`placeholder_mode`（确定性OSOBA1/MESTO1）。 **🔒 Zero-egress本地模式** (`ANONYMIZE_MCP_LOCAL=1`) — 完全离线，[见下](#zero-egress--on-prem-模式-)。 |
| `analyze_morphology` | [UDPipe](https://ufal.mff.cuni.cz/udpipe) | 分词、词干提取、词性标注、依赖关系解析 — **自动检测35种语言** |
| `check_readability` | [PONK](https://ufal.mff.cuni.cz/ponk) | CZ可读性 — 4个特征集：指标 + 规则 + 词汇惊奇度 + 语音行为 |
| `correct_text` | [校正工具](https://ufal.mff.cuni.cz/korektor) | CZ拼写检查 + 自动添加/删除变音符号 |
| `translate_text` | [Charles翻译器](https://lindat.mff.cuni.cz/services/translation/) | 8种语言翻译（CZ/EN/FR/DE/PL/RU/UK/HI），17个直接对 + 自动EN-pivot |
### 支持语言 — NER + 形态学（35种语言，自动检测）
- 🇨🇿 CZ · 🇸🇰 SK · 🇬🇧 EN · 🇩🇪 DE · 🇫🇷 FR · 🇮🇹 IT · 🇪🇸 ES · 🇵🇹 PT · 🇳🇱 NL
- 🇵🇱 PL · 🇭🇺 HU · 🇷🇴 RO · 🇸🇮 SL · 🇧🇬 BG · 🇬🇷 EL · 🇭🇷 HR · 🇷🇸 SR · 🇺🇦 UK · 🇷🇺 RU
- 🇫🇮 FI · 🇱🇹 LT · 🇱🇻 LV · 🇪🇪 ET · 🇩🇰 DA · 🇸🇪 SV · 🇳🇴 NO (Bokmål + Nynorsk)
- 🇨🇳 ZH · 🇦🇪 AR · 🇹🇷 TR · 🇻🇳 VI · 🇮🇳 HI · 🇮🇱 HE · 🇯🇵 JA · 🇰🇷 KO · 🇹🇭 TH
## 适用场景（行业 + 用例）
在9个行业中经过压力测试，涵盖 **12.7KB跨行业文件** — 结果 **94/94个唯一PII被捕获**，一次调用。 此外还有 **国际语料库17/17**（US/UK/DE/FR/IT/ES/PL/RU/IN + 加密货币 + 学术 + 车队）：
| 行业 | 用例 | PII类型 |
|---|---|---|
| ⚖️ **法律** | 匿名化文件以供AI审查，GDPR合规 | 姓名，身份证号码，地址，案件编号，银行账号，护照号码 |
| 🏥 **医疗** | 研究用病历，住院统计 | 身份证号码，保险号码，医生联系方式 — 保留MKN-10临床代码 |
| 🎓 **学术** | 同行评审，出版引用 | ORCID，研究人员ID，合作者邮箱，资助 |
| 💳 **银行** | 合规，AI审计，报告 | 账号，卡号，银行账号，交易流水号 |
| 🏠 **房地产** | 匿名化房产证，合同 | 房产证号，土地号，业主 + 身份证号码 + 地址 |
| 🚗 **保险** | 赔偿处理，AI分析 | 车辆识别号，车牌号码，保单号码，驾驶执照 |
| 📜 **公证** | 公证记录以供AI总结 | 公证号码，公证人联系方式，案件编号 |
| 📚 **教务** | 学习证明，学生统计 | 学号，学生编号，ISIC，学生联系方式 |
| 🔬 **研究** | 研究语料库匿名化以确保伦理 | 以上所有 + 保留临床/法律代码 |
此外，35种语言支持多语言栈（legal docs SK/EN/DE/PL/UK/RU/FR/HI/ES/IT/AR + 24种其他语言测试过NER + 形态学，自动EN-pivot翻译）。 **CJK姓名（中文/日文）从v0.8.4开始被屏蔽**。
### 行业 #10 — 国际
| 用例 | PII类型 |
|---|---|
| 🌍 **US/UK/DE/FR/IT/ES/PL/RU/IN文件** | SSN，NIN，税务ID，NIR，Codice Fiscale，DNI，PESEL，Aadhaar，PAN，护照（8种语言）— 自动，无`lang=`参数 |
| 💰 **加密货币/Web3外联，智能合约** | Bitcoin（Legacy/P2SH/Bech32/Taproot），Ethereum，Monero，XRP，TRON |
| 🔐 **DevOps日志/API密钥检测** | OpenAI，Anthropic，OpenRouter，GitHub PAT，AWS，Google，Slack，Stripe令牌 |
| 🏢 **跨境B2B** | 外国公司（SARL/SAS/GmbH/AG/Ltd/LLC/Inc/SpA/SL/Sp. z o.o.）+ 欧盟增值税（28个国家）+ IBAN（30+ 个国家） |
## 安装
从PyPI（推荐）：
```bash
pip install anonymize-mcp
```
或从源码：
```bash
git clone https://github.com/Buggy1111/anonymize-mcp.git
cd anonymize-mcp
pip install -e .
```
## 在MCP客户端注册
`anonymize-mcp`是一个标准的 [MCP](https://modelcontextprotocol.io) 服务器（stdio传输）。注册并重启客户端后，您可以使用6种工具：
- `mcp__anonymize__extract_entities` — 多语言NER（35种语言自动检测）
- `mcp__anonymize__anonymize` — 生产级伪匿名化（CZ正则表达式预处理 + 停止列表 + 占位符模式）
- `mcp__anonymize__analyze_morphology` — 35种语言形态学（UDPipe 961个模型）
- `mcp__anonymize__check_readability` — CZ可读性（4个特征集）
- `mcp__anonymize__correct_text` — CZ拼写检查 + 变音符号
- `mcp__anonymize__translate_text` — 8种语言翻译
### Claude 代码（终端）
```bash
claude mcp add anonymize -s user -- anonymize-mcp
```
### Claude 桌面版
**旧版Claude Desktop**（Mac `.app`来自anthropic.com，Windows `.exe`安装程序）：
编辑 `~/Library/Application Support/Claude/claude_desktop_config.json`（Mac）
或 `%APPDATA%\Claude\claude_desktop_config.json`（Windows）：
```json
{
"mcpServers": {
"anonymize": {
"command": "anonymize-mcp"
}
}
}
```
**新版Claude Desktop**（Microsoft Store / appx package，“Cowork” UI）：截至 05/2026仅支持 **远程MCP服务器通过HTTP URL**。 像`anonymize-mcp`这样的本地stdio MCP服务器 **无法添加**。
> 在Windows上，`anonymize-mcp.exe`可能不在PATH中（通常为`C:\Python\Python3xx\Scripts\anonymize-mcp.exe`）。在配置中请使用完整路径。
### OpenAI Codex CLI _(作者未测试)_
编辑 `~/.codex/config.toml`:
```toml
[mcp_servers.anonymize]
command = "anonymize-mcp"
```
### Cursor _(作者未测试)_
编辑 `.cursor/mcp.json`在项目中（或全局 `~/.cursor/mcp.json`）：
```json
{
"mcpServers": {
"anonymize": {
"command": "anonymize-mcp"
}
}
}
```
### Windsurf, Cline, Zed, VS Code Copilot Agent _(作者未测试)_
相同的`mcpServers` JSON格式 — 参见客户端文档。 `command: "anonymize-mcp"`（或绝对路径）。
## 使用
在Claude Code中，只需输入：
> 匿名化来自 `document.md`的文件，启用placeholder_mode并返回干净的版本。
> 从文档中提取所有人，法院和案件编号。
> 客户提交了乌克兰文件 — 将其翻译成中文，提取实体并分析形态学。
> 使用PONK运行我的提交 — 返回激活的语法规则。
> 客户给我发送没有变音符号的文本 — 使用校正器进行补充。
## 作者
`anonymize-mcp`由 **Michal Bürgermeister** [@Buggy1111](https://github.com/Buggy1111)，michalbugy12@gmail.com）编写 — 来自CR的独立开发者。
感谢ÚFAL MFF UK的优秀工具 — 没有NameTag，MasKIT，UDPipe，PONK，校正器和Charles翻译器，就不会有这个MCP服务器。感谢ÚFAL团队（Jana Straková，Milan Straka，Jiří Mírovský，Barbora Hladká，Silvie Cinková等）多年对生产级NLP工具的工作。
在 [github.com/Buggy1111/anonymize-mcp](https://github.com/Buggy1111/anonymize-mcp)上欢迎提交issues，PR和反馈。
## 许可证
该工具遵循 **MIT许可证**（见 `LICENSE`）。
它下面有四个独立的工具，每个工具都有自己的许可证：
| 组件 | 作者 | 软件许可证 | 模型许可证 |
|------------|--------|------------------|----------------|
| **NameTag 3** | Jana Straková，Milan Straka | MPL 2.0 | **CC BY-NC-SA**（非商业） |
| **UDPipe** | Milan Straka，Jana Straková | MPL 2.0 | **CC BY-NC-SA**（非商业） |
| **MasKIT** | Jiří Mírovský，Barbora Hladká | MPL 2.0 | （基于规则） |
| **PONK** | Jiří Mírovský，Silvie Cinková，Barbora Hladká + 应用程序作者：Ivan Kraus，Arnold Stanovský，Jan Černý，Ivana Kvapilíková，Tomáš Polák，Silvie Cinková | MPL 2.0 | （基于规则 + UDPipe → CC BY-NC-SA） |
**重要提示**：该工具不调用本地安装，而是调用 **公共API服务**（`lindat.mff.cuni.cz`，`quest.ms.mff.cuni.cz`）。 免费用于学术和个人使用。批量/付费/生产流量需要作者和API提供者的明确同意。
## 安全
- **在云模式下，您将文本发送到外部服务器**（`quest.ms.mff.cuni.cz`，`lindat.mff.cuni.cz）。 **首先**在发送敏感数据之前 **先运行`anonymize`**。
- 完全 **私有处理** 使用 **零 egress本地模式**（下面） — 无文本离开您的机器。
## 零 egress / 本地模式 🔒
匿名化 **完全本地** - 没有外部API调用，没有文本离开机器。适用于GDPR / 法律 / 医疗数据，其中敏感内容不得离开。
```bash
pip install "anonymize-mcp[local]" # 添加ufal.nametag（本地NER）
python -m anonymize_mcp.local_backend # 一次性下载模型（~31 MB）
ANONYMIZE_MCP_LOCAL=1 anonymize-mcp # 在本地模式下启动服务器
```
在Claude Code中，只需在注册时添加env变量：```bash
claude mcp add anonymize -s user -e ANONYMIZE_MCP_LOCAL=1 -- anonymize-mcp
```
**工作原理：`anonymize` 跳过MasKIT API并匿名化本地regex预处理（80+ 模式）+ NameTag NER在进程中（`ufal.nametag` + CNEC 2.0 模型）。姓名，城市，机构，电话号码，IČO，RČ，案件编号等将被替换为占位符（`OSOBA1`，`MESTO1`，`TELEFON1`...），无需网络调用。
**配置（env）：**
| 变量 | 含义 |
| --- | --- |
| `ANONYMIZE_MCP_LOCAL=1` | 启用零 egress 模式 |
| `ANONYMIZE_MCP_NAMETAG_MODEL=/path/to/model.ner` | 自定义模型路径（否则自动下载到 `~/.cache/anonymize-mcp/models/`） |
| `ANONYMIZE_MCP_NO_DOWNLOAD=1` | 禁止自动下载（您必须手动提供模型） |
| `ANONYMIZE_MCP_LOCAL_ALLOW_CLOUD=1` | 允许在本地模式下使用云工具（否则拒绝，见下） |
**本地模式下内容是什么（v0.10.1）**：`anonymize` **和`extract_entities`** 完全离线运行（本地 CNEC 2.0 NER；多语言模型需要 API，会有警告提示）。其他工具（`translate_text`，`correct_text`，`check_readability`，`analyze_morphology`）会发送文本到ÚFAL API — 因此在零 egress 模式下 **被拒绝并显示解释性错误**；您可以有意识地允许使用 `ANONYMIZE_MCP_LOCAL_ALLOW_CLOUD=1`。
**强化设置（air-gapped / 审计机器）**：提前下载模型（`python -m anonymize_mcp.local_backend` — 校验 SHA-256），并使用 `ANONYMIZE_MCP_NO_DOWNLOAD=1` 启动服务器 — 然后该进程永远不会打开任何网络连接。
**权衡：** 本地 NameTag 1（CNEC 2.0，CC BY-NC-SA，**非商业**）比云 NameTag 3 简单 — 但 **没有网络 egress**。
## 使用的API（6个LINDAT REST终结点）
- `POST https://lindat.mff.cuni.cz/services/nametag/api/recognize` — NER
- `POST https://lindat.mff.cuni.cz/services/udpipe/api/process` — 形态学
- `POST https://lindat.mff.cuni.cz/services/korektor/api/correct` — 拼写检查
- `POST https://lindat.mff.cuni.cz/services/translation/api/v2/models/{src-tgt}` — 翻译
- `POST https://quest.ms.mff.cuni.cz/maskit/api/process` — 匿名化
- `POST https://quest.ms.mff.cuni.cz/ponk/api/process` — 可读性
## 开发
```bash
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
# 测试（272个离线测试；联网测试：pytest -m network）
pip install -e ".[test]"
pytest -m "not network"
```
## 发布流程
PyPI发布通过 [Trusted Publisher (OIDC)](https://docs.pypi.org/trusted-publishers/) 自动进行。
```bash
# 在pyproject.toml和src/anonymize_mcp/__init__.py中更新版本号
git commit -am "release: v0.X.0"
git tag v0.X.0
git push origin main --tags
```
