Czech PII Anonymizer & NLP

anonymize-mcp

封装 LINDAT / ÚFAL MFF UK NLP 工具的 MCP 服务——多语言 NER + 形态分析（35 种语言自动检测）、生产级匿名化，覆盖 9 个行业的 80 多种 PII 模式 + 国际范围（US/UK/DE/FR/IT/ES/PL/RU/IN、28 个国家的 EU VAT、30 多个国家的 IBAN、加密货币、API 令牌）、8 种语言之间的翻译（17 个直接语对 + 自动 EN 中转）、可读性分析和文本校对。

🔒 新增（v0.10.0）：零外传本地模式——完全离线匿名化，文本不会离开设备。适用于 GDPR / 法律 / 医疗数据。启用方式：ANONYMIZE_MCP_LOCAL=1。

🌐 不想安装任何内容？免费在线试用 → anonymizace.js.org——直接在浏览器中进行匿名化、NER、形态分析、文本校对和捷克语翻译。这是此 MCP 服务的配套网站。

仅限非商业用途。 NameTag 和 UDPipe 模型采用 CC BY-NC-SA 许可。LINDAT API 可免费用于学术和个人用途。商业部署请联系工具作者和 [email protected]。

非官方社区项目——并非由 ÚFAL MFF UK 运营或认可；这是由独立开发者封装公开 LINDAT API 的项目。名称变更历史：ufal-mcp → wrapper-mcp（v0.8.0，应 ÚFAL 要求）→ anonymize-mcp（v0.9.0）。如果已安装弃用的 wrapper-mcp 包，请改用 pip install anonymize-mcp——这是同一个项目。

功能

工具	后端	用途
extract_entities	NameTag 3	CZ 的 NER（丰富的 CNEC 2.0 标注集）+ 另外 34 种语言（UNER PER/ORG/LOC），支持自动检测
anonymize	MasKIT + NameTag	生产级假名化：使用正则表达式预处理，覆盖 80 多种 PII 模式——捷克语 + 国际范围（30 多个国家的 IBAN、28 个国家的 EU VAT、US SSN/EIN、DE/UK/FR/IT/ES/PL/RU/IN 身份证件、加密货币、API 令牌）。可选启用 placeholder_mode（确定性生成 OSOBA1/MESTO1）。🔒 零外传本地模式（ANONYMIZE_MCP_LOCAL=1）——完全离线，见下文.
analyze_morphology	UDPipe	分词、词形还原、词性标注、依存句法分析——自动检测 35 种语言
check_readability	PONK	捷克语可读性分析——4 组特征：指标 + 规则 + 词汇意外度 + 言语行为
correct_text	Korektor	捷克语拼写检查器 + 自动添加 / 删除变音符号
translate_text	Charles Translator	8 种语言之间的翻译（CZ/EN/FR/DE/PL/RU/UK/HI），17 个直接语对 + 自动 EN 中转

支持的语言——NER + 形态分析（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（书面挪威语 + 新挪威语）
• 🇨🇳 ZH · 🇦🇪 AR · 🇹🇷 TR · 🇻🇳 VI · 🇮🇳 HI · 🇮🇱 HE · 🇯🇵 JA · 🇰🇷 KO · 🇹🇭 TH

适用对象（行业 + 使用场景）

在 9 个行业中经过压力测试，使用 12.7KB 跨行业档案——结果是单次调用捕获 94/94 个唯一 PII。另有 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	使用场景	MCP 可处理的 PII
⚖️ 法律	在 AI 审查前匿名化档案，满足 GDPR 合规要求	姓名、个人识别号、地址、案件编号、案号、IBAN、身份证、数据邮箱
🏥 医疗	用于研究的出院报告、住院统计	个人识别号、医疗机构识别号、保险号、医生联系方式——保留 MKN-10 临床代码
🎓 科学 / 学术	同行评审、出版物引用	ORCID、Researcher ID、同事的电子邮件、资助项目
💳 银行	合规、将银行对账单交给 AI 处理、报送	银行账户、银行卡、IBAN、可变/常量/特定符号、对账单表头
🏠 房地产 / 地籍	匿名化地籍登记摘录、合同	土地登记编号、地块、地籍区、所有者 + 个人识别号 + 地址
🚗 保险公司	理赔、AI 分析	VIN、车牌号、保单号、车辆登记证、身份证、被保险人的个人识别号
📜 公证人	用于 AI 摘要的公证文书	公证文书、身份证、公证人的数据邮箱、案号
📚 教务处	在读证明、学生统计	学生编号、学号、ISIC、学生联系方式
🔬 研究 / NGO	匿名化用于研究伦理审查的语料库	以上所有内容 + 保留临床/法律代码

多语言技术栈还支持 35 种语言（法律文档 SK/EN/DE/PL/UK/RU/FR/HI/ES/IT/AR + 另外 24 种已测试 NER 和形态分析；翻译不在 Charles 直接配对范围内时自动以 EN 为中转语言）。从 v0.8.4 起支持屏蔽 CJK 姓名（中文/日文）。

行业 #10 — 国际

使用场景	MCP 可处理的 PII
🌍 US/UK/DE/FR/IT/ES/PL/RU/IN 文档	SSN、NIN、Steuer-ID、NIR、Codice Fiscale、DNI、PESEL、Aadhaar、PAN、护照（8 种语言）——无需 lang= 参数即可自动识别
💰 加密货币/Web3 外联、智能合约	Bitcoin（Legacy/P2SH/Bech32/Taproot）、Ethereum、Monero、XRP、TRON
🔐 DevOps 日志 / API 密钥泄漏检测	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.）+ EU VAT（28 个国家）+ IBAN（30 多个国家）

安装

从 PyPI 安装（推荐）：

pip install anonymize-mcp

或从 source 安装：

git clone https://github.com/Buggy1111/anonymize-mcp.git
cd anonymize-mcp
pip install -e .

在 MCP 客户端中注册

anonymize-mcp 是标准的 MCP 服务（stdio 传输）。注册并重启客户端后，即可使用 6 个工具：

• mcp__anonymize__extract_entities — 多语言 NER（自动检测 35 种语言）
• mcp__anonymize__anonymize — 生产级 CZ 假名化（正则预处理 + 停用词列表 + 占位符模式）
• mcp__anonymize__analyze_morphology — 自动检测 35 种语言的形态分析（961 个 UDPipe 模型）
• mcp__anonymize__check_readability — CZ 可读性（4 组特征）
• mcp__anonymize__correct_text — CZ 拼写检查 + 变音符号
• mcp__anonymize__translate_text — 8 种语言之间的翻译

Claude Code（终端）

claude mcp add anonymize -s user -- anonymize-mcp

Claude Desktop

旧版 Claude Desktop（来自 anthropic.com 的 Mac .app、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）：

{
  "mcpServers": {
    "anonymize": {
      "command": "anonymize-mcp"
    }
  }
}

新版 Claude Desktop（Microsoft Store / appx package，“Cowork” UI）：截至 05/2026，仅支持通过 HTTP URL 连接的远程 MCP 服务。此处无法添加像 anonymize-mcp 这样的本地 stdio MCP 服务。

在 Windows 上，anonymize-mcp.exe 可能不在 PATH 中（通常位于 C:\Python\Python3xx\Scripts\anonymize-mcp.exe）。此时请在配置中使用完整路径。

OpenAI Codex CLI （作者未测试）

编辑 ~/.codex/config.toml：

[mcp_servers.anonymize]
command = "anonymize-mcp"

Cursor （作者未测试）

编辑项目中的 .cursor/mcp.json（或全局配置 ~/.cursor/mcp.json）：

{
  "mcpServers": {
    "anonymize": {
      "command": "anonymize-mcp"
    }
  }
}

Windsurf、Cline、Zed、VS Code Copilot Agent （作者未测试）

使用相同的 mcpServers JSON 格式——请参阅相应客户端的文档。command: "anonymize-mcp"（也可使用绝对路径）。

使用方法

在 Claude Code 中只需输入例如：

使用 placeholder_mode 匿名化 dokument.md 中的文本，并返回干净版本。

从文档中提取所有人物、法院和案号。

客户带来了一份乌克兰语文档——帮我把它翻译成捷克语，查找实体并分析形态。

用 PONK 处理我的诉状——返回已触发的语法规则。

客户从手机发来了一段没有变音符号的文本——用 Korektor 补上变音符号。

作者

anonymize-mcp 由 Michal Bürgermeister（@Buggy1111，[email protected]）编写——一位来自捷克共和国的独立开发者。

这是一个围绕 ÚFAL MFF UK 优秀工具的封装——没有 NameTag、MasKIT、UDPipe、PONK、Korektor 和 Charles Translator，这个 MCP 服务就不可能存在。感谢整个 ÚFAL 团队（Jana Straková、Milan Straka、Jiří Mírovský、Barbora Hladká、Silvie Cinková 等人）多年来为捷克语打造生产级 NLP 工具。

欢迎在 github.com/Buggy1111/anonymize-mcp 提交 Issue、PR 和反馈。

许可证

本工具采用 MIT 许可证（参见 LICENSE）。

它底层使用四个独立工具，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（非商业用途）
UDPipe	Milan Straka、Jana Straková	MPL 2.0	CC BY-NC-SA（非商业用途）
MasKIT	Jiří Mírovský、Barbora Hladká	MPL 2.0	（基于规则）
PONK	Jiří Mírovský、Silvie Cinková、Barbora Hladká + 子应用作者：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：本工具不会调用本地安装，而是调用公共 API 服务（lindat.mff.cuni.cz、quest.ms.mff.cuni.cz）。学术和个人用途免费。批量、付费或生产环境流量需要获得作者和 API 运营方的明确许可。

安全

• 在云端模式下，你会将文本发送到外部服务器（quest.ms.mff.cuni.cz、lindat.mff.cuni.cz）。发送敏感数据前，请先使用 anonymize 处理文本。
• 如需完全私密地处理，请使用零出站流量的本地模式（见下文）——不会有任何文本离开你的设备。

零出口／本地部署模式 🔒

完全在本地进行匿名化——不调用外部 API，也不会有任何文本离开设备。适用于 GDPR、法律和医疗数据等敏感内容不得外传的场景。

pip install "anonymize-mcp[local]"          # přidá ufal.nametag (lokální NER)
python -m anonymize_mcp.local_backend        # jednorázově stáhne model (~31 MB)
ANONYMIZE_MCP_LOCAL=1 anonymize-mcp          # spusť server v lokálním módu

在 Claude Code 中，只需在注册时添加环境变量：

claude mcp add anonymize -s user -e ANONYMIZE_MCP_LOCAL=1 -- anonymize-mcp

工作原理：anonymize 会跳过 MasKIT API，通过本地正则预处理（80 多种模式）和在进程内运行的 NameTag NER（ufal.nametag + CNEC 2.0 模型）进行匿名化。姓名、城市、机构、电话号码、公司 ID、个人 ID、案号等会被替换为占位符（OSOBA1、MESTO1、TELEFON1……），不会进行任何网络调用。

配置（环境变量）：

变量	含义
ANONYMIZE_MCP_LOCAL=1	启用零出口模式
ANONYMIZE_MCP_NAMETAG_MODEL=/cesta/model.ner	自定义模型路径（否则会自动下载到 ~/.cache/anonymize-mcp/models/）
ANONYMIZE_MCP_NO_DOWNLOAD=1	禁止自动下载（必须手动提供模型）
ANONYMIZE_MCP_LOCAL_ALLOW_CLOUD=1	明确允许在本地模式下使用云端工具（否则会被拒绝，见下文）

本地模式下可在本地运行的内容（v0.10.1）：anonymize 和 extract_entities 均可完全离线运行（使用本地 CNEC 2.0 NER；多语言模型需要 API，工具会发出警告）。其他工具（translate_text、correct_text、check_readability、analyze_morphology）会将文本发送到 ÚFAL API，因此在零出口模式下会被拒绝，并显示说明性错误；设置 ANONYMIZE_MCP_LOCAL_ALLOW_CLOUD=1 可明确允许使用这些工具。

**强化配置（气隙隔离／经过审计的机器）：**提前下载模型（python -m anonymize_mcp.local_backend——会验证 SHA-256），并使用 ANONYMIZE_MCP_NO_DOWNLOAD=1 部署服务——这样进程就不会建立任何网络连接。

权衡：本地 NameTag 1（CNEC 2.0，CC BY-NC-SA，非商业用途）比云端 NameTag 3 稍简单，且不包含 MasKIT 规则引擎，换来的是零数据外传。

使用的 API（6 个 LINDAT REST 端点）

• POST https://lindat.mff.cuni.cz/services/nametag/api/recognize — NER
• POST https://lindat.mff.cuni.cz/services/udpipe/api/process — 形态分析
• 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 — 可读性检查

开发

python3 -m venv .venv
source .venv/bin/activate
pip install -e .

# Testy (272 offline testů; síťové: pytest -m network)
pip install -e ".[test]"
pytest -m "not network"

发布流程

PyPI 发布通过 Trusted Publisher（OIDC） 自动完成。

# Bump version v pyproject.toml a src/anonymize_mcp/__init__.py
git commit -am "release: v0.X.0"
git tag v0.X.0
git push origin main --tags