privacyscrubber-mcp

@privacyscrubber/mcp-server

经 CISO 认可的零信任 PII 与机密信息脱敏 MCP 服务，适用于 Cursor、Windsurf 和 Claude Desktop。 在内容到达远程大模型提供商之前，在本地从文件和文本上下文中清除 PII、机密信息、凭据和自定义正则规则，从而防止 API 泄露，并确保开发者端符合 HIPAA/SOC 2 合规要求。

支持零信任开源项目：如果 PrivacyScrubber 保护了你的 API 密钥、源代码和开发者凭据，避免它们因模型而泄露，请在 GitHub 上为此仓库点 Star，或执行 gh repo star moxno/privacyscrubber-mcp。 直接商业授权与生产基础设施：
想在后端微服务、ETL 流水线或 LangChain/LlamaIndex Agent 中自动执行零信任 PII 脱敏？

• 开发者 SDK（固定费用 $299/月或 $2,990/年）：无限内部后端节点、零网络出站流量、<1ms 内存延迟。订阅开发者 SDK | 技术规格
• TEAMS（固定费用 $99/月）：整个域中的团队席位数量不限，并支持加密 P2P 会话移交。部署 TEAMS 方案
• PRO（$15/月或 $110 终身授权）：单席位不限吞吐量，支持全部 30 种垂直领域配置文件。获取 PRO 许可证

---

🔒 零信任数据流

所有敏感参数、标识符和变量都会在本机内存中被拦截，并在发送给 AI 之前替换为令牌（例如 [EMAIL_1]）。AI 响应后，令牌会在本地上下文中安全地还原为原始值。

[Raw Input / Files] ──> [MCP sanitize_text] ──> [Masked Tokens] ──> [LLM API]
                               │                                       │
                        (In-Memory Map)                             (Result)
                               │                                       │
[Original Output] <─── [MCP reveal_text] <─────────────────────────────┘

---

🚀 安装

1. 一键通用自动安装程序（推荐）

自动检测本机已安装的 AI IDE，并安全配置 PrivacyScrubber，不会破坏现有工具：

# Auto-detect and configure all installed clients (Cursor, Claude Desktop, Claude Code, Windsurf, VS Code, Cline, Zed):
npx -y @privacyscrubber/mcp-server install --all

# Or target specific environments directly:
npx -y @privacyscrubber/mcp-server install --claude-code
npx -y @privacyscrubber/mcp-server install --vscode
npx -y @privacyscrubber/mcp-server install --zed
npx -y @privacyscrubber/mcp-server install --cursor
npx -y @privacyscrubber/mcp-server install --claude

2. 通过 Smithery 安装

使用 Smithery 自动配置并与首选客户端一同运行：

npx -y @smithery/cli install @privacyscrubber/mcp-server --write-to-clients

3. 使用 NPX 即时运行

无需本地安装，直接运行服务：

npx -y @privacyscrubber/mcp-server

4. 使用 UVX 即时运行（Python / PyPI）

在 Python Agent 工作流（CrewAI、LangChain、AutoGen、LlamaIndex）中直接运行服务：

uvx privacyscrubber-mcp

或通过 pip：

pip install privacyscrubber-mcp
privacyscrubber-mcp

5. Node.js / TypeScript 程序化 SDK（轻量级 Presidio 替代方案）

如果你需要在后端微服务、Next.js 应用或 RAG 向量流水线中直接进行内存内零信任 PII 清理，而不是使用 MCP 服务，请使用我们的官方零依赖 SDK：

npm install @privacyscrubber/sdk

import OpenAI from 'openai';
import { wrapOpenAI } from '@privacyscrubber/sdk';

// Transparently masks PII before sending to LLM and rehydrates responses:
const openai = wrapOpenAI(new OpenAI({ apiKey: process.env.OPENAI_API_KEY }));

// Outbound prompt is sanitized in local RAM before leaving your machine:
// "Schedule a call with [NAME_1] at [EMAIL_1] regarding API key [AWS_KEY_1]."
const completion = await openai.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: 'Schedule a call with Alice Smith at [email protected] with AKIAIOSFODNN7EXAMPLE.' }]
});

// Incoming LLM answer is automatically rehydrated with "Alice Smith ([email protected])":
console.log(completion.choices[0].message.content);

⚡ 为什么选择 @privacyscrubber/sdk，而不是 Microsoft Presidio？

Microsoft Presidio 是 Python 领域的标准方案，但要在 Node.js / TypeScript 技术栈中部署它，需要运行庞大的 Python 微服务、Docker 容器和 500MB+ 的 spaCy NLP 模型，延迟为 35–120ms。@privacyscrubber/sdk 完全在进程内运行，且零依赖：

功能 / 指标	@privacyscrubber/sdk	Microsoft Presidio	AWS Comprehend / Google Cloud DLP
运行时与依赖项	零依赖（约 150KB）	Python + Docker + spaCy（约 500MB）	笨重的云 SDK
执行延迟	内存中亚毫秒级（<1ms）	35–120ms HTTP/gRPC 往返	180–400ms 外部云往返
是否需要 Docker / Sidecar	不需要（纯进程内 Node/WASM）	必须使用 Docker 容器	需要 VPC 端点和 IAM 配置
网络出站流量	0 字节（100% 隔离）	本地内部网络跳转	向云端发送完整的未加密载荷
数据丢失与可逆性	零丢失（可通过 restore() 在内存中还原）	需要手动配置令牌保险库	不可逆的遮盖 / 哈希处理
OpenAI / LangChain 单行集成	内置（wrapOpenAI、wrapAiStream）	需要编写复杂的自定义流水线衔接代码	需要自定义代理架构
DevOps 密钥拦截	内置（AWS、JWT、DB URI、GitHub PAT）	需要自定义正则识别器	特定于云服务的分类器
流式数据还原	内置（wrapAiStream、TransformStream）	缓冲 / 分块拆分失败	不支持实时流

👉 在 NPM 上查看 @privacyscrubber/sdk | 完整文档、Express 中间件、LangChain 转换器和 25 种合规配置文件。

🤖 AI 编排方案：LangChain、LlamaIndex、CrewAI 与 AutoGPT

如果你要构建自主 Agent、RAG 向量管道或后端服务，而不是面向单个用户的 IDE 提示词，请使用 @privacyscrubber/sdk 在内存中清理数据：

1. LangChain.js（LCEL 与 RAG 文档摄取）

import { ChatOpenAI } from '@langchain/openai';
import { createLangChainTransform, createDocumentTransformer } from '@privacyscrubber/sdk';

// A. RAG Pre-Ingestion: sanitize documents before embedding into vector stores
const docTransformer = createDocumentTransformer({
  profile: 'General',
  sensitiveMetadataKeys: ['account_owner', 'submitter_email'],
  attachTelemetry: true
});
const sanitizedDocs = await docTransformer.transformDocuments(rawDocs);

// B. LCEL Runtime Chains: sanitize prompts and restore responses in local RAM
const transform = createLangChainTransform({ defaultProfile: 'Dev' });
const { scrubbedText, tokenMap } = transform.preprocess(
  "Deploying database with user admin and pwd postgresql://user:[email protected]:5432/prod"
);
const model = new ChatOpenAI({ model: 'gpt-4o' });
const response = await model.invoke(scrubbedText);
const finalOutput = transform.postprocess(response.content, tokenMap);

2. LlamaIndex.TS 与通用向量数据库摄取（Chroma、Pinecone、Qdrant）

import { createVectorIngestionGuard, createLlamaIndexTransform } from '@privacyscrubber/sdk';

// Initialize in-memory Vector Ingestion Guard (<1ms per batch, zero network egress)
const guard = createVectorIngestionGuard({
  profile: 'Finance',
  sensitiveMetadataKeys: ['contractor_email', 'billing_contact']
});

// A. Sanitize Chroma columnar batches ({ ids, documents, metadatas })
const cleanChroma = guard.sanitizeRecords(chromaBatch);

// B. Sanitize Pinecone / Qdrant record arrays ({ id, text/payload, metadata })
const cleanRecords = guard.sanitizeRecords(pineconeRecords);

// C. Align search query tokens with sanitized vector space before embedding
const { query: alignedQuery } = guard.sanitizeQuery("Search user [email protected] records");

// D. Transparent Vector Store Proxy: auto-sanitizes on write, re-hydrates on query
const guardedStore = guard.wrapVectorStore(nativeVectorStore);

npm 包中包含完整、可运行的方案，位于 @privacyscrubber/sdk/examples/ 下（或运行 npx @privacyscrubber/sdk）。

3. CrewAI 与多 Agent 集群（Sidecar 模式 / Python 互操作）

# Run lightweight zero-dependency local daemon (<1ms in-memory, 0 external network calls):
npx @privacyscrubber/sdk sidecar --port 3100

# In your Python CrewAI / AutoGen Agent tools:
import requests

def sanitize_agent_input(prompt: str) -> tuple[str, dict]:
    res = requests.post("http://127.0.0.1:3100/sanitize", json={"text": prompt, "profile": "Dev"}).json()
    return res["scrubbedText"], res["tokenMap"]

def restore_agent_output(ai_response: str, token_map: dict) -> str:
    res = requests.post("http://127.0.0.1:3100/restore", json={"text": ai_response, "tokenMap": token_map}).json()
    return res["restoredText"]

4. AutoGPT / 多轮自主 Agent

import { PrivacyScrubberEngine, createGuardedTools } from '@privacyscrubber/sdk';

const engine = new PrivacyScrubberEngine({ defaultProfile: 'Dev' });
// Equips agent with tools that intercept commands, file reads, and git diffs before model exposure:
const guardedTools = createGuardedTools(engine);

企业与生产环境许可：

• 自助式开发者 SDK（固定费用 $299/月或 $2,990/年）：内部后端节点、微服务和 RAG 管道数量不限。订阅开发者 SDK | 开发者 SDK 规格
• PrivacyScrubber TEAMS（固定费用 $99/月）：团队席位数量不限、集中式策略执行、加密会话交接。部署 TEAMS 方案
• 企业级隔离网络许可：本地部署源代码分发、零网络自定义模型。联系企业团队

🛡️ 架构与安全深入解析（零信任与云端 DLP）

当 AI IDE（Cursor、Claude Desktop、Windsurf）连接到模型提供商时，开发者凭据、数据库连接字符串和内部客户 PII 始终面临提示词外泄风险。@privacyscrubber/mcp-server 提供四项不可变的架构保障：

1. Stdio 隔离网络传输： MCP 服务仅通过 IDE 启动的本地标准输入/输出（stdio）子进程通信。它不开放任何外部监听端口，也不会发起任何远程网络请求。
2. 仅存于易失性 RAM 的令牌映射表： 合成令牌（[AWS_KEY_1]、[EMAIL_1]）与原始明文之间的映射表仅保存在易失性的节点内存中，并会在 IDE 会话关闭时立即清除。
3. 本地 ZTDS™ 内存引擎与云代理开销对比： 云端 DLP 网关（Nightfall、Skyflow）会增加 200–400 毫秒延迟，并将未加密代码传输给第三方；不同于这类网关，@privacyscrubber/mcp-server 在本地运行，耗时 <2 毫秒，且不会传出任何数据。
4. 永久标准与学术验证：
   • IETF 规范：draft-sibiryakov-ztds-protocol-01 — 修订版 01 · 2026-09-23 · 13 页
   • CERN / Zenodo 基金会：DOI 10.5281/zenodo.22058770
   • 开放科学中心（OSF）：DOI 10.17605/OSF.IO/5BYJF
   • 专利申请中：美国及国际专利申请中（《巴黎公约》/PCT 优先权）

---

⚙️ 客户端集成

Claude Desktop

将以下内容添加到 Claude Desktop 配置文件中：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows： %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Cursor

添加到项目的 .cursor/mcp.json（工作区）或 ~/.cursor/mcp.json（全局）：

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_PRO_OR_TEAMS_LICENSE_KEY"
      }
    }
  }
}

或通过 Cursor 图形界面操作： 打开 设置（Cmd/Ctrl + ,）→ 功能 → MCP → + 添加新的 MCP 工具：

• 名称： privacyscrubber
• 类型： command
• 命令： npx -y @privacyscrubber/mcp-server

Windsurf (Codeium)

添加到 ~/.codeium/windsurf/mcp_config.json：

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_PRO_OR_TEAMS_LICENSE_KEY"
      }
    }
  }
}

也可以通过 Windsurf 图形界面操作： 打开 Settings → MCP Settings → 添加新的命令服务 npx -y @privacyscrubber/mcp-server。

所有受支持客户端的即用型 JSON 模板均可在 examples/configs/ 中找到。

Cline / Roo Code

添加到 cline_mcp_settings.json：

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Claude Code CLI

直接在终端中添加：

claude mcp add privacyscrubber -- npx -y @privacyscrubber/mcp-server

VS Code 原生 MCP（.vscode/mcp.json）

要使用官方 VS Code 原生 MCP 支持，请配置项目的 .vscode/mcp.json：

{
  "servers": {
    "privacyscrubber": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Zed IDE（settings.json）

添加到 Zed 配置（~/.config/zed/settings.json 或 %APPDATA%\Zed\settings.json）：

{
  "context_servers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

---

🛠️ 提供的工具与 JSON-RPC 规范

1. sanitize_text

从文本块中编辑删除个人身份信息、机密、API 密钥和凭据，并填充易失的本地替换映射。

• 参数：
  • text（字符串，必填）：要清理的原始内容或日志。
  • profile（字符串，可选）：受限行业检测配置（例如，'General'、'Dev'、'Medical'、'Legal'、'Compliance'）。默认为 'General'。
• JSON-RPC 调用示例：

  {
    "method": "tools/call",
    "params": {
      "name": "sanitize_text",
      "arguments": {
        "text": "Contact me at dev-key-1234 or [email protected]",
        "profile": "General"
      }
    }
  }
  

• 响应示例：

  {
    "content": [
      {
        "type": "text",
        "text": "Contact me at [SECRET_1] or [EMAIL_1]"
      }
    ]
  }
  

2. reveal_text

在本地将 AI 响应中的令牌占位符还原为原始值。

• 参数：
  • text（字符串，必填）：包含令牌占位符的大模型响应。
• JSON-RPC 调用示例：

  {
    "method": "tools/call",
    "params": {
      "name": "reveal_text",
      "arguments": {
        "text": "Please reach out to [EMAIL_1] regarding the update."
      }
    }
  }
  

• 响应示例：

  {
    "content": [
      {
        "type": "text",
        "text": "Please reach out to [email protected] regarding the update."
      }
    ]
  }
  

3. sanitize_file

读取本地文件，提取文本并进行清理，然后返回编辑后的模板供大模型分析。

• **支持的格式：**纯文本（源代码、日志、CSV、JSON、Markdown）和 Microsoft Word（.docx）文档。
• 参数：
  • filePath（字符串，必填）：要读取并清理的绝对文件路径。
  • profile（字符串，可选）：行业检测配置。

4. guard_exec（命令执行防火墙）

在隔离的子进程中安全执行终端命令，在将 stdout/stderr 中的个人身份信息、数据库凭据和 API 密钥传递给 AI Agent 前，先在本地 RAM 中对其进行遮蔽。stderr 中包含 CISO 审计回执。

• 参数：
  • command（字符串，必填）：要执行的 shell 命令（例如 cat .env、docker logs web、git diff）。
  • cwd（字符串，可选）：工作目录。
  • profile（字符串，可选）：检测配置（默认为 Dev）。
  • timeout_ms（数字，可选）：超时时间，单位为毫秒（默认为 15000）。

5. guard_read_file（凭据遮蔽文件读取器）

读取文件（.env、配置文件、源代码、数据库转储），在易失性内存中对所有密码、JWT 和个人身份信息进行令牌化，并返回安全的编辑后内容，供 AI 推理使用。

• 参数：
  • file_path（字符串，必填）：文件路径。
  • profile（字符串，可选）：检测配置（默认为 Dev）。
  • max_lines（数字，可选）：大文件的行数上限（默认为 500）。

6. guard_git_diff（提交前与差异清理器）

检查已暂存（--cached）或未暂存的仓库差异，并在 AI 代码审查或生成提交消息之前，在本地 RAM 中对任何新引入的密钥或个人身份信息（PII）进行脱敏。

• 参数：
  • staged（布尔值，可选）：若为 true，则检查已暂存的更改（git diff --cached）。默认为 false。
  • cwd（字符串，可选）：工作目录。
  • profile（字符串，可选）：检测配置文件（默认为 Dev）。

7. guard_apply_patch（安全补丁应用器）

通过查询本地 RAM 会话映射，还原 AI 生成的代码或文本中的令牌占位符（[API_KEY_1]、[SECRET_1]），创建 .bak 备份，并将真实明文直接写入磁盘。远程大模型永远不会看到真实密钥。

• 参数：
  • file_path（字符串，必需）：目标文件的路径。
  • content（字符串，必需）：包含要还原到磁盘的令牌的内容。
  • create_backup（布尔值，可选）：写入前备份现有文件（默认为 true）。

8. create_agent_rules（一键注入 Agent 规则）

自动在 .cursorrules、.windsurfrules、CLAUDE.md、.github/copilot-instructions.md 或 .clinerules 中生成符合首席信息安全官（CISO）级别的零信任指令。

• 参数：
  • agent_types（数组，可选）：["all"]、["cursor"]、["windsurf"]、["claude_code"]、["copilot"]、["cline"]。默认为 ["all"]。
  • workspace_dir（字符串，可选）：工作区目录。

9. check_status

返回可视化仪表板，显示你当前的等级、会话请求数、已启用的配置文件以及升级说明。可随时使用它检查许可证状态或获取设置帮助。

• 参数： （无必需参数）
• JSON-RPC 调用示例：

  {
    "method": "tools/call",
    "params": { "name": "check_status", "arguments": {} }
  }
  

• 响应示例（免费版）：

  ╔══════════════════════════════════════════════════╗
  ║       PrivacyScrubber MCP Server v2.4.4          ║
  ╠══════════════════════════════════════════════════╣
  ║  🔓 等级：免费                                   ║
  ║  📊 会话请求数：5                                ║
  ║  📁 输入大小限制：每个请求 15,000 个字符         ║
  ╠══════════════════════════════════════════════════╣
  ║  🏷️  配置文件：仅常规 — PRO 解锁另外 30 个       ║
  ║  📋 自定义规则：🔒 已锁定 — 需要 PRO             ║
  ╠══════════════════════════════════════════════════╣
  ║  💳 升级到 PRO — 终身版 $110                     ║
  ║     https://privacyscrubber.com/pricing?utm_source=npm&utm_medium=readme&utm_campaign=mcp_server          ║
  ╠══════════════════════════════════════════════════╣
  ║  购买后，将密钥添加到 MCP 配置中：               ║
  ║  "PRIVACYSCRUBBER_KEY": "<your-key-here>"        ║
  ║  完整设置指南：                                  ║
  ║  https://privacyscrubber.com/pii-mcp/?utm_source=npm&utm_medium=readme&utm_campaign=mcp_server          ║
  ╚══════════════════════════════════════════════════╝
  

10. generate_procurement_memo（CISO 和 DPO 采购中心）

为 CISO、DPO 和法务审批生成机构业务论证、监管风险分析和采购备忘录。计算相对于数据泄露罚款和云 DLP 出站费用的确定性投资回报率。

• 参数：
  • targetTier（字符串，可选）：目标套餐（"teams"，$99/月；或 "sdk"，$299/月）。默认为 "teams"。
  • teamSize（数字，可选）：预计开发人员 / 分析师席位数量（默认为 10）。
  • primaryFramework（字符串，可选）：核心合规框架（"gdpr"、"hipaa"、"soc2" 或 "pci_dss"）。默认为 "gdpr"。
• JSON-RPC 调用示例：

  {
    "method": "tools/call",
    "params": {
      "name": "generate_procurement_memo",
      "arguments": {
        "targetTier": "teams",
        "teamSize": 15,
        "primaryFramework": "gdpr"
      }
    }
  }
  

• **输出：**格式化的 Markdown 企业采购备忘录，可立即插入内部 RFC、Confluence wiki 或企业采购申请。

---

🛡️ 独立命令行工具：ps-guard

PrivacyScrubber 提供 ps-guard，适用于 Unix 管道、提交前检查和 Agent 工作流：

# Run on-demand via scoped npx (zero external lookup):
cat .env | npx -y -p @privacyscrubber/mcp-server ps-guard --profile dev

# Or install globally for direct command access:
npm install -g @privacyscrubber/mcp-server

# Pipe any output through RAM redaction
cat .env | ps-guard --profile dev

# Execute commands through the ZTDS safety wrapper
ps-guard -- npm test

# Review git diff with secrets redacted
ps-guard --diff --staged

# Generate rules for all AI IDEs (.cursorrules, .windsurfrules, CLAUDE.md, copilot, cline)
ps-guard --rules

---

🌐 浏览器扩展和 Web 客户端

想要直接在 Web 浏览器中获得实时保护吗？

• **Chrome 扩展：**获取 PrivacyScrubber Chrome 扩展，在 ChatGPT、Claude 和 Gemini 中直接实时清理提示词。
• **Web 沙盒：**使用 PrivacyScrubber 主页上的零服务端浏览器清理工具。

📄 许可证和商业升级

默认情况下，服务以 免费版 运行（每次请求限 15,000 个字符，且仅提供基础 General PII 配置文件）。要解锁 30 种专业工程、医疗、法律和金融 PII 配置文件，以及团队范围的自定义规则，您可以购买商业许可证。

商业套餐和功能对比

功能	社区免费版	PRO 版	TEAMS 版	Developer SDK
执行架构	本地 Stdio RAM	本地 Stdio RAM	本地 Stdio RAM	进程内 Node/WASM
易失性令牌化	是（仅 RAM）	是（仅 RAM）	是（仅 RAM）	是（仅 RAM）
标准 PII 屏蔽	是	是	是	是
最大字符吞吐量	15,000 字符 / 次调用	无限制	无限制	无限制
30 种行业配置文件	仅 General（5k 试用）	全部 30 种配置文件	全部 30 种配置文件	全部 30 种配置文件
自定义 Regex 规则	锁定	无限制	无限制	无限制
团队规则同步（GPO）	否	否	是（共享链接）	是（可配置）
微服务 / RAG 导出	否	否	否	是（@privacyscrubber/sdk）
子处理方责任	0（客户端）	0（客户端）	0（客户端）	0（进程内 Node/WASM）
许可费用	$0	$15/月或 $110 终身	$99/月固定费率	$299/月或 $2,990/年
直接激活	默认包含	获取 PRO	部署 TEAMS	订阅 SDK

👉 在 privacyscrubber.com/pricing 获取商业许可证密钥

---

🔐 购买后：在 MCP 客户端中激活 PRO

在 privacyscrubber.com/pricing 购买 PRO 许可证后，你将收到一个许可证密钥。将其作为环境变量添加到 MCP 客户端配置中：PRIVACYSCRUBBER_KEY。

Claude Desktop

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows）：

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_LICENSE_KEY_HERE"
      }
    }
  }
}

保存后重启 Claude Desktop。

Cursor

1. 前往 Settings → Features → MCP Servers。
2. 找到 privacyscrubber 并点击 Edit。
3. 添加环境变量：PRIVACYSCRUBBER_KEY=YOUR_LICENSE_KEY_HERE。
4. 重启 Cursor。

也可以将其导出为系统范围的环境变量，以便所有工具都能读取：

# macOS / Linux — add to ~/.zshrc or ~/.bashrc
export PRIVACYSCRUBBER_KEY="YOUR_LICENSE_KEY_HERE"

Windsurf

编辑 ~/.codeium/windsurf/mcp_config.json：

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_LICENSE_KEY_HERE"
      }
    }
  }
}

验证激活状态

添加密钥后，让你的 AI Agent 调用 check_status：

Use the check_status tool from PrivacyScrubber MCP

---

🔗 生态系统与生产架构指南

• 🌐 Web 应用：https://privacyscrubber.com
• 📦 Node.js / TypeScript SDK：@privacyscrubber/sdk（npm）
• 🧩 Chrome 扩展程序：Chrome Web Store
• 🛡️ RAG 与向量数据库：在写入向量数据库前清理个人身份信息（Pinecone、Chroma、Qdrant）
• 🤖 LangChain 与 LlamaIndex：面向 AI Agent 管道的内存中个人身份信息中间件
• ⚡ AWS Comprehend 替代方案：无需数据外传或云端开销的内存中脱敏

---

📚 学术基础与法规合规验证

PrivacyScrubber 和零信任数据净化（ZTDS）协议有已发表的科学、临床和法律论述作为依据：

仓库 / 档案	DOI / 标识符	重点领域	法规与合规范围
IETF 规范	draft-sibiryakov-ztds-protocol	面向前沿 AI 数据导入的 ZTDS 协议（互联网草案）	全球 AI 隐私、零数据外传架构
Zenodo / CERN	10.5281/zenodo.22058770	零信任数据净化（ZTDS）协议基础	跨境 AI 隐私、ISO 27001 A.8.11
OSF（开放科学中心）	10.17605/OSF.IO/5BYJF	实测延迟基准与内存分析（<2ms RAM）	性能与云端 DLP 代理的对比
SSRN / Elsevier	SSRN ID: 7335581	企业级生成式 AI 治理	EU AI Act、UK GDPR、美国各州隐私法规
medRxiv（冷泉港）	MEDRXIV/2026/361661	多中心临床试验去标识化	HIPAA Safe Harbor 第 164.514(b) 节
法律档案库 / OSF	LawArchive ID: 4wc86	在 AI 工作流中维护律师—客户特权	ABA 示范规则与法律伦理

在研究与审计中引用 PrivacyScrubber

@software{sibiryakov2026privacyscrubber,
  author = {Sibiryakov, Ilya},
  title = {PrivacyScrubber: Zero-Trust Data Sanitization (ZTDS) Engine & MCP Server},
  year = {2026},
  publisher = {Zenodo},
  doi = {10.5281/zenodo.22058770},
  url = {https://github.com/moxno/privacyscrubber-mcp}
}

---

📄 许可证

MIT © Ilya Sibiryakov（BrandMeWeb）

---

⚖️ 知识产权与专利披露

本软件包中实现的零信任数据清理（ZTDS）架构、内存中确定性令牌化、加密会话移交和 stdio 执行方法，均为 Ilya Sibiryakov（BrandMeWeb）的专有技术，且处于专利申请中状态：

• **法律状态：**美国及国际专利申请中
• 优先权框架：《巴黎公约》第 4 条及《美国法典》第 35 编第 119 条规定的优先权（12 个月有效期内）
• **专利状态：**美国及国际专利申请中（优先权已锁定）
• **正式标题：**人工智能工作流中客户端零信任数据清理与加密会话移交的系统和方法
• 专利披露中心：privacyscrubber.com/patents/（通过律师签署保密协议进行正式核验）。

🌐 互联网工程任务组（IETF）规范

• **规范标题：**面向前沿人工智能摄取的零信任数据清理（ZTDS）协议
• **文档类别：**IETF 互联网草案（个人提交）
• IETF Datatracker：https://datatracker.ietf.org/doc/draft-sibiryakov-ztds-protocol/
• 纯文本存档：https://www.ietf.org/archive/id/draft-sibiryakov-ztds-protocol-01.txt