MCP Code Sanitizer

Name: MCP Code Sanitizer
Author: notasandy

作者：notasandy版本 0.1.0i★ –i在你的电脑上运行

注册名称io.github.notasandy/mcp-code-sanitizer

安装

概览

作者提供的说明（英文原文）

Strict AI code reviewer powered by Groq. Finds bugs and vulnerabilities.

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i非常新↓ 40/周 · ★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 开发者工具
你需要填写：GROQ_API_KEY

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
需要你自己填写： GROQ_API_KEY

标为机密的值是你账户的钥匙。千万不要分享给别人，也不要粘贴到聊天里。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "code-sanitizer": {
      "command": "uvx",
      "args": [
        "mcp-code-sanitizer"
      ],
      "env": {
        "GROQ_API_KEY": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add code-sanitizer --env GROQ_API_KEY=your-value -- uvx mcp-code-sanitizer

运行前请先填写空着的值。

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "code-sanitizer": {
      "command": "uvx",
      "args": [
        "mcp-code-sanitizer"
      ],
      "env": {
        "GROQ_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "code-sanitizer": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-code-sanitizer"
      ],
      "env": {
        "GROQ_API_KEY": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

需要你填写的值

GROQ_API_KEY 机密必填 env
Groq API key from console.groq.com/keys

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月8日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 notasandy 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“开发者工具”中的其他服务器比较i

星标数多于此分类中其他 5549 个服务器的 0%
发布到注册中心的时间比此分类中其他 5549 个服务器的 11% 更新
基础检查结果等于或优于此分类中其他 5549 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

MCP Code Sanitizer 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

你需要填写：GROQ_API_KEY

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.1.0）于6个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：GitHub, Desktop Commander, Cloudflare MCP

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：↓ 每周下载量i★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

GitHub

Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.

作者：github广泛使用★ 3.4万5天前更新

电脑或云端

安装

Desktop Commander

MCP server for terminal commands, file operations, and process management

作者：wonderwhy-er广泛使用↓ 71万/周★ 1万17天前更新

在你的电脑上运行

安装

Cloudflare MCP

Cloudflare MCP servers

作者：cloudflare广泛使用★ 444614个月前更新

在云端运行✓ mcp.cloudflare.com

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

mcp-code-sanitizer

Strict AI-powered code reviewer for Claude Desktop, Cursor, VS Code, and Claude Code CLI.

Finds bugs, vulnerabilities, and security issues — powered by Groq (free API).

Claude / Cursor / VS Code  ──MCP──►  code-sanitizer  ──REST──►  Groq API

(server.py) (llama-3.3-70b)

Features

Tool	What it does
`analyze_code`	Strict review — bugs, security issues, score 0–100
`compare_code`	Compares two versions, detects regressions, recommends merge/request_changes
`explain_code`	Step-by-step explanation for junior / middle / senior audience
`generate_tests`	Generates pytest / jest / go test — happy path, edge cases, security
`analyze_file`	Analyzes a whole file from disk with parallel chunking
`generate_report`	Builds an HTML report from any analysis result
`cache_info`	Cache statistics and clearing

Example output

"summary": "Critical SQL injection and secret exposed in logs", "score": 23, "issues": [ { "severity": "critical", "line": 2, "title": "SQL Injection", "description": "f-string directly interpolates user_id into query", "fix": "cursor.execute('SELECT * FROM users WHERE id = %s', (user_id,))" } ], "warnings": [{"title": "No exception handling", "description": "..."}], "suggestions": ["Consider using an ORM instead of raw SQL"] }

Installation

Prerequisite: Get a free Groq API key at console.groq.com/keys — no credit card required.

Claude Code CLI

claude mcp add code-sanitizer -e GROQ_API_KEY=gsk_your_key -- uvx mcp-code-sanitizer

Claude Desktop

OS	Config file
macOS	`~/Library/Application Support/Claude/claude_desktop_config.json`
Windows	`%APPDATA%\Claude\claude_desktop_config.json`
Linux	`~/.config/Claude/claude_desktop_config.json`

"mcpServers": { "code-sanitizer": { "command": "uvx", "args": ["mcp-code-sanitizer"], "env": { "GROQ_API_KEY": "gsk_your_key_here" } } } }

Cursor

Create .cursor/mcp.json in your project (or ~/.cursor/mcp.json globally):

"mcpServers": { "code-sanitizer": { "command": "uvx", "args": ["mcp-code-sanitizer"], "env": { "GROQ_API_KEY": "gsk_your_key_here" } } } }

VS Code

Requires VS Code 1.99+ with GitHub Copilot. Create .vscode/mcp.json in your project:

"servers": { "code-sanitizer": { "command": "uvx", "args": ["mcp-code-sanitizer"], "env": { "GROQ_API_KEY": "gsk_your_key_here" } } } }

Or add globally via Ctrl+Shift+P → "MCP: Add Server".

Don't have `uvx`? Install it with pip install uv, then use the commands above.

Manual install (alternative)

If you prefer cloning the repo:

git clone https://github.com/notasandy/mcp-code-sanitizer

cd mcp-code-sanitizer pip install -r requirements.txt cp .env.example .env # add your GROQ_API_KEY python server.py

Then point the client config to:

"command": "python", "args": ["/full/path/to/server.py"], "env": { "GROQ_API_KEY": "gsk_your_key_here" } }

GitHub Action — automatic PR review

Add AI code review to any repository in 5 lines. The action posts a structured comment on every PR with score, issues, and fix suggestions.

# .github/workflows/ai-review.yml

name: AI Code Review on: pull_request: types: [opened, synchronize]

permissions: contents: read pull-requests: write

jobs: review: runs-on: ubuntu-latest steps:

uses: notasandy/mcp-code-sanitizer@v1 with: groq_api_key: ${{ secrets.GROQ_API_KEY }}

Add GROQ_API_KEY to your repository secrets → Settings → Secrets → Actions.

The action automatically:

Reviews only changed files (up to 10 per PR)
Posts a score and structured issue list as a PR comment
Fails the check if critical issues are found

Usage in chat

After connecting, just write naturally:

Review this code for vulnerabilities:

def get_user(user_id): query = f"SELECT * FROM users WHERE id = {user_id}" return db.execute(query)

Or call tools explicitly:

analyze_file /path/to/my_script.py

generate_tests for this function: ... compare_code — before vs after refactor, did it get better? generate_report and save to /tmp/report.html

Architecture

mcp-code-sanitizer/

├── server.py # FastMCP entry point ├── config.py # Constants — keys, limits, extension map ├── groq_client.py # Async Groq client with auto-retry on 429 ├── cache.py # In-memory LRU cache with TTL ├── prompts.py # System prompts for all tools └── tools/ ├── analyze.py # analyze_code ├── compare.py # compare_code ├── explain.py # explain_code ├── tests.py # generate_tests ├── file_tool.py # analyze_file — chunking + parallel analysis ├── cache_tool.py # cache_info └── report.py # generate_report — HTML output

Configuration

All settings via .env or environment variables:

Variable	Default	Description
`GROQ_API_KEY`	—	Required. Get at console.groq.com
`GROQ_MODEL`	`llama-3.3-70b-versatile`	Groq model to use
`CACHE_TTL`	`3600`	Cache TTL in seconds
`CACHE_MAX`	`200`	Max cached entries

Available Groq models

Model	Speed	Quality
`llama-3.3-70b-versatile`	Fast	Best (default)
`llama-3.1-8b-instant`	Fastest	Good
`mixtral-8x7b-32768`	Fast	Great

Contributing

PRs and Issues are welcome. Most wanted:

Support for other LLM providers (OpenAI, Anthropic)
New tools: dependency audit, complexity score, docstring generator
Prompt improvements and new language support

License

MIT — do whatever you want. A star would be appreciated.