GitHits
Search public open-source code, documentation, metadata, vulnerabilities, changelogs, and examples.
Zero-Trust PII and secrets sanitizer for Cursor, Claude, and AI agents. 100% in-memory.
列表按使用分(满分 100)排序,由以下部分组成
| 热度 | 22/80 | GitHub 星标或每周下载量:较大的计 60,较小的计 20 |
|---|---|---|
| 新鲜度 | 12/12 | 30 天内有发布或代码更新得满分 |
| 仍在响应 | 0/8 | 上次检查时云端端点有响应 |
| 使用分 | 34/100 |
质量: 基础检查通过 2/3 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)
选择你使用的 AI 应用,然后复制设置。
用一句话让 AI 帮你安装
请帮我安装 PrivacyScrubber PII Masking MCP。按照 https://mcp.popnx.com/i/moxno-privacyscrubber-mcp.md 操作,先把命令给我看,等我同意后再运行。粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文
通过 2/3 项检查 · 在你的电脑上运行 · ✓ 命令已检查 2026年11月14日
第一步:你用哪个 AI?
选择你用的应用,步骤会显示在下方。
可连接 Claude,但需要先准备
需要先在电脑上安装 Node.js(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用
把这段话复制到 Claude 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude 安装 MCP server PrivacyScrubber PII Masking MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "privacyscrubber": { "command": "npx", "args": [ "-y", "@privacyscrubber/mcp-server" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 PrivacyScrubber PII Masking MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
SettingsDeveloperEdit Config
{
"mcpServers": {
"privacyscrubber": {
"command": "npx",
"args": [
"-y",
"@privacyscrubber/mcp-server"
]
}
}
}用 PrivacyScrubber PII Masking MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude 说正在使用 PrivacyScrubber PII Masking MCP,或回答中出现 PrivacyScrubber PII Masking MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
PRIVACYSCRUBBER_KEY 可选的 PRO 或 TEAMS 许可证密钥,用于解锁专用检测配置文件。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
ChatGPT 暂时无法连接 PrivacyScrubber PII Masking MCP
PrivacyScrubber PII Masking MCP 需要安装在你的电脑上,而 ChatGPT 只能连接在网上运行的服务器
A · 使用能连接 PrivacyScrubber PII Masking MCP 的应用
B · 网络安全 类中能连接 ChatGPT 的其他服务器
从同类中使用较多的里挑选,仅限用地址即可连接、无需密钥的
可连接 Claude Code,但需要先准备
需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 Claude Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Claude Code 安装 MCP server PrivacyScrubber PII Masking MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):claude mcp add --scope user privacyscrubber -- npx -y @privacyscrubber/mcp-server 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 PrivacyScrubber PII Masking MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell
claude mcp add --scope user privacyscrubber -- npx -y @privacyscrubber/mcp-server应能看到 PrivacyScrubber PII Masking MCP 在列表中并显示已连接
用 PrivacyScrubber PII Masking MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude Code 说正在使用 PrivacyScrubber PII Masking MCP,或回答中出现 PrivacyScrubber PII Masking MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
PRIVACYSCRUBBER_KEY 可选的 PRO 或 TEAMS 许可证密钥,用于解锁专用检测配置文件。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
可连接 Cursor,但需要先准备
需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 Cursor 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 Cursor 安装 MCP server PrivacyScrubber PII Masking MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "privacyscrubber": { "command": "npx", "args": [ "-y", "@privacyscrubber/mcp-server" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 PrivacyScrubber PII Masking MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
用 PrivacyScrubber PII Masking MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Cursor 说正在使用 PrivacyScrubber PII Masking MCP,或回答中出现 PrivacyScrubber PII Masking MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
PRIVACYSCRUBBER_KEY 可选的 PRO 或 TEAMS 许可证密钥,用于解锁专用检测配置文件。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同
可连接 VS Code,但需要先准备
需要先在电脑上安装 Node.js(只需一次)
把这段话复制到 VS Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。
请在这台电脑上为 VS Code 安装 MCP server PrivacyScrubber PII Masking MCP,按顺序:1) 用 node -v 检查是否有 Node.js。没有的话,请让我从 https://nodejs.org/en/download 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "servers": { "privacyscrubber": { "type": "stdio", "command": "npx", "args": [ "-y", "@privacyscrubber/mcp-server" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 PrivacyScrubber PII Masking MCP 的工具真的出现了。这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。
已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter
node -vMac:按 ⌘ + Space,输入 Terminal 后按 Enter
Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”
还没安装: 打开官方下载页,选择 LTS 版本和点选式安装程序:Mac 用 .pkg · Windows 用 .msi。双击后一路下一步即可,不需要 curl 命令
装好后关掉终端再打开,重新运行同一条命令,应显示版本号: node -v
安装一次,所有需要 Node.js 的工具都能用
用 PrivacyScrubber PII Masking MCP 告诉我你能帮我做什么,然后做一件给我看✓ 如果 VS Code 说正在使用 PrivacyScrubber PII Masking MCP,或回答中出现 PrivacyScrubber PII Masking MCP 的工具名称,就表示连接成功
上面的命令不填这些也能用。想调整时再按开发者的说明添加。
PRIVACYSCRUBBER_KEY 可选的 PRO 或 TEAMS 许可证密钥,用于解锁专用检测配置文件。 说明为自动翻译,变量名保持原样;不确定时请查看原文。
菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同
Claude Code
claude mcp add --scope user privacyscrubber -- npx -y @privacyscrubber/mcp-serverClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"privacyscrubber": {
"command": "npx",
"args": [
"-y",
"@privacyscrubber/mcp-server"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"privacyscrubber": {
"command": "npx",
"args": [
"-y",
"@privacyscrubber/mcp-server"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"privacyscrubber": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@privacyscrubber/mcp-server"
]
}
}
}PRIVACYSCRUBBER_KEY 机密 env说明为自动翻译,变量名保持原样;不确定时请查看原文。
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。
依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。
在你的电脑上运行,适用于
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
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。
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19日
注册名称已通过 GitHub 账户 moxno 验证,该账户拥有此仓库
代码最后更新于昨天
GitHub 无法识别许可证类型;请打开文件自行查看
它在你的电脑上运行,没有互联网端点
在你的电脑上运行,改用本地设置
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
OSV.dev 中没有 @privacyscrubber/mcp-server@2.5.0 的记录
只检查这个版本的包本身,不包括所有依赖 · 检查于 2026年11月15日
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/servers/moxno-privacyscrubber-mcp)提问、分享技巧或报告无法使用。按“有帮助”数量排序。
还没有评价
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。
它在 3 项适用的基础检查中通过了 2 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。
注册中心没有列出必需的密钥,不过有些服务器会在首次使用时要求你登录。
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)。
GitHub 仓库最后更新于昨天,最新版本(2.5.0)于6天前进入注册中心。
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 Node.js, Python (uv)。
同一分类中有:GitHits, Dependency Management MCP Server, Snyk MCP, TokenSafe, Draugr
同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。
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
Search public open-source code, documentation, metadata, vulnerabilities, changelogs, and examples.
Sonatype component intelligence: versions, security analysis, and Trust Score recommendations
Easily find and fix security issues in your applications leveraging Snyk platform capabilities.
Your AI agent is smart enough to code all day. Local firewall & zero-loss runtime.
Security scanning for AI agents: SAST, SCA, secrets, IaC, DAST, ranked by real risk.
| 本项 PrivacyScrubber PII Masking MCP | GitHits | Dependency Management MCP Server | Snyk MCP | TokenSafe | Draugr | |
|---|---|---|---|---|---|---|
| 运行位置 | 需要安装在电脑上 | 云端或安装在电脑上都可以 | 在云端运行,无需安装 | 需要安装在电脑上 | 云端或安装在电脑上都可以 | 需要安装在电脑上 |
| 需要密钥 | 否 | 否 | 否 | 否 | 否 | 否 |
| 可在 Claude 中按 + 添加 | 否 | 否 | 否 | 否 | 否 | 否 |
| 基础检查 | 2/3 | 5/5 | 3/4 | 3/3 | 5/5 | 3/3 |
| 许可证 | NOASSERTION | Apache-2.0 | – | Apache-2.0 | MIT | Apache-2.0 |
| 价格 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 |
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。
CISO-Approved Zero-Trust PII & Secrets Redaction MCP Server for Cursor, Windsurf, and Claude Desktop. Locally scrubs PII, secrets, credentials, and custom regex rules from files and text contexts before they reach remote LLM providers to prevent API leaks and ensure HIPAA/SOC 2 compliance at the developer endpoint.
Support Zero-Trust Open Source: If PrivacyScrubber protects your API keys, source code, and developer credentials from model leaks, please [Star this repository on GitHub](https://github.com/moxno/privacyscrubber-mcp) or execute
gh repo star moxno/privacyscrubber-mcp.
Direct Commercial Licensing & Production Infrastructure:
Looking to automate zero-trust PII redaction inside backend microservices, ETL pipelines, or LangChain/LlamaIndex agents?
- Developer SDK ($299/mo flat or $2,990/yr): Unlimited internal backend nodes, zero network egress, <1ms in-memory latency. [Subscribe to Developer SDK](https://privacyscrubber.com/pricing?tier=sdk&utm_source=mcp_readme) | [Technical Specs](https://privacyscrubber.com/sdk/?utm_source=mcp_readme)
- TEAMS ($99/mo flat): Unlimited team seats across your entire domain with cryptographic P2P session handoff. [Deploy TEAMS Plan](https://privacyscrubber.com/pricing?tier=teams&utm_source=mcp_readme)
- PRO ($15/mo or $110 Lifetime): Single-seat unlimited throughput across all 30 vertical profiles. [Get PRO License](https://privacyscrubber.com/pricing?tier=pro&utm_source=mcp_readme)
All sensitive parameters, identifiers, and variables are intercepted locally inside your machine's RAM. They are replaced by tokens (e.g. [EMAIL_1]) before being sent to the AI. Once the AI responds, the tokens are safely swapped back to original values in your local context.
[Raw Input / Files] ──> [MCP sanitize_text] ──> [Masked Tokens] ──> [LLM API]
│ │ (In-Memory Map) (Result) │ │ [Original Output] <─── [MCP reveal_text] <─────────────────────────────┘
Automatically detects installed AI IDEs on your machine and safely configures PrivacyScrubber without corrupting existing tools:
# Auto-detect and configure all installed clients (Cursor, Claude Desktop, Claude Code, Windsurf, VS Code, Cline, Zed):
npx -y @privacyscrubber/mcp-server install --all
npx -y @privacyscrubber/mcp-server install --workspace
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
To automatically configure and run with your preferred client, install using Smithery:
npx -y @smithery/cli install @privacyscrubber/mcp-server --write-to-clients
Run the server directly without local installation:
npx -y @privacyscrubber/mcp-server
Run the server directly inside Python agent workflows (CrewAI, LangChain, AutoGen, LlamaIndex):
uvx privacyscrubber-mcp
Or via pip:
pip install privacyscrubber-mcp
privacyscrubber-mcp
Need direct, in-memory zero-trust PII sanitization in your backend microservice, Next.js app, or RAG vector pipeline rather than an MCP server? Use our official zero-dependency 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 alice@acme.com with [PopNx MCP ตัดค่าที่หน้าตาเหมือนกุญแจออก].' }] });
// Incoming LLM answer is automatically rehydrated with "Alice Smith (alice@acme.com)": console.log(completion.choices[0].message.content);
Microsoft Presidio is the Python standard, but deploying it in a Node.js / TypeScript stack requires running heavy Python microservices, Docker containers, and 500MB+ spaCy NLP models with 35–120ms latency. @privacyscrubber/sdk runs 100% in-process with zero dependencies:
| Feature / Metric | @privacyscrubber/sdk | Microsoft Presidio | AWS Comprehend / Google Cloud DLP |
|---|---|---|---|
| Runtime & Dependencies | 0 dependencies (~150KB) | Python + Docker + spaCy (~500MB) | Heavy Cloud SDKs |
| Execution Latency | Sub-millisecond in RAM (<1ms) | 35–120ms HTTP/gRPC roundtrip | 180–400ms external cloud roundtrip |
| Docker / Sidecar Needed | None (Pure in-process Node/WASM) | Mandatory Docker container | VPC endpoints & IAM configurations |
| Network Egress | 0 Bytes (100% Air-gapped) | Local internal network hop | Full unencrypted payload to cloud |
| Data Loss & Reversibility | 0 Loss (RAM-reversible via `restore()`) | Manual token vault configuration | Irreversible masking / hashing |
| OpenAI / LangChain 1-Liner | Built-in (`wrapOpenAI`, `wrapAiStream`) | Complex custom pipeline glue | Custom proxy architecture |
| DevOps Secrets Interception | Built-in (AWS, JWT, DB URIs, GitHub PAT) | Custom regex recognizers needed | Cloud-specific classifiers |
| Streaming Rehydration | Built-in (`wrapAiStream`, `TransformStream`) | Buffering / chunk split failures | Not supported in real-time streams |
👉 View @privacyscrubber/sdk on NPM | Full documentation, Express middleware, LangChain transforms, and 25 compliance profiles.
If you are building autonomous agents, RAG vector pipelines, or backend services rather than single-user IDE prompts, use @privacyscrubber/sdk to sanitize data in-memory:
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:SecretPass123@db.internal:5432/prod" ); const model = new ChatOpenAI({ model: 'gpt-4o' }); const response = await model.invoke(scrubbedText); const finalOutput = transform.postprocess(response.content, tokenMap);
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 john@example.com records");
// D. Transparent Vector Store Proxy: auto-sanitizes on