# Anonymix MCP

MCP server pro anonymizaci českých právních dokumentů (smlouvy, rozsudky, žaloby).

Nahrazuje osobní údaje pseudonymy `[OSOBA_1]`, `[IČO_1]` apod. — lokálně na vašem počítači,
žádná data neopouštějí váš stroj.

## Instalace

### Požadavky
- Python 3.10+
- `uv` nebo `pip`

### Krok 1: Přidat MCP server do Claude Code

Přidejte do `~/.claude/settings.json`:

```json
{
  "mcpServers": {
    "anonymix": {
      "command": "uvx",
      "args": ["anonymix-mcp"]
    }
  }
}
```

### Krok 2: Přidat skill

Zkopírujte `SKILL.md` do vašeho projektu nebo do globálního `.claude/` adresáře.

### Krok 3: Restart Claude Code

Při prvním použití se automaticky stáhnou jazykové modely (~290 MB celkem):
- NameTag CNEC 2.0 (~8 MB) — češtinový NER model ÚFAL
- DistilBERT multilingual (~280 MB) — záložní NER model

---

## Alternativní instalace

### Přes pip

```bash
pip install anonymix-mcp
anonymix-mcp  # spustí MCP server
```

### Pro vývoj

```bash
git clone https://github.com/dbuze/anonymix-mcp
cd anonymix-mcp
pip install -e ".[nametag,bert,gui]"
anonymix-mcp
```

### Ruční stažení modelů

```bash
python scripts/download_models.py
```

---

## Použití

Po instalaci jsou v Claude Code dostupné tyto MCP tools:

```
anonymize_text(text, depth="thorough")
  → anonymized_text, mapping_id, entity_count

anonymize_file(file_path, depth="thorough")
  → anonymized_path, mapping_id, entity_count

deanonymize(text, mapping_id)
  → original_text, replacements_made

get_status()
  → verze, dostupné modely, počet sessions

start_gui(port=8501)
  → URL Streamlit GUI pro vizuální review
```

### Příklad workflow

1. Uložte citlivý dokument jako `smlouva.pdf`
2. V Claude Code: *"Anonymizuj mi smlouva.pdf"*
3. Claude zavolá `anonymize_file("smlouva.pdf")` → vrátí `smlouva_anonymized.txt` + `mapping_id`
4. Claude pracuje s anonymizovaným textem
5. *"Deanonymizuj výsledek"* → Claude zavolá `deanonymize(výsledek, mapping_id)`

---

## Bezpečnost

Anonymizace probíhá **výhradně lokálně** — Claude nikdy neuvidí originální data.

Pravidla:
- `mapping_id` je pouze UUID odkaz, ne samotná data
- Mapovací tabulky jsou v `~/.cache/anonymix-mcp/sessions/` — jen lokálně
- Claude nesmí tyto soubory číst (viz `CLAUDE.md`)

---

## Detekované entity

| Typ | Příklad | Pseudonym |
|-----|---------|-----------|
| Osoba | Jan Novák, Ing. Jana Procházková | `[OSOBA_1]` |
| Organizace | Firma s.r.o., Ministerstvo | `[ORGANIZACE_1]` |
| Místo/adresa | Praha, ul. Mánesova 5 | `[MÍSTO_1]` |
| Rodné číslo | 850101/1234 | `[RČ_1]` |
| IČO | 12345678 | `[IČO_1]` |
| DIČ | CZ12345678 | `[DIČ_1]` |
| Bankovní účet | 123456789/0800 | `[ÚČET_1]` |
| Telefon | +420 777 123 456 | `[TEL_1]` |
| E-mail | jan@firma.cz | `[EMAIL_1]` |
| Datum | 15. 3. 2024 | `[DATUM_1]` |
| Částka | 50 000 Kč | `[ČÁSTKA_1]` |
| Spisová značka | 12 C 345/2020 | `[SPIS_ZN_1]` |
| Datová schránka | ab12cde | `[DS_1]` |

---

## GUI (volitelné)

Pro vizuální kontrolu a ruční úpravu entit:

```bash
pip install anonymix-mcp[gui]
streamlit run gui/app.py
```

Nebo přes MCP tool: `start_gui()` → URL v prohlížeči.

---

## Licence

MIT License — viz `LICENSE`

Jazykové modely:
- NameTag CNEC 2.0: CC BY-NC-SA (ÚFAL, MFF UK) — pouze pro nekomerční použití
- DistilBERT: Apache 2.0 (Davlan / HuggingFace)