obsify

AIアシスタントが機密ファイルを扱う際、生の値がモデルのコンテキストに入ることを防ぎます。

obsifyはローカルで動作する決定論的なMCPサーバーです。フロンティアモデルは形状（スキーマ、合成ツイン、マスクされたフィードバック）について推論し、決定論的なローカルコードが実体に触れ、マスクされた集計結果のみを返します。LLM呼び出しはなく、実行時にネットワークも不要です。検出は正規表現＋チェックサム＋辞書＋PresidioのローカルNERを使用します。

オーストラリアのエンティティサポート（ABN / ACN / TFN、チェックサム検証済み）と、ラベル駆動のルーティングレイヤーを備えており、「アシスタントがいつ生データを避けるべきか」を判断ではなく、決定論的で強制された決定にします。

正直な範囲: run_on_realはモデルが書いたコードをベストエフォートのローカルサンドボックスで実行し、その出力をベストエフォートでマスクします。これは刑務所ではありません。漏洩させられないものを指定する前にSECURITY.mdをお読みください。集計結果を返してください。

なぜ

機密文書をホスト型LLMに送信すると、実体が境界外に出てしまいます。通常の答えは「LLMを使わない」か「プロバイダーを信頼する」です。obsifyは第三の道を取ります——計算からデータへ：データをモデルに持ってくるのではなく、コードをデータに持って行きます。

• モデルはスプレッドシートのスキーマを見ますが、行は見ません。

• モデルは合成ツイン（偽の値、実際の構造）に対して開発します。

• モデルの分析コードはローカルで実行され、マスクされた集計出力のみが返ります。

フロンティアモデルの推論は保持されます。生の値に対する目だけが取り除かれます。

Related MCP server: Cloakbox

ツール

対応ドキュメント: PDF（テキスト＋表；複雑な表はobsify[tables]でフォールバック）、Excel .xlsx/.xlsm、Word .docx（段落＋表）。読み取り不能または未対応のファイルは、明示的な注記/盲点として表示され、静かに破棄されることはありません。（OCRは未対応 — スキャン/画像ページは低カバレッジとしてフラグされ、文字起こしはされません。）

既知エンティティのマスキング（オプション）。 ローカルの.obsify.entitiesリストに隠したい名前を指定すると、scan_pii / redact_textがそれらを決定論的に捕捉します — NERが見逃す接尾辞/略語のバリアント（BRIGHTWATER HLDGS P/L for Brightwater Holdings Pty Ltd）も — KNOWN_ENTITYとして。リストはローカルに留まり、モデルのコンテキストに入ることはありません。詳細はdocs/known_entities.mdを参照。

デモ

公式のMCP Inspectorを使って、5つのツールすべてを合成データに対してライブで試せます：

python -m obsify.make_corpus --out ./corpus_demo
npx @modelcontextprotocol/inspector obsify-mcp

./corpus_demo/ledger.xlsxに対してscan_piiを呼び出し、種類/カウント/場所のみを返し、値は決して返さないことを確認してください。docs/verifying.mdを参照。

試してみる — 合成コーパス

偽造だが現実的なコーパス（すべて合成；ABN/ACN/TFNはチェックサム検証済み）を生成し、3つの形式すべてにわたって、ツールを指定します：

pip install "obsify[demo]"                 # reportlab, for the sample PDFs
python -m obsify.make_corpus --out ./corpus_demo

これにより、マルチシートのExcel台帳（数値の偽陽性の地雷原）、PDFのエンゲージメントレター（散文＋試算表）、DOCXの監査メモ（段落＋ベンダー表）が書き込まれます。実際のデータに触れずにscan_pii / make_synthetic_twinを試すのに最適です。

MCPサーバーとしてインストールして実行

Python 3.11+が必要です。obsifyはstdio上でMCPを話します — クライアントがローカルサブプロセスとして起動し、リモートでホストされるものはありません。MCP対応クライアント（Claude Desktop、Claude Code、Cursor、VS Code、…）に、そのクライアントの設定に1ブロック追加して登録します。

推奨 — uvxによるゼロインストール：

{ "mcpServers": { "obsify": { "command": "uvx", "args": ["obsify-mcp"] } } }

uvxはPyPIからobsifyを取得し、オンデマンドで実行します — 恒久的なインストールは不要です。初回実行時、obsifyはspaCy NERモデル（en_core_web_lg、約560 MB）を一度ダウンロードしてキャッシュします。これは公開モデルを取得し、ユーザーデータは送信しません（OBSIFY_AUTO_DOWNLOAD=0を設定して禁止し、自分でモデルをインストールすることもできます）。以降の実行は瞬時で完全にオフラインです。

またはインストール（pip / pipx）：

pipx install obsify        # isolated, on PATH  (or: pip install obsify)

次に、クライアントをインストールされたコマンドに向けます：

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

クライアントを再起動するとツールが表示されます。オプションの追加機能：obsify[tables]（camelot + Ghostscriptによる複雑な表のPDFフォールバック）、obsify[compute]（pandas、run_on_realコード内で便利）。

PATHの落とし穴（「サーバーが接続できない」原因の第1位）： commandはクライアントが見るPATHで解決可能でなければなりません。GUIクライアントはvenvのPATHを共有しない場合があります。修正方法：uvx/pipxを使用する（グローバルに解決可能）、または絶対パスを指定する — "/path/to/.venv/bin/obsify-mcp"（macOS/Linux）または"C:\\path\\.venv\\Scripts\\obsify-mcp.exe"（Windows）。

このリポジトリから（PyPIに公開される前）：

pip install "git+https://github.com/Formative-Sum41/obsify.git"   # gets `obsify-mcp` + `obsify`

ルーティングレイヤー — 判断ではなく決定論的

「助けてくれ、でも機密ファイルは読まないで」という難しい部分は、いつ保護するかを決めることです。obsifyはその決定をモデルから環境に移します：

1. .obsify.json — パスを分類するラベルマニフェスト（public / confidential / restricted）。

2. obsify.guard（python -m obsify.guardとして実行） — ラベル付きファイルの直接読み取りをブロックし（終了コード2）、アシスタントをscan_pii / make_synthetic_twin / run_on_realにリダイレクトするPreToolUseガード。

3. 規約（CLAUDE.md内） — アシスタントがガードに引っかかる前にobsifyを優先するようにします。

1つのコマンドでセットアップ：

obsify init [--dir PATH] [--with-claude-md]

obsify initは設計上非破壊的です — 正確に1つのファイルを所有し、残りのスニペットを提供します：

• .obsify.json — obsifyが所有；initが書き込みます（--forceなしでは上書きされません）。

• .claude/settings.json — あなたのファイル：initはPreToolUseフックブロックを表示して貼り付け用に出力し、編集はしません（コードを実行するため、登録はあなたの判断です）。

• CLAUDE.md — あなたのファイル：規約はオプトインです。デフォルトでは表示します；--with-claude-mdはマーカーで囲まれた冪等なブロックを追加し、あなたのコンテンツを決して上書きしません。

完全な規約：docs/obsify_routing.md。

検出の精度を保つ方法

• チェックサム検証済み識別子。 ABN/ACN/TFNの候補は正規表現で提案され、公式のチェックサムで確認されるため、ランダムな数字が識別子として報告されることはありません。

• コンテキストが必要なID。 裸の数字は、ラベルワード（「TFN」、「ABN」、「BSB」、…）が近くにある場合にのみABN/ACN/TFNとして受け入れられます — これにより、数値台帳での連続仕訳IDの偽陽性の洪水を防ぎます。

• 文字なし / NER+数字の抑制。 純粋な数字、金額、日付、英数字コードは名前/組織としてフラグされません。実際の名前、メール、住所（文字を含む）は影響を受けません。検証済みの文字なしPIIは例外のまま：チェックサムID（ABN/ACN/TFN/Medicare）、Luhnカード、有効なIP、BSBに隣接する口座、電話番号（コンテキストまたは電話の形状による） — 小数点は依然として金額を示し、電話番号ではありません。

測定された精度

obsifyにはスコア付き評価ハーネス（eval/ — ラベル付き合成コーパス＋解答キー＋出荷時の検出器に対するスコアラー、さらに独立した第三者によるクロスチェック）が含まれています。合成コーパスの見出し：期待検出項目に対して100%再現率、数値FP拷問シート（グループ化数字ガード付き）で0偽陽性、裸のコンテキストゲートIDは正しく抑制。Microsoft presidio-researchとの独立クロスチェック：EMAIL/IBAN 100%、PERSON 94%。

ハーネスはその価値を証明しました — 実際の欠陥を発見し、その後修正されました： クレジットカードと電話番号が数値ノイズフィルターによって静かに抑制されていました（現在はチェックサム検証/電話形状によって例外）、Medicare、IP、生年月日、オーストラリアのパスポートと運転免許証には認識機能がありませんでした（現在は追加され、チェックサムまたはコンテキストでゲート）。完全な方法、数値、残っている文書化されたギャップ（SWIFT/BIC、非DOB日付）：eval/README.md。

テスト

pip install -e ".[dev]"
pytest tests/            # or run any file directly: python tests/test_obsify.py

12スイート（73テスト）、CIでLinux + Windows / Python 3.11 + 3.12で実行：

• mcp-protocol — 実際のサーバーをstdioで起動し、MCPを話します（Claudeのようなクライアントが使用するのと同じパス）：5つのツールすべてが有効なスキーマで登録され、呼び出しがJSON-RPCを介してラウンドトリップすることを確認 — scan_piiが形状のみをエンドツーエンドで返すことを含む。

• checksums — 外部公開されたABN/ACN/TFNの実例（有効および破損）に固定され、ジェネレーター↔バリデーターの循環性を断ち切ります。

• obsify / twin / redaction — プライバシーの不変条件：形状のみの出力、漏洩のないツイン、フェイルクローズの自己チェック。

• precision — 偽陽性抑制機能が数値台帳ノイズを除去しつつ、実際の名前を保持することを確認。

• routing — ガードのブロック/許可分類とobsify initの非破壊的契約。

• corpus — 合成PDF+Excel+DOCXコーパスのエンドツーエンド：形式ごとの検出、DOCXの段落+表抽出、すべての形式での形状のみの出力。

• evaluation — スコア付きハーネスを回帰ゲートとして（再現率、抑制、FP拷問、ギャップ）。

• robustness — グレースフルデグラデーション：破損/巨大/空/ネスト/未対応の入力が決してクラッシュせず、常に注記として表示される。

• model / variants — 初回実行時のモデル自動ダウンロードロジック；verify_value_freeの背後にあるバリアント正規化。

インタラクティブな検証（MCP Inspector）とライブクライアントの最終確認については、docs/verifying.mdを参照。

ライセンス

MIT — LICENSEを参照。