query-sanitizer-mcp
query-sanitizer-mcp
Легковесное MCP-промежуточное ПО, которое располагается между вашими промптами и внешними LLM, автоматически удаляя конфиденциальные данные до того, как они покинут ваш компьютер.
[Your Prompt] → sanitize_query() → [Safe Prompt] → External LLM → [Response] → restore_response() → [You]v0.3.0 — Четырехэтапный DLP-конвейер: regex → GLiNER NER → уточнение LLM → пост-сканирование. Работает на 100% с открытым исходным кодом, на 100% локально. Протестировано на M4 MacBook и Google Colab T4.
Зачем это нужно
Каждый раз, когда вы вставляете внутренний контекст в Claude, ChatGPT или любую облачную LLM, вы рискуете раскрыть:
Имена сотрудников, адреса электронной почты, номера телефонов
Кодовые имена внутренних проектов
Детали инфраструктуры (IP-адреса, имена хостов, имена баз данных)
API-ключи и учетные данные
Названия компаний, размеры сделок, юридические ссылки
Этот MCP-сервер перехватывает текст, заменяет конфиденциальные токены типизированными плейсхолдерами ([ORG_NAME_1], [PII_NAME_1] и т. д.) и восстанавливает их в ответе — таким образом, вы видите естественный текст, а облачная LLM никогда не видит реальных значений.
Related MCP server: ai-security-gateway-mcp
Инструменты
Инструмент | Описание |
| Трехэтапное удаление. Возвращает безопасный текст + |
| Заменяет плейсхолдеры обратно на оригиналы. |
| Сканирует ответ LLM на наличие данных, которые могли быть сгенерированы или раскрыты. |
| Показывает недавнюю историю очистки. |
Конвейер обнаружения
Этап 1 — Предварительная проверка через Regex (всегда выполняется, модель не требуется)
Детерминированные шаблоны для структурированных токенов. Работает, даже когда локальная модель отключена.
Шаблон | Категория | Заблокировано? |
AWS access keys ( | CREDENTIAL | Да — заблокировано |
GitHub tokens ( | CREDENTIAL | Да |
JWTs ( | CREDENTIAL | Да |
Slack tokens ( | CREDENTIAL | Да |
Присваивания типа | CREDENTIAL | Да |
Пароли в URL ( | CREDENTIAL | Да |
Адреса электронной почты | PII_NAME | Нет — восстанавливается |
Номера телефонов | PII_NAME | Нет |
SSNs ( | PII_ID | Нет |
ID сотрудников/бейджей ( | PII_ID | Нет |
Частные IP-адреса RFC 1918 | INFRA | Нет |
Суммы в долларах | FINANCIAL | Нет |
Определенные в конфигурации сущности (названия организаций, сотрудники, кодовые имена, домены) | варьируется | Нет |
Этап 2 — Уточнение LLM (контекстное, «лучшее из возможного»)
Выявляет сущности, требующие семантического понимания: названия организаций, используемые в контексте, кодовые имена проектов, ссылки GEO_INTERNAL, юридические термины, шаблоны INTERNAL_URL. Если локальная модель недоступна, возвращается результат Этапа 1 с четким предупреждением.
Этап 3 — Проверка достоверности после сканирования
Запускает высокоточные regex-шаблоны по очищенному тексту, чтобы пометить потенциальные пропуски LLM (например, JWT, который модель не заметила). Отображается как предупреждение в отчете.
Установка
Вариант А — M4 MacBook (рекомендуется)
Стек: Ollama 0.19+ (бэкенд MLX, ~50 ток/с на M4) + GLiNER NER (MPS, ~80 мс/вызов)
# 1. Install Ollama and pull the recommended model
brew install ollama
ollama pull qwen2.5:3b # 2GB, fast + strong instruction following
ollama serve # Ollama 0.19+ uses MLX automatically on Apple Silicon
# 2. Clone and install with NER layer
git clone https://github.com/vidoluco/query-sanitizer-mcp
cd query-sanitizer-mcp
python3 -m venv .venv
.venv/bin/pip install -e ".[nlp]" # fastmcp + gliner (GLiNER NER layer)Добавьте в Claude Code (~/.claude/settings.json):
{
"mcpServers": {
"query-sanitizer": {
"command": "/path/to/query-sanitizer-mcp/.venv/bin/python",
"args": ["/path/to/query-sanitizer-mcp/server.py"],
"env": {
"SANITIZER_MODEL_NAME": "qwen2.5:3b",
"SANITIZER_GLINER_MODEL": "urchade/gliner_medium-v2.1"
}
}
}
}Альтернативные LLM-модели для M4 (все через Ollama):
Модель | Размер | Скорость на M4 | Лучше всего для |
| 2 ГБ | ~50 ток/с | По умолчанию — быстро, точно |
| 3 ГБ | ~40 ток/с | Сильное рассуждение |
| 2 ГБ | ~45 ток/с | Широкое общее использование |
| 5 ГБ | ~30 ток/с | Более высокая точность, больше RAM |
Вариант B — Google Colab T4
Стек: HuggingFace transformers (Ollama не требуется) + GLiNER (CUDA)
# Cell 1 — install
!pip install "query-sanitizer-mcp[colab]" -q
# fastmcp + gliner + transformers + torch + accelerate
# Cell 2 — configure
import os
os.environ["SANITIZER_BACKEND"] = "hf"
os.environ["SANITIZER_HF_MODEL"] = "Qwen/Qwen2.5-3B-Instruct" # ~6GB, fits T4 16GB
os.environ["SANITIZER_GLINER_MODEL"] = "urchade/gliner_medium-v2.1"
os.environ["SANITIZER_LEDGER_DIR"] = "/content/sanitizer-ledger"
# Cell 3 — use directly (no MCP client needed in Colab)
import sys; sys.path.insert(0, ".")
from server import sanitize_query, restore_response, scan_response
result = sanitize_query("Send report to jane.doe@acme.com re: Project Phoenix")
print(result)Первый запуск загружает
Qwen2.5-3B-Instruct(~6 ГБ) иgliner_medium-v2.1(~500 МБ) в кэш Colab. Последующие запуски происходят мгновенно.
Минимальная установка (только regex, модели не нужны)
Если вы хотите работу без зависимостей (чистый regex, без Ollama, без GLiNER):
pip install fastmcp
SANITIZER_MODEL_RETRIES=0 python server.pyУчетные данные, электронные письма, SSN, частные IP-адреса и финансовые суммы определяются только с помощью regex. Люди, названия организаций и кодовые имена проектов требуют GLiNER или уровня LLM.
Конфигурация
Создайте .sanitizer-ledger/config.json (или запустите python scripts/ledger.py init-config):
{
"org_names": ["Acme Corp", "Acme"],
"org_domains": ["acme-internal.net"],
"project_codenames": ["Phoenix", "Titan"],
"known_employees": ["Jane Smith", "Marcus Webb"],
"internal_ip_ranges": ["10.0.0.0/8"],
"custom_patterns": [
{"pattern": "JIRA-\\d{4,}", "category": "PROJECT_NAME", "description": "Jira tickets"}
],
"always_allow": ["Google Cloud", "Kubernetes", "BigQuery", "Terraform", "Docker"]
}Определенные в конфигурации сущности (org_names, known_employees и т. д.) встроены как в предварительную проверку regex (для детерминированного сопоставления), так и в системный промпт LLM (для контекстных вариантов). Изменения вступают в силу при следующем вызове sanitize_query — перезапуск сервера не требуется.
Переменные окружения
Переменная | По умолчанию | Описание |
|
| Эндпоинт локальной модели |
|
| Имя модели |
|
| Повторные попытки при сбое модели (задержка 2с, 4с) |
|
| Путь к директории журнала |
|
| Установите |
CLI журнала
python scripts/ledger.py list [N] # recent N entries
python scripts/ledger.py lookup <san_id> # full mapping for one entry
python scripts/ledger.py restore <san_id> <text> # restore from CLI
python scripts/ledger.py stats # aggregate stats by category and source
python scripts/ledger.py purge --older-than 30d # enforce retention policy
python scripts/ledger.py init-config # create starter config.jsonКатегории удаления
Категория | Примеры | Важность |
| API-ключи, токены, пароли | КРИТИЧЕСКАЯ — заблокировано, никогда не восстанавливается |
| Интранет-URL, эндпоинты стейджинга | КРИТИЧЕСКАЯ |
| Имена, электронные письма, номера телефонов | ВЫСОКАЯ |
| SSN, ID сотрудников, номера бейджей | ВЫСОКАЯ |
| Названия компаний / дочерних структур | ВЫСОКАЯ |
| Условия контрактов, номера дел | ВЫСОКАЯ |
| Внутренние кодовые имена | СРЕДНЯЯ |
| IP-адреса, имена хостов, имена БД | СРЕДНЯЯ |
| Выручка, размеры сделок, бюджеты | СРЕДНЯЯ |
| Офисные локации, названия зданий | НИЗКАЯ |
Модель безопасности
Учетные данные никогда не сохраняются — в журнал записывается
[BLOCKED]вместо оригинального значенияОтказоустойчивость, а не отказ с открытием — недоступность модели вызывает откат к regex, никогда не пропускает открытый текст
Только локальный вывод — никакие данные не отправляются на внешний API для этапа очистки
Режим конфиденциальности (
SANITIZER_LEDGER_STORE_ORIGINALS=false) — оригиналы вообще не записываются на диск; восстановление работает только в рамках одной сессии сервера через кэш в памяти
Примеры
Смотрите examples/ для полных трассировок сессий:
01_api_key_leak.md— Учетные данные AWS заблокированы предварительной проверкой regex02_employee_pii.md— HR-промпт с именами, электронными письмами, ID сотрудников + восстановление03_internal_infra.md— Отладка инфраструктуры с офлайн-Ollama (откат к regex)
Участие в разработке
Откройте issue или отправьте PR.
Идеи для следующего шага:
[ ] Автоматическое предложение записей конфигурации на основе обнаруженных шаблонов
[ ] Интеграция хука Claude Code (автоматическая очистка перед промптом)
[ ] Настройка порога достоверности
[ ] Режим пакетной/массовой очистки
[ ] Сканирование блоков кода (встроенные секреты, пути импорта)
[ ] Шифрование журнала в покое
[ ] Веб-интерфейс для просмотра журнала
Лицензия
MIT
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Detect and redact PII and secrets before text reaches an LLM, with reversible placeholders.
Find and redact leaked secrets, wallet keys and PII before an AI agent sends text.
Detect and redact PII and secrets (API keys, tokens) in text, HTML or PDF before it reaches an LLM.
Scan prompts for injection attacks, redact PII, and audit LLM SDK usage from any MCP client
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceSecurity middleware for LLM apps and AI agent pipelines. Detects prompt injection attacks (22 signatures, 7 languages) and anonymizes PII (17 entity types). Deterministic, sub-25ms, GDPR Art.30 compliant.-
- AlicenseAqualityDmaintenanceScans prompts for PII and masks or redacts sensitive data locally before sending to an LLM, supporting multiple anonymization modes.1MIT
- FlicenseAqualityDmaintenanceA data-loss-prevention (DLP) layer for AI agents that intercepts document reads, scans for sensitive data, and redacts or blocks it before it reaches the model, with audit logging.1-
- AlicenseAqualityBmaintenanceEnables safe interaction with cloud LLMs by redacting sensitive entities into reversible placeholders, enforcing deterministic egress policies with human approval, and rehydrating responses so real data never leaves the process.4MIT