Tokenectomy Razor

Tokenectomy Razor

Schnelle, deterministische Log-Chirurgie und Geheimnis-Schwärzung für KI-Codierungsagenten – entfernen Sie 90 %+ Framework-Rauschen, schwärzen Sie Zugangsdaten mit O(N) ReDoS-Immunität, Sub-Millisekunden-Latenz. Geschrieben in sicherem Rust.

Tokenectomy (Substantiv): Token + -ektomie (chirurgische Entfernung) – die präzise Entfernung verschwenderischer Tokens aus LLM-Kontextfenstern.

Hochleistungs-Log-Chirurgie- und Geheimnis-Schwärzungs-Engine für KI-Codierungsagenten

• Offizielles MCP-Register: mcp-name: io.github.Tokenectomy-Labs/razor

---

📋 Inhaltsverzeichnis

• Was es tut
• Hauptfunktionen
• Benchmarks
• Installation
• MCP-Integration
• Verwendung nach Anwendungsfall
• Erweiterte Funktionen
• Vergleich
• FAQ
• Roadmap
• Sicherheit
• Mitwirken

---

Was es tut

Tokenectomy Razor ist ein autonomer, maschinen-zu-maschinen (M2M) Model Context Protocol (MCP)-Server und Stream-Verarbeitungs-Engine, geschrieben in sicherem Rust. Er unterbricht Fehlerprotokolle von KI-Agenten, entfernt 90 %+ Framework-Rauschen, schwärzt automatisch Geheimnisse (JWTs, API-Schlüssel, Datenbank-Zugangsdaten) und speichert bereinigte Kontexte mit einer 24-Stunden-TTL zwischen – alles ohne Rohdaten an externe Dienste zu senden.

In 30 Sekunden

Das Problem:

• KI-Agenten verschwenden Tokens an Framework-Rauschen (node_modules, site-packages, .cargo/registry)
• Sensible Zugangsdaten lecken versehentlich in LLM-Protokolle (AWS-Schlüssel, Datenbank-URLs, API-Tokens)
• Wiederholte identische Fehler kosten bei jedem erneuten Versuch Geld

Die Lösung:

Raw Error Log (38K tokens + secrets)
    ↓
[Redact secrets locally] → [Filter framework frames] → [Extract user code]
    ↓
Sanitized Context (2K tokens, no secrets) → Safe to send to LLM

Echtes Beispiel

Vorher:

$ cat error.log | head -20
Error in /home/user/.cargo/registry/src-xxx/tokio-1.35/src/runtime/mod.rs:12345
  at /home/user/.cargo/registry/src-yyy/serde/src/lib.rs:456
  Database connection failed: postgresql://admin:secretpass@db.example.com:5432/mydb
  JWT Auth token: eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzdWIiOiIxMjM0NTY3ODkwIn0...
  [... 500+ more framework frames ...]

Nachher:

$ cat error.log | razor --scrub
Error in /home/user/src/main.rs:42
  at /home/user/src/utils.rs:18
  Database connection failed: [CONNECTION_STRING_REDACTED]
  JWT Auth token: [JWT_REDACTED]

Vorteile:

• ✅ 95 % kleinerer Kontext (2K vs. 38K Tokens) → Geld sparen bei LLM-API-Aufrufen
• ✅ Keine Geheimnisse in Protokollen → Besser schlafen
• ✅ Identische Fehler werden zwischengespeichert → Zweiter Versuch kostet 0 $

---

Technische Highlights

                  ┌──────────────────────────────────────────────┐
   Agent Error     │              TOKENECTOMY RAZOR               │    Sanitized Context
   Dump (38K toks) │  - Polyglot Stack Frame Filter               │ ──►  (2K toks) ──► LLM
  ────────────────►│  - Deterministic Secret Redactor (O(N))      │
                   │  - SHA-256 Idempotency Cache (24h TTL)       │
                   └──────────────────────────────────────────────┘

• Tiefe polyglotte Trace-Chirurgie: In-Memory-Parsing über Rust, Python, TypeScript/JavaScript, Go, Java/Kotlin (Spring Boot 3, Tomcat, Hibernate, Netty, Undertow, HikariCP), C/C++ (AddressSanitizer, GDB, glibc) und PHP. Filtert chirurgisch lautes Framework-Interna und Laufzeit-Boilerplate, während echte Benutzeranwendungs-Code-Frames isoliert werden.
• Statische AST-Code-Analyse-Engine (analyze_code): Hochdurchsatz-Statische-AST-Analyse zur Erkennung von ungeschlossenen Handles, Ressourcenlecks und Sicherheitslücken mit begrenzten Ausführungsgrenzen (50K AST-Knoten, 10-MB-Dateilimit) und präzisen LSP-UTF-16-Koordinaten.
• Glama Grade A TDQS-Konformität: 100 % Tool-Definitions-Qualitäts-Score mit expliziten Schema-Grenzen, Laufzeit-Vorbedingungen und vollständiger Offenlegung über alle MCP-Tools.
• KI-Gateway-Reverse-Proxy (--proxy): Unterbricht transparent Prompt-Streams auf 127.0.0.1:8080 und führt Echtzeit-Token-Exzision und Zugangsdaten-Sanitisierung vor der Weiterleitung an OpenAI, Anthropic oder Ollama durch.
• Zero-Knowledge-Geheimnis-Schwärzung: Deterministische Regex-Engine in linearer Zeit entfernt JWTs, API-Tokens, Cloud-Zugriffsschlüssel, Verbindungszeichenfolgen und private Schlüssel vor der Netzwerkübertragung. Die gesamte Verarbeitung erfolgt lokal.
• SHA-256-Idempotenz-Cache: Speichert deterministische Antworten mit einer 24-Stunden-TTL. Wiederholte CI/CD- oder Agentenschleifen-Fehler verursachen keine Upstream-API-Kosten.
• Pfad-Traversal-Eindämmung: Der gesamte MCP-Dateisystemzugriff wird kanonisiert und auf die Workspace-Root-Grenze beschränkt (CWD). Keine ../-Ausbrüche oder Symlink-Durchbrüche.
• M2M-Protokollkonformität: Nativer JSON-RPC-2.0-stdio-Server, konform mit der offiziellen Model Context Protocol-Spezifikation.

---

Verifizierbare Benchmarks

Leistungsmetriken sind hardwarebasiert und über eigenständige Benchmark-Suiten reproduzierbar:

Benchmark-Ziel	Workload unter Test	Verifizierte Messung	Ergebnis
Hochvolumen-Log-Schwärzung	250.000 Zeilen (24,44 MB) Enterprise-Dump mit API-Schlüsseln und Verbindungs-URIs	333,49 ms (73,3 MB/s, 749.652 Zeilen/s)	Bestanden
ReDoS-Resistenz	50.000 Zeichen pathologische Backtracking-Zeichenfolge	1,44 ms (Lineare $O(N)$-Auswertung)	Bestanden
Thread-Konkurrenz	100 gleichzeitige OS-Threads, die gleichzeitige Schwärzung und Extraktion ausführen	100/100 abgeschlossen in 27,35 ms (7.312 Operationen/s)	Bestanden
Kernel-Speicher-Fußabdruck	Spitzenwert des residenten Speichers während eines 250.000-Zeilen-Dauertests	76,24 MB VmRSS über /proc/self/status	Bestanden

Die Benchmarks verstehen

Metrik	Warum sie wichtig ist	Was zu erwarten ist
73,3 MB/s Schwärzungsdurchsatz	Die meisten Protokolle sind <5 MB; Sie schwärzen sie in Millisekunden	<10 ms für typische CI-Protokolle
1,44 ms ReDoS-Immunität	Verhindert, dass bösartige Log-Payloads Ihr System lahmlegen	Sicher in der Produktion mit nicht vertrauenswürdigen Eingaben verwendbar
76,24 MB Spitzenspeicher	Geeignet für eingeschränkte CI/CD-Runner (GitHub Actions, GitLab)	Passt bequem in 256-MB-Grenzen
7.312 Operationen/s gleichzeitig	Mehrere KI-Agenten, die gleichzeitig abfragen	100 gleichzeitige Anfragen sicher verarbeitet

Lokal reproduzieren:

cargo test --release --test stress_benchmark -- --nocapture

---

Installation

Methode 1: Sofort über npx (empfohlen für MCP-Clients)

Kein Rust-Toolchain, keine native Kompilierung oder manuelle Pfadeinrichtung erforderlich:

npx -y tokenectomy-razor --mcp

Oder global über npm installieren:

npm install -g tokenectomy-razor

Methode 2: Cargo (crates.io)

cargo install tokenectomy

Methode 3: Vorkompilierte native Binärdateien (GitHub-Releases)

Laden Sie null-Abhängigkeits-, vorkompilierte eigenständige Binärdateien direkt von GitHub Releases herunter:

• Linux: tokenectomy-linux-x86_64 (glibc), tokenectomy-linux-x86_64-musl, tokenectomy-linux-aarch64
• macOS: tokenectomy-darwin-arm64 (Apple Silicon M1/M2/M3/M4), tokenectomy-darwin-x86_64 (Intel)
• Windows: tokenectomy-windows-x86_64.exe

Methode 4: Aus dem Quellcode erstellen

git clone https://github.com/Tokenectomy-Labs/Tokenectomy.git
cd Tokenectomy
cargo build --release
sudo cp target/release/razor /usr/local/bin/razor

Methode 5: Multi-Arch-Container (GHCR)

docker pull ghcr.io/tokenectomy-labs/razor:latest
docker run -it ghcr.io/tokenectomy-labs/razor:latest --help

---

Model Context Protocol (MCP)-Integration

Konfigurieren Sie Tokenectomy Razor als autonomen Hintergrundserver in wichtigen KI-Agenten-Umgebungen:

Claude Desktop

Fügen Sie zu ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) oder %APPDATA%\Claude\claude_desktop_config.json (Windows) hinzu:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

Cursor

Fügen Sie zu .cursor/mcp.json in Ihrem Projektstamm hinzu:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

VS Code (natives MCP / GitHub Copilot Agent / Continue)

Für VS Code mit nativer MCP-Unterstützung erstellen oder bearbeiten Sie .vscode/mcp.json in Ihrem Workspace:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

Oder verwenden Sie die native Binärdatei mit extrem niedriger Latenz (falls über cargo install tokenectomy installiert):

{
  "mcpServers": {
    "tokenectomy": {
      "command": "razor",
      "args": ["--mcp"]
    }
  }
}

VS Code + Cline

Öffnen Sie die Cline-Einstellungen in VS Code (oder bearbeiten Sie cline_mcp_settings.json):

• macOS: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
• Linux: ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
• Windows: %APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"],
      "disabled": false,
      "autoApprove": [
        "get_error_context",
        "search_stack_overflow",
        "analyze_code"
      ]
    }
  }
}

VS Code + Roo Code

In den Roo-Code-Einstellungen (oder bearbeiten Sie cline_mcp_settings.json im Roo-Speicher):

• Linux: ~/.config/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json
• macOS: ~/Library/Application Support/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"],
      "disabled": false,
      "autoApprove": ["get_error_context", "analyze_code"]
    }
  }
}

Windsurf (Codeium)

Fügen Sie zu ~/.codeium/windsurf/mcp_config.json hinzu:

{
  "mcpServers": {
    "tokenectomy": {
      "command": "npx",
      "args": ["-y", "tokenectomy-razor", "--mcp"]
    }
  }
}

Google Antigravity CLI

agy mcp add tokenectomy-razor -- npx -y tokenectomy-razor --mcp

Verfügbare MCP-Tools

Tool-Name	Funktionsbeschreibung
get_error_context	Führt Trace-Chirurgie an Fehler-Dumps durch, entfernt Framework-Rauschen, schwärzt Zugangsdaten und extrahiert relevanten lokalen Quellkontext, der auf den Workspace beschränkt ist.
search_stack_overflow	Fragt die Stack-Exchange-API nach relevanten Fehlersignaturen mit bereinigten Suchbegriffen ab.
apply_code_patch	Wendet atomare Dateiänderungen mit Post-Write-Sprachsyntax-Verifizierung (cargo check, py_compile, node --check) und automatischem Rollback bei Validierungsfehlern an.
analyze_code	Führt statische AST-Code-Analyse durch, um Ressourcenlecks, Sicherheitslücken und Codefehler mit begrenzten Ausführungsgrenzen und präzisen LSP-UTF-16-Koordinaten zu erkennen.

---

Schnellstart

Ich verwende Claude Desktop

# 1. Add to claude_desktop_config.json (see MCP Integration section above)
# 2. When Claude encounters errors, it automatically uses "get_error_context" tool
# 3. Errors stay sanitized without any additional setup

Ich verwende GitHub Actions

# Add to your workflow (.github/workflows/build.yml)
- name: Sanitize Build Failure Log
  if: failure()
  uses: daffa2555/tokenectomy-action@v1
  with:
    log-file: 'build.log'
    output-file: 'sanitized.log'

# Now you can safely share sanitized.log without leak concerns

Parameter:

Parameter	Typ	Standard	Beschreibung
log-file	String	''	Pfad zur zu verarbeitenden Roh-Fehlerprotokolldatei
log-content	String	''	Direkter Zeichenfolgeninhalt, wenn keine Datei angegeben ist
output-file	String	tokenectomy-sanitized.log	Pfad für die bereinigte Ausgabedatei
version	String	v1.2.1	Zielversion der Binär-Release

Ich möchte maximale Privatsphäre (luftdichte Umgebung)

# All redaction happens locally—no network calls except to your LLM
cargo install tokenectomy

# Process logs without any cloud services
echo $ERROR_LOG | razor --scrub --local-only

# Or from a file:
razor --scrub --file /var/log/app/error.log > sanitized.log

---

Erweiterte Verwendung

Eigenständige CLI

Zusätzlich zum M2M-Agentenmodus bietet Razor CLI-Befehle für Terminal-Piping und lokale Shell-Skripte:

# Scrub framework frames and output clean log
npm test 2>&1 | razor --scrub > sanitized.log

# Sanitize a specific log file
razor --scrub --file /var/log/app/error.log > sanitized.log

# CLI diagnosis with specific AI provider
razor --file error.log --provider openai
razor --file error.log --provider anthropic
razor --file error.log --local-only

KI-Gateway-Reverse-Proxy-Modus

Tokenectomy Razor kann als transparenter lokaler HTTP-Reverse-Proxy betrieben werden. Er sitzt zwischen Client-Anwendungen und Upstream-LLM-Anbietern (OpenAI, Anthropic, Ollama, OpenRouter) und führt Echtzeit-Token-Exzision und Zugangsdaten-Sanitisierung vor der Upstream-Weiterleitung durch.

Lokale Entwicklung (Standard-Loopback):

# Forward to OpenAI
razor --proxy --proxy-bind 127.0.0.1:8080 --upstream-url https://api.openai.com/v1

# Forward to local Ollama instance
razor --proxy --proxy-bind 127.0.0.1:8080 --upstream-url http://127.0.0.1:11434/v1

Zeigen Sie jeden Standard-SDK- oder IDE-Client auf den lokalen Proxy:

export OPENAI_BASE_URL="http://127.0.0.1:8080/v1"
# Now all API calls are automatically sanitized

Produktions-Proxy-Härtung

Das Binden an externe Schnittstellen (0.0.0.0) erfordert eine explizite Token-Autorisierung:

razor --proxy --proxy-bind 0.0.0.0:8080 --upstream-url https://api.openai.com/v1 --allow-remote --proxy-token "YOUR_SECURE_TOKEN"

Durchgesetzte Ressourcengrenzen: MAX_HEADER_SIZE (64 KB), MAX_BODY_SIZE (10 MB), Client/Upstream-Timeouts (30 s / 60 s) und ein 128-Verbindungs-Konkurrenzlimit.

Konfiguration

Konfigurationswerte können über ~/.tokenectomy.toml festgelegt werden:

default_provider = "openai"  # openai | anthropic | ollama | mock
openai_api_key = "sk-..."
anthropic_api_key = "sk-ant-..."
ollama_base_url = "http://localhost:11434"
context_lines = 10
max_context_chars = 10000

---

Unterstützte Ökosysteme

Sprache	Primäre Frameworks	Ausgeschlossene Framework-Pfade
Rust	Tokio, Actix-web, Axum	.cargo/registry, .rustup, target/debug/build
Python	Django, FastAPI, Flask, PyTorch	site-packages, dist-packages, venv, __pycache__
TypeScript / JavaScript	Next.js, Express, NestJS, Vite	node_modules, .next, dist, webpack-Interna
Golang	Gin, Fiber, Stdlib-Panics	go/src (stdlib), go/pkg/mod, vendor
Java / Kotlin	Spring Boot, Quarkus, Gradle	.m2/repository, .gradle/caches, Framework-Interna
C / C++	GDB-Backtraces, AddressSanitizer	/usr/include, /usr/lib, vcpkg_installed
PHP	Laravel, Symfony	vendor/composer, vendor/symfony, vendor/laravel

Hinweis: Derzeit mit robusten Extrakteuren für Rust, Python, TypeScript/JavaScript und Go ausgestattet. Java/Kotlin-, C/C++- und PHP-Unterstützung folgt in v1.2. Siehe #1 für die Fortschrittsverfolgung.

---

Wie Tokenectomy abschneidet

Funktion	Tokenectomy	Splunk-Log-Verschleierung	Datadog-Logs	git-secrets
Sofortige Einrichtung (keine Agent-Installation)	✅	❌	❌	✅
Funktioniert mit KI-Agenten (MCP)	✅	❌	❌	❌
Nur lokale Verarbeitung	✅	❌	❌	✅
Polyglotte Stack-Traces	✅	✅	✅	❌
Schwärzungs-Caching (Kosteneinsparungen)	✅	❌	✅	❌
Open Source (MIT)	✅	❌	❌	✅
Preis	Kostenlose OSS	$$$ /Monat	$$$ /Monat	Kostenlos

Wann Tokenectomy verwenden:

• ✅ Sie verwenden KI-Codierungsagenten (Claude, Cursor, Cline usw.)
• ✅ Ihnen sind Datenschutz und lokale Verarbeitung wichtig
• ✅ Sie möchten LLM-Token-Kosten reduzieren
• ✅ Sie sind besorgt über Geheimnis-Lecks in Protokollen Wann du etwas anderes verwenden solltest:
• ❌ Du benötigst nur statisches Secret-Scanning → verwende truffleHog, detect-secrets
• ❌ Du benötigst Echtzeit-Überwachungs-Dashboards → verwende Datadog, New Relic, Splunk
• ❌ Deine Fehlerprotokolle sind natürlicherweise <100 Tokens → Overhead lohnt sich nicht
• ❌ Du bist vollständig luftdicht getrennt → Eigentlich ist Tokenectomy perfekt! (100 % lokale Verarbeitung)

---

Häufig gestellte Fragen

F: Sendet Tokenectomy meine Protokolle an externe Server?

A: Nein. Die gesamte Schwärzung, Analyse und Filterung erfolgt lokal auf deinem Rechner. Der einzige Netzwerkaufruf geht an dein gewähltes LLM (OpenAI, Anthropic, Ollama) nachdem die Bereinigung abgeschlossen ist. Siehe SECURITY.md für die Zero-Knowledge-Garantie.

---

F: Welche Geheimnisse schwärzt Tokenectomy?

A: GitHub-PATs, AWS-Schlüssel, OpenAI/Anthropic-API-Schlüssel, JWTs, Datenbank-Verbindungsstrings (PostgreSQL, MySQL, MongoDB, Redis), private SSH-Schlüssel, Slack/Discord-Webhooks und mehr. Die vollständige Liste findest du in src/redact.rs.

---

F: Was passiert, wenn mein Geheimnis nicht den Schwärzungsmustern entspricht?

A: Melde ein Issue mit einem Beispiel (bereinigt). Wir fügen das Muster hinzu. Vorerst kannst du benutzerdefinierte Muster in ~/.tokenectomy.toml hinzufügen (Funktion kommt in v1.3).

---

F: Ist Tokenectomy für die Produktion sicher?

A: Ja. Geschrieben in sicherem Rust (null unsicherer Code in Sicherheitspfaden), ReDoS-immun und über RustSec geprüft. Siehe SECURITY.md für vollständige Details.

---

F: Kann ich Tokenectomy offline verwenden?

A: Ja – außer der Stack-Overflow-Suche. Verwende das --local-only-Flag, um den gesamten Netzwerkzugriff zu deaktivieren (außer deinem LLM).

---

F: Wie entferne ich Tokenectomy?

A: Einfach deinstallieren:

npm uninstall -g tokenectomy-razor
# OR
cargo uninstall tokenectomy

Keine Konfigurationsbereinigung erforderlich – es bleiben keine Dateien zurück.

---

F: Kann ich Tokenectomy in meiner CI/CD-Pipeline verwenden?

A: Ja! Verwende die GitHub-Marketplace-Aktion (siehe Abschnitt „Schnellstart") oder den Docker-Container. Funktioniert mit GitHub Actions, GitLab CI, Jenkins usw.

---

F: Was ist der Unterschied zwischen Razor (OSS) und Sentinel (Kommerziell)?

A: Razor ist die kostenlose Community-Version mit allen wesentlichen Funktionen. Sentinel fügt erweiterte Funktionen wie Tree-sitter-AST-Heilung, Anti-Halluzinations-Schutz und Time-Machine-Undo hinzu. Siehe Editionsvergleich unten.

---

Editionsvergleich

Funktion	Razor (Community OSS)	Sentinel (Kommerzielle Stufe)
Framework-Protokollfilterung	Ja	Ja
Polyglot-Trace-Extraktion (4 Sprachen)	Ja	Ja (7 Sprachen)
KI-Reverse-Proxy-Gateway (--proxy)	Ja	Ja
Stack-Overflow-Integration	Ja	Ja
SHA-256-Idempotenz-Cache	Ja	Ja
ReDoS-sichere Secret-Schwärzung	Ja	Ja
MCP-Protokollserver (JSON-RPC)	Ja	Ja
Gebündelte Agent-Fähigkeiten	2 Fähigkeiten (Spec TDD & Fuzzer)	Vollständige 4-Fähigkeiten-Suite
Tree-sitter-AST-Syntaxheilung	Nein	Ja
Anti-Halluzinations-Scope-Schutz	Nein	Ja
Automatisierte Test-Rollback-Schleife	Nein	Ja
Mehrdatei-Atomtransaktionen	Nein	Ja
Time-Machine-Undo-Engine (--undo)	Nein	Ja
Echte Ectomy-Tiefenchirurgie-Engine	Nein	Ja
Live-DB-Port- und Docker-Diagnose	Nein	Ja

Interessiert an Sentinel? Preise & Funktionen ansehen

---

Roadmap

Meilenstein / Funktion	Status	Zielversion
Kern-Polyglot-Protokollchirurgie & $O(N)$ ReDoS-immunes Secret-Redaction	✅ Abgeschlossen	v1.0.0
KI-Gateway-Reverse-Proxy (--proxy) & SHA-256-Idempotenz-Cache	✅ Abgeschlossen	v1.1.0
Multi-Arch-Docker (GHCR) & GitHub-Actions-Marketplace-Aktion	✅ Abgeschlossen	v1.1.3
Statische AST-Codeanalyse-Engine (analyze_code) & UTF-16-LSP-Offsets	✅ Abgeschlossen	v1.1.5
Glama.ai-Tool-Definitions-Qualitätsbewertung (TDQS Note A)	✅ Abgeschlossen	v1.1.5
Eigenständige Multi-Arch-vorkompilierte Binärdateien (Linux, macOS, Windows)	✅ Abgeschlossen	v1.1.6
Offizieller Anthropic-MCP-Registry-Eintrag (io.github.Tokenectomy-Labs/razor)	✅ Abgeschlossen	v1.1.7
mcpservers.org Offizielle Verzeichnissynchronisierung & Abzeichen	✅ Abgeschlossen	v1.1.7
Java / Kotlin (Spring Boot 3, Gradle) Framework-Stacktrace-Extraktoren	✅ Abgeschlossen	v1.2.0
C / C++ (AddressSanitizer & GDB/LLDB) Backtrace-Reiniger	✅ Abgeschlossen	v1.2.0
Go-Goroutine-Panic- & Dump-Komprimierungsheuristiken	✅ Abgeschlossen	v1.2.0
awesome-mcp-servers Community-Verzeichniskatalogeintrag	🔄 In Arbeit	v1.2.0
Benutzerdefinierte Schwärzungsmuster über ~/.tokenectomy.toml	📋 Geplant	v1.3.0
Konfigurierbare Rauschschwellen & benutzerdefinierte Ausschlussmuster	📋 Geplant	v1.3.0
Dashboard für lokale Agent-Token-Ersparnisse & Kostensenkungsmetriken	📋 Geplant	v1.3.0
Native VS Code- & JetBrains-Begleiterweiterungen	📋 Geplant	v1.4.0
Server-Sent Events (SSE) Remote-MCP-Transport	📋 Geplant	v1.4.0
Tree-sitter-AST-Syntaxheilung & -Reparatur	✅ Sentinel (Bezahlt)	Jetzt verfügbar
Mehrdatei-Atomtransaktionen & Time-Machine-Rollback (--undo)	✅ Sentinel (Bezahlt)	Jetzt verfügbar

---

Sicherheits- & Zuverlässigkeitsinvarianten

• Zero-Knowledge-Verarbeitung: Die gesamte Überprüfung und Schwärzung erfolgt auf lokaler Hardware, bevor Daten die Systemgrenze verlassen.
• ReDoS-Immunität: Alle Musterabgleicher verwenden endliche Automatenauswertung mit garantierten linearen Laufzeiten. In Benchmarks verifiziert.
• Pfad-Traversal-Isolation: Dateioperationen sind strikt innerhalb der Arbeitsbereichsgrenzen über das WorkspaceBoundary-Sicherheitsmodul gesperrt.
• Speichersicherheit: Implementiert in sicherem Rust mit begrenzten Stream-Readern (.take()), die Ressourcenerschöpfungsangriffe verhindern.
• Prüfungsverifizierung: Kontinuierliche Abhängigkeitsprüfung wird über RustSec-Advisory-Datenbanken aufrechterhalten.

Offenlegung von Schwachstellen: Siehe SECURITY.md für Verfahren zur verantwortungsvollen Offenlegung.

---

Mitwirken

Einen Fehler gefunden? Eine Funktionsanfrage? Möchtest du Unterstützung für eine neue Sprache hinzufügen?

1. Issues: github.com/Tokenectomy-Labs/Tokenectomy/issues
2. Pull Requests: Forke, erstelle einen Feature-Branch und reiche einen PR mit Tests ein
3. Sicherheit: Siehe SECURITY.md für die private Offenlegung von Schwachstellen

Siehe CONTRIBUTING.md für detaillierte Mitwirkungsrichtlinien.

---

Ressourcen

• 📖 Dokumentation — Vollständige Anleitungen, API-Referenz und Integrations-Tutorials
• 📋 Changelog — Versionshistorie und bemerkenswerte Änderungen
• 🤝 Mitwirken — So trägst du bei, Entwicklungsablauf und Tests
• 🔒 Sicherheitsrichtlinie — Offenlegung von Schwachstellen und Prüfdetails
• 🏗️ Architektur — Internes Design und Systemarchitektur

---

Lizenz

MIT-Lizenz. Siehe LICENSE für die vollständigen Bedingungen.

---

Mit ❤️ erstellt von @daffa2555

Fragen? Öffne ein Issue oder starte eine Diskussion auf GitHub.