PrivacyScrubber PII Masker

Sanitização de dados com confiança zero (ZTDS) para remoção local de PII e segredos em pipelines seguros de LLM.

GitHub
2

Documentação

@privacyscrubber/mcp-server

NPM Version NPM Downloads PyPI Version PyPI Downloads NPM SDK Presidio Alternative Zero Dependencies License: MIT DOI OSF DOI SSRN IETF Specification ZTDS Verified smithery badge Cursor Directory Glama.ai TensorBlock MCP Index There's An AI For That Security: 100% Local Parity: 100% Core Match Patent Pending Developer SDK TEAMS Plan GitHub Stars

Servidor MCP de Redação de PII e Segredos Aprovado pelo CISO com Zero-Trust para Cursor, Windsurf e Claude Desktop. Remove localmente PII, segredos, credenciais e regras regex personalizadas de arquivos e contextos de texto antes que cheguem a provedores de LLM remotos, prevenindo vazamentos de API e garantindo conformidade com HIPAA/SOC 2 no endpoint do desenvolvedor.

Apoie o Open Source Zero-Trust: Se o PrivacyScrubber protege suas chaves de API, código-fonte e credenciais de desenvolvedor contra vazamentos em modelos, por favor marque este repositório com uma estrela no GitHub ou execute gh repo star moxno/privacyscrubber-mcp.

Licenciamento Comercial Direto e Infraestrutura de Produção:
Procurando automatizar a redação de PII com zero-trust dentro de microsserviços backend, pipelines de ETL ou agentes LangChain/LlamaIndex?

🔒 Fluxo de Dados Zero-Trust

Todos os parâmetros, identificadores e variáveis sensíveis são interceptados localmente dentro da RAM da sua máquina. Eles são substituídos por tokens (ex.: [EMAIL_1]) antes de serem enviados à IA. Quando a IA responde, os tokens são trocados de volta com segurança para os valores originais no seu contexto local.

[Raw Input / Files] ──> [MCP sanitize_text] ──> [Masked Tokens] ──> [LLM API]
                               │                                       │
                        (In-Memory Map)                             (Result)
                               │                                       │
[Original Output] <─── [MCP reveal_text] <─────────────────────────────┘

🚀 Instalação

1. Instalador Automático Universal com 1 Clique (Recomendado)

Detecta automaticamente os IDEs de IA instalados na sua máquina e configura o PrivacyScrubber com segurança, sem corromper ferramentas existentes:

# Auto-detect and configure all installed clients (Cursor, Claude Desktop, Claude Code, Windsurf, VS Code, Cline, Zed):
npx -y @privacyscrubber/mcp-server install --all

# Or target specific environments directly:
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

2. Instalação via Smithery

Para configurar e executar automaticamente com seu cliente preferido, instale usando o Smithery:

npx -y @smithery/cli install @privacyscrubber/mcp-server --write-to-clients

3. Execução Instantânea com NPX

Execute o servidor diretamente sem instalação local:

npx -y @privacyscrubber/mcp-server

4. Execução Instantânea com UVX (Python / PyPI)

Execute o servidor diretamente dentro de fluxos de trabalho de agentes Python (CrewAI, LangChain, AutoGen, LlamaIndex):

uvx privacyscrubber-mcp

Ou via pip:

pip install privacyscrubber-mcp
privacyscrubber-mcp

5. SDK Programático Node.js / TypeScript (Alternativa Leve ao Presidio)

Precisa de sanitização de PII zero-trust direta e em memória no seu microsserviço backend, aplicativo Next.js ou pipeline vetorial RAG em vez de um servidor MCP? Use nosso SDK oficial com zero dependências:

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 AKIAIOSFODNN7EXAMPLE.' }]
});

// Incoming LLM answer is automatically rehydrated with "Alice Smith (alice@acme.com)":
console.log(completion.choices[0].message.content);

⚡ Por que @privacyscrubber/sdk vs Microsoft Presidio?

O Microsoft Presidio é o padrão em Python, mas implantá-lo em uma stack Node.js / TypeScript exige executar microsserviços Python pesados, contêineres Docker e modelos NLP spaCy de 500MB+ com latência de 35–120ms. O @privacyscrubber/sdk executa 100% em processo com zero dependências:

Recurso / Métrica@privacyscrubber/sdkMicrosoft PresidioAWS Comprehend / Google Cloud DLP
Runtime e Dependências0 dependências (~150KB)Python + Docker + spaCy (~500MB)SDKs de nuvem pesados
Latência de ExecuçãoSub-milissegundo em RAM (<1ms)35–120ms de roundtrip HTTP/gRPC180–400ms de roundtrip externo na nuvem
Docker / Sidecar NecessárioNenhum (Node/WASM puro em processo)Contêiner Docker obrigatórioEndpoints VPC e configurações IAM
Egresso de Rede0 Bytes (100% isolado)Salto de rede interna localPayload completo não criptografado para a nuvem
Perda de Dados e Reversibilidade0 Perda (reversível em RAM via restore())Configuração manual de cofre de tokensMascaramento / hash irreversível
Integração OpenAI / LangChain em 1 LinhaIntegrado (wrapOpenAI, wrapAiStream)Cola de pipeline personalizada complexaArquitetura de proxy personalizada
Interceptação de Segredos DevOpsIntegrado (AWS, JWT, URIs de BD, GitHub PAT)Reconhecedores regex personalizados necessáriosClassificadores específicos de nuvem
Reidratação em StreamingIntegrado (wrapAiStream, TransformStream)Buffer / falhas de divisão de chunksNão suportado em streams em tempo real

👉 Veja @privacyscrubber/sdk no NPM | Documentação completa, middleware Express, transformações LangChain e 25 perfis de conformidade.

🤖 Receitas de Orquestradores de IA: LangChain, LlamaIndex, CrewAI e AutoGPT

Se você está construindo agentes autônomos, pipelines vetoriais RAG ou serviços backend em vez de prompts de IDE para usuário único, use o @privacyscrubber/sdk para sanitizar dados em memória:

1. LangChain.js (LCEL e Ingestão de Documentos RAG)
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);
2. LlamaIndex.TS e Ingestão Universal de Banco Vetorial (Chroma, Pinecone, Qdrant)
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 write, re-hydrates on query
const guardedStore = guard.wrapVectorStore(nativeVectorStore);

Receitas completas e executáveis estão incluídas no pacote npm em @privacyscrubber/sdk/examples/ (ou execute npx @privacyscrubber/sdk).

3. CrewAI e Enxames Multi-Agente (Modo Sidecar / Interop Python)
# Run lightweight zero-dependency local daemon (<1ms in-memory, 0 external network calls):
npx @privacyscrubber/sdk sidecar --port 3100

# In your Python CrewAI / AutoGen Agent tools:
import requests

def sanitize_agent_input(prompt: str) -> tuple[str, dict]:
    res = requests.post("http://127.0.0.1:3100/sanitize", json={"text": prompt, "profile": "Dev"}).json()
    return res["scrubbedText"], res["tokenMap"]

def restore_agent_output(ai_response: str, token_map: dict) -> str:
    res = requests.post("http://127.0.0.1:3100/restore", json={"text": ai_response, "tokenMap": token_map}).json()
    return res["restoredText"]
4. AutoGPT / Agentes Autônomos Multi-Turno
import { PrivacyScrubberEngine, createGuardedTools } from '@privacyscrubber/sdk';

const engine = new PrivacyScrubberEngine({ defaultProfile: 'Dev' });
// Equips agent with tools that intercept commands, file reads, and git diffs before model exposure:
const guardedTools = createGuardedTools(engine);

Licenciamento Empresarial e de Produção:

🛡️ Análise Aprofundada de Arquitetura e Segurança (Zero-Trust vs DLP em Nuvem)

Quando IDEs de IA (Cursor, Claude Desktop, Windsurf) se conectam a provedores de modelos, credenciais de desenvolvedor, strings de conexão de banco de dados e PII de clientes internos estão em risco contínuo de exfiltração por prompt. O @privacyscrubber/mcp-server impõe quatro garantias arquiteturais imutáveis:

  1. Transporte Isolado via Stdio: O servidor MCP se comunica exclusivamente por entrada/saída padrão local (stdio) em processos filhos gerados pelo seu IDE. Ele abre zero portas de escuta externas e inicia zero requisições de rede remotas.
  2. Mapa de Tokens Volátil Apenas em RAM: A tabela de mapeamento entre tokens sintéticos ([AWS_KEY_1], [EMAIL_1]) e texto claro bruto é mantida exclusivamente na memória efêmera do node e é apagada no momento em que sua sessão do IDE é encerrada.
  3. Mecanismo Local ZTDS™ em Memória vs Sobrecarga de Proxy em Nuvem: Diferente de gateways DLP em nuvem (Nightfall, Skyflow) que adicionam 200–400ms de latência e transmitem código não criptografado a terceiros, o @privacyscrubber/mcp-server executa localmente em <2ms com zero egresso de dados.
  4. Validação Permanente de Padrões e Acadêmica:

⚙️ Integrações com Clientes

Claude Desktop

Adicione isto ao arquivo de configuração do seu Claude Desktop:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Cursor

Adicione ao .cursor/mcp.json (workspace) ou ~/.cursor/mcp.json (global) do seu projeto:

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_PRO_OR_TEAMS_LICENSE_KEY"
      }
    }
  }
}

Ou via GUI do Cursor: Abra Configurações (Cmd/Ctrl + ,) → Recursos → MCP → + Adicionar Nova Ferramenta MCP:

  • Nome: privacyscrubber
  • Tipo: command
  • Comando: npx -y @privacyscrubber/mcp-server

Windsurf (Codeium)

Adicione ao ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_PRO_OR_TEAMS_LICENSE_KEY"
      }
    }
  }
}

Ou via GUI do Windsurf: Abra Configurações → Configurações MCP → adicione um novo servidor de comando npx -y @privacyscrubber/mcp-server.

Modelos JSON prontos para copiar para todos os clientes suportados estão disponíveis em examples/configs/.

Cline / Roo Code

Adicione ao cline_mcp_settings.json:

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Claude Code CLI

Adicione diretamente do seu terminal:

claude mcp add privacyscrubber -- npx -y @privacyscrubber/mcp-server

VS Code Native MCP (.vscode/mcp.json)

Para suporte oficial ao VS Code Native MCP, configure o .vscode/mcp.json do seu projeto:

{
  "servers": {
    "privacyscrubber": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

Zed IDE (settings.json)

Adicione à sua configuração do Zed (~/.config/zed/settings.json ou %APPDATA%\Zed\settings.json):

{
  "context_servers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_OPTIONAL_PRO_LICENSE_KEY"
      }
    }
  }
}

🛠️ Ferramentas Fornecidas e Especificações JSON-RPC

1. sanitize_text

Redige PII, segredos, chaves de API e credenciais de um bloco de texto e popula o mapeamento de substituição local volátil.

  • Argumentos:
    • text (string, obrigatório): O conteúdo bruto ou logs a serem sanitizados.
    • profile (string, opcional): Perfil de detecção por setor (ex.: 'General', 'Dev', 'Medical', 'Legal', 'Compliance'). Padrão: 'General'.
  • Exemplo de Chamada JSON-RPC: 
    {
  "method": "tools/call",
  "params": {
    "name": "sanitize_text",
    "arguments": {
      "text": "Contact me at dev-key-1234 or jane.doe@company.com",
      "profile": "General"
    }
  }
}
  • Exemplo de Resposta: 
    {
  "content": [
    {
      "type": "text",
      "text": "Contact me at [SECRET_1] or [EMAIL_1]"
    }
  ]
}

2. reveal_text

Destokeniza a resposta da IA de volta para os valores originais localmente.

  • Argumentos:
    • text (string, obrigatório): A resposta do LLM contendo placeholders tokenizados.
  • Exemplo de Chamada JSON-RPC: 
    {
  "method": "tools/call",
  "params": {
    "name": "reveal_text",
    "arguments": {
      "text": "Please reach out to [EMAIL_1] regarding the update."
    }
  }
}
  • Exemplo de Resposta: 
    {
  "content": [
    {
      "type": "text",
      "text": "Please reach out to jane.doe@company.com regarding the update."
    }
  ]
}

3. sanitize_file

Lê um arquivo local, extrai texto, sanitiza e retorna o modelo redigido para análise pelo LLM.

  • Formatos Suportados: Texto simples (código-fonte, logs, CSV, JSON, markdown) e documentos Microsoft Word (.docx).
  • Argumentos:
    • filePath (string, obrigatório): Caminho absoluto do arquivo a ser lido e sanitizado.
    • profile (string, opcional): O perfil de detecção por setor.

4. guard_exec (Firewall de Execução de Comandos)

Executa com segurança comandos de terminal em um processo filho isolado, mascarando PII, credenciais de banco de dados e chaves de API no stdout/stderr na RAM local antes de passá-los ao agente de IA. Inclui um recibo de auditoria CISO no stderr.

  • Argumentos:
    • command (string, obrigatório): O comando shell a ser executado (ex.: cat .env, docker logs web, git diff).
    • cwd (string, opcional): Diretório de trabalho.
    • profile (string, opcional): Perfil de detecção (padrão: Dev).
    • timeout_ms (número, opcional): Timeout em ms (padrão: 15000).

5. guard_read_file (Leitor de Arquivos com Mascaramento de Credenciais)

Lê arquivos (.env, configurações, código-fonte, dumps de banco de dados) e tokeniza todas as senhas, JWTs e PII na memória volátil, retornando conteúdo redigido seguro para raciocínio da IA.

  • Argumentos:
    • file_path (string, obrigatório): Caminho do arquivo.
    • profile (string, opcional): Perfil de detecção (padrão: Dev).
    • max_lines (número, opcional): Limite de linhas para arquivos grandes (padrão: 500).

6. guard_git_diff (Sanitizador de Pré-Commit e Diff)

Inspeciona diffs de repositório em staged (--cached) ou unstaged, redigindo quaisquer segredos ou PII recém-introduzidos na RAM local antes da revisão de código pela IA ou geração de mensagens de commit.

  • Argumentos:
    • staged (booleano, opcional): Se true, inspeciona alterações preparadas (git diff --cached). O padrão é false.
    • cwd (string, opcional): Diretório de trabalho.
    • profile (string, opcional): Perfil de detecção (o padrão é Dev).

7. guard_apply_patch (Aplicador de Patch Seguro)

Reverte placeholders de token ([API_KEY_1], [SECRET_1]) em código ou texto gerado por IA, consultando o mapa de sessão RAM local, criando um backup .bak e gravando texto claro autêntico diretamente no disco. O LLM remoto nunca vê segredos reais.

  • Argumentos:
    • file_path (string, obrigatório): Caminho para o arquivo de destino.
    • content (string, obrigatório): Conteúdo contendo tokens a serem restaurados no disco.
    • create_backup (booleano, opcional): Fazer backup do arquivo existente antes da gravação (o padrão é true).

8. create_agent_rules (Injeção de Regras de Agente com 1 Clique)

Cria automaticamente diretivas Zero-Trust de nível CISO em .cursorrules, .windsurfrules, CLAUDE.md, .github/copilot-instructions.md ou .clinerules.

  • Argumentos:
    • agent_types (array, opcional): ["all"], ["cursor"], ["windsurf"], ["claude_code"], ["copilot"], ["cline"]. O padrão é ["all"].
    • workspace_dir (string, opcional): Diretório do espaço de trabalho.

9. check_status

Retorna um painel visual mostrando seu nível atual, contagem de solicitações da sessão, perfis ativos e instruções de atualização. Use-o a qualquer momento para verificar o status da sua licença ou obter ajuda na configuração.

  • Argumentos: (nenhum obrigatório)
  • Exemplo de Chamada JSON-RPC: 
    {
  "method": "tools/call",
  "params": { "name": "check_status", "arguments": {} }
}
  • Exemplo de Resposta (Nível Gratuito): 
    ╔══════════════════════════════════════════════════╗
║       PrivacyScrubber MCP Server v2.3.9          ║
╠══════════════════════════════════════════════════╣
║  🔓 Tier: FREE                                   ║
║  📊 Session requests: 5                          ║
║  📁 Input size limit: 15,000 characters/request  ║
╠══════════════════════════════════════════════════╣
║  🏷️  Profiles: General only — PRO unlocks 30 more ║
║  📋 Custom rules: 🔒 Locked — requires PRO       ║
╠══════════════════════════════════════════════════╣
║  💳 Upgrade to PRO — $110 Lifetime               ║
║     https://privacyscrubber.com/pricing?utm_source=npm&utm_medium=readme&utm_campaign=mcp_server          ║
╠══════════════════════════════════════════════════╣
║  After purchase, add your key to MCP config:     ║
║  "PRIVACYSCRUBBER_KEY": "<your-key-here>"        ║
║  Full setup guide:                               ║
║  https://privacyscrubber.com/pii-mcp/?utm_source=npm&utm_medium=readme&utm_campaign=mcp_server          ║
╚══════════════════════════════════════════════════╝

10. generate_procurement_memo (Central de Aquisição para CISO e DPO)

Gera um caso de negócio institucional, detalhamento de risco regulatório e memorando de aquisição para aprovação de CISO, DPO e Jurídico. Calcula ROI determinístico versus penalidades por violação e taxas de egresso de DLP em nuvem.

  • Argumentos:
    • targetTier (string, opcional): Plano de destino ("teams" a $99/mês ou "sdk" a $299/mês). O padrão é "teams".
    • teamSize (número, opcional): Número estimado de assentos de desenvolvedor/analista (o padrão é 10).
    • primaryFramework (string, opcional): Estrutura de conformidade principal ("gdpr", "hipaa", "soc2" ou "pci_dss"). O padrão é "gdpr".
  • Exemplo de Chamada JSON-RPC: 
    {
  "method": "tools/call",
  "params": {
    "name": "generate_procurement_memo",
    "arguments": {
      "targetTier": "teams",
      "teamSize": 15,
      "primaryFramework": "gdpr"
    }
  }
}
  • Saída: Memorando de aquisição empresarial em Markdown formatado, pronto para inserção imediata em RFCs internos, wikis Confluence ou requisições de compra empresariais.

🛡️ CLI Independente: ps-guard

O PrivacyScrubber inclui ps-guard para fluxos de trabalho com pipe Unix, pre-commit e agênticos:

# Run on-demand via scoped npx (zero external lookup):
cat .env | npx -y -p @privacyscrubber/mcp-server ps-guard --profile dev

# Or install globally for direct command access:
npm install -g @privacyscrubber/mcp-server

# Pipe any output through RAM redaction
cat .env | ps-guard --profile dev

# Execute commands through the ZTDS safety wrapper
ps-guard -- npm test

# Review git diff with secrets redacted
ps-guard --diff --staged

# Generate rules for all AI IDEs (.cursorrules, .windsurfrules, CLAUDE.md, copilot, cline)
ps-guard --rules

🌐 Extensão de Navegador e Cliente Web

Procurando proteção em tempo real diretamente no seu navegador?

📄 Licença e Atualização Comercial

Por padrão, o servidor opera sob o Nível Gratuito (limitado a 15.000 caracteres por solicitação e ao perfil PII básico General). Para desbloquear 30 perfis PII especializados de engenharia, medicina, jurídico e finanças, bem como regras personalizadas para toda a equipe, você pode adquirir uma licença comercial.

Plano Comercial e Comparação de Recursos

RecursoComunidade GratuitaNível PRONível TEAMSSDK para Desenvolvedores
Arquitetura de ExecuçãoStdio RAM LocalStdio RAM LocalStdio RAM LocalNode/WASM em Processo
Tokenização VolátilSim (somente RAM)Sim (somente RAM)Sim (somente RAM)Sim (somente RAM)
Mascaramento PII PadrãoSimSimSimSim
Taxa Máxima de Caracteres15.000 caracteres / chamadaIlimitadoIlimitadoIlimitado
30 Perfis do SetorSomente Geral (teste de 5k)Todos os 30 PerfisTodos os 30 PerfisTodos os 30 Perfis
Regras Regex PersonalizadasBloqueadoIlimitadoIlimitadoIlimitado
Sincronização de Regras da Equipe (GPO)NãoNãoSim (Link Compartilhado)Sim (Configurável)
Exportação de Microsserviço / RAGNãoNãoNãoSim (@privacyscrubber/sdk)
Responsabilidade de Subprocessador0 (Lado do Cliente)0 (Lado do Cliente)0 (Lado do Cliente)0 (Node/WASM em Processo)
Custo de Licenciamento$0$15/mês ou $110 Vitalício$99/mês Taxa Fixa$299/mês ou $2.990/ano
Ativação DiretaIncluído por padrãoAdquirir PROImplantar TEAMSAssinar SDK

👉 Adquira uma Chave de Licença Comercial em privacyscrubber.com/pricing

🔐 Após a Compra: Ative o PRO no Seu Cliente MCP

Após comprar uma licença PRO em privacyscrubber.com/pricing, você receberá uma chave de licença. Adicione-a à configuração do seu cliente MCP como uma variável de ambiente: PRIVACYSCRUBBER_KEY.

Claude Desktop

Edite ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) ou %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_LICENSE_KEY_HERE"
      }
    }
  }
}

Reinicie o Claude Desktop após salvar.

Cursor

  1. Vá para Configurações → Recursos → Servidores MCP.
  2. Encontre privacyscrubber e clique em Editar.
  3. Adicione a variável de ambiente: PRIVACYSCRUBBER_KEY=YOUR_LICENSE_KEY_HERE.
  4. Reinicie o Cursor.

Alternativamente, exporte-a em todo o sistema para que todas as ferramentas a reconheçam:

# macOS / Linux — add to ~/.zshrc or ~/.bashrc
export PRIVACYSCRUBBER_KEY="YOUR_LICENSE_KEY_HERE"

Windsurf

Edite ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "privacyscrubber": {
      "command": "npx",
      "args": ["-y", "@privacyscrubber/mcp-server"],
      "env": {
        "PRIVACYSCRUBBER_KEY": "YOUR_LICENSE_KEY_HERE"
      }
    }
  }
}

Verificar Ativação

Após adicionar a chave, peça ao seu agente de IA para chamar check_status:

Use the check_status tool from PrivacyScrubber MCP

🔗 Guias de Ecossistema e Arquitetura de Produção

📚 Fundamentos Acadêmicos e Verificação Regulatória

O PrivacyScrubber e o protocolo Zero-Trust Data Sanitization (ZTDS) são respaldados por tratados científicos, clínicos e jurídicos publicados:

Repositório / ArquivoDOI / IdentificadorÁrea de FocoEscopo Regulatório e de Conformidade
Especificação IETFdraft-sibiryakov-ztds-protocolO Protocolo ZTDS para Ingestão de IA de Fronteira (Internet-Draft)Privacidade Global de IA, Arquitetura de Zero Egresso
Zenodo / CERN10.5281/zenodo.22058770Fundação do Protocolo Zero-Trust Data Sanitization (ZTDS)Privacidade de IA Transfronteiriça, ISO 27001 A.8.11
OSF (Centro para Ciência Aberta)10.17605/OSF.IO/5BYJFBenchmark Empírico de Latência e Perfil de Memória (<2ms RAM)Desempenho vs. Proxies DLP em Nuvem
SSRN / ElsevierSSRN ID: 7335581Governança Empresarial de IA GenerativaLei de IA da UE, GDPR do Reino Unido, Privacidade Estadual dos EUA
medRxiv (Cold Spring Harbor)MEDRXIV/2026/361661Desidentificação de Ensaios Clínicos MulticêntricosHIPAA Safe Harbor Seção 164.514(b)
Law Archive / OSFLawArchive ID: 4wc86Preservando o Privilégio Advogado-Cliente em Fluxos de Trabalho de IARegras Modelo ABA e Ética Jurídica

Citando o PrivacyScrubber em Pesquisas e Auditorias

@software{sibiryakov2026privacyscrubber,
  author = {Sibiryakov, Ilya},
  title = {PrivacyScrubber: Zero-Trust Data Sanitization (ZTDS) Engine & MCP Server},
  year = {2026},
  publisher = {Zenodo},
  doi = {10.5281/zenodo.22058770},
  url = {https://github.com/moxno/privacyscrubber-mcp}
}

📄 Licença

MIT © Ilya Sibiryakov (BrandMeWeb)

⚖️ Divulgações de Propriedade Intelectual e Patentes

A arquitetura Zero-Trust Data Sanitization (ZTDS), tokenização determinística em memória, handoff de sessão criptográfica e métodos de execução stdio implementados neste pacote são tecnologia proprietária de Ilya Sibiryakov (BrandMeWeb) e estão protegidos sob status de Patente Pendente:

  • Status Legal: Patentes Pendentes nos EUA e Internacionais
  • Estrutura de Prioridade: Convenção de Paris Art. 4 e 35 U.S.C. § 119 Prioridade (Janela Ativa de 12 Meses)
  • Status da Patente: Patentes Pendentes nos EUA e Internacionais (Prioridade Bloqueada)
  • Título Oficial: SISTEMA E MÉTODO PARA SANITIZAÇÃO DE DADOS ZERO-TRUST NO LADO DO CLIENTE E HANDOFF DE SESSÃO CRIPTOGRÁFICA EM FLUXOS DE TRABALHO DE INTELIGÊNCIA ARTIFICIAL
  • Central de Divulgações de Patentes: privacyscrubber.com/patents/ (verificação formal via NDA de advogado).

🌐 Especificação do Internet Engineering Task Force (IETF)