MCP PII Tools
Model Context Protocol (MCP)을 위한 PII(개인식별정보) 탐지, 익명화, 암호화 및 복호화 도구입니다.
🚀 주요 기능
- 고정밀 PII 탐지: GPT-4o 기반
langextract를 사용한 정확한 PII 탐지 - 다양한 PII 유형 지원: 이름, 이메일, 전화번호, 여권번호, 주소, 신용카드번호, 주민등록번호 등
- 실시간 익명화: 탐지된 PII를 즉시 익명화 처리
- 고급 암호화: 결정론적 암호화(검색 가능) 및 FPE(형식 유지 암호화) 지원
- 완전한 복호화: 암호화된 텍스트를 원본으로 복원
- 일괄 처리: 여러 텍스트를 효율적으로 처리
- MCP 호환: Model Context Protocol 표준을 준수
📦 설치 요구사항
1. uv 설치 (권장)
# uv 설치 (macOS/Linux)
curl -LsSf https://astral.sh/uv/install.sh | sh
# 또는 pip로 설치
pip install uv
2. 프로젝트 설치
# 저장소 클론
git clone https://github.com/your-username/mcp-pii-tools.git
cd mcp-pii-tools
# 의존성 설치
uv sync
# 개발 의존성 포함 설치
uv sync --extra dev
3. pip 사용 (대안)
pip install langextract[openai] openai python-dotenv cryptography mcp
🔐 암호화 방식
결정론적 암호화 (Deterministic Encryption)
- 용도: 이름, 주소, 이메일
- 특징: 같은 입력 → 같은 암호문 (검색 가능)
- 알고리즘: AES-CBC with PBKDF2
- 출력: Base64 인코딩
FPE (Format Preserving Encryption)
- 용도: 전화번호, 신용카드번호, 여권번호, 주민등록번호, 은행계좌번호
- 특징: 원본 형식 유지 (010-1234-5678 → 808-2523-9129)
- 알고리즘: 컨텍스트 기반 결정론적 변환
- 출력: 동일한 형식의 암호문
🔧 사용법
1. 기본 PII 탐지
from mcp_pii_tools import mcp_detect_pii
result = mcp_detect_pii("김철수 씨의 이메일은 kim@example.com입니다.")
print(f"탐지된 PII: {result['count']}개")
2. 텍스트 처리 (탐지 + 익명화)
from mcp_pii_tools import mcp_process_text
result = mcp_process_text("Rachel Lim의 전화번호는 010-1234-5678입니다.")
print(f"익명화된 텍스트: {result['anonymized_text']}")
3. 일괄 처리
from mcp_pii_tools import mcp_batch_process
texts = [
"김철수 씨가 방문했다.",
"박지현 님의 이메일은 park@test.com입니다.",
"John Smith의 전화번호는 010-9876-5432입니다."
]
result = mcp_batch_process(texts)
print(f"총 탐지된 PII: {result['total_pii_detected']}개")
4. 익명화 처리
from mcp_pii_tools import mcp_anonymize_text
# PII 항목들
pii_items = [
{"type": "이름", "value": "김철수", "start_pos": 0, "end_pos": 3, "confidence": 0.9},
{"type": "전화번호", "value": "010-1234-5678", "start_pos": 10, "end_pos": 23, "confidence": 0.9}
]
anonymized = mcp_anonymize_text("김철수 씨의 전화번호는 010-1234-5678입니다.", pii_items)
print(anonymized) # "[이름] 씨의 전화번호는 [전화번호]입니다."
5. 개별 PII 항목 암호화
from mcp_pii_tools import mcp_encrypt_pii_item, mcp_decrypt_pii_item
# 암호화
encrypt_result = mcp_encrypt_pii_item("김철수", "이름")
print(f"암호화: {encrypt_result['encrypted_value']}")
# 복호화
decrypt_result = mcp_decrypt_pii_item(encrypt_result['encrypted_value'], "이름")
print(f"복호화: {decrypt_result['decrypted_value']}")
6. 텍스트 전체 암호화/복호화
from mcp_pii_tools import mcp_encrypt_text_pii, mcp_decrypt_text_pii
# 텍스트 암호화
text = "김철수 씨의 이메일은 kim@example.com이고 전화번호는 010-1234-5678입니다."
encrypt_result = mcp_encrypt_text_pii(text)
print(f"암호화된 텍스트: {encrypt_result['encrypted_text']}")
# 텍스트 복호화
decrypt_result = mcp_decrypt_text_pii(
encrypt_result['encrypted_text'],
encrypt_result['encrypted_items']
)
print(f"복호화된 텍스트: {decrypt_result['decrypted_text']}")
🛠️ MCP Tools
1. detect_pii
텍스트에서 PII를 탐지합니다.
매개변수:
text(string): 분석할 텍스트
반환값:
{
"success": true,
"pii_items": [
{
"type": "이름",
"value": "김철수",
"confidence": 0.9,
"start_pos": 0,
"end_pos": 3
}
],
"count": 1,
"processing_time": 1.234,
"summary": {"이름": 1}
}
2. process_text
텍스트에서 PII를 탐지하고 익명화 처리합니다.
매개변수:
text(string): 처리할 텍스트
반환값:
{
"success": true,
"original_text": "김철수 씨의 이메일은 kim@example.com입니다.",
"anonymized_text": "[이름] 씨의 이메일은 [이메일]입니다.",
"pii_items": [...],
"count": 2,
"processing_time": 1.234,
"summary": {"이름": 1, "이메일": 1}
}
3. batch_process
여러 텍스트를 일괄적으로 처리합니다.
매개변수:
texts(array): 처리할 텍스트 리스트
반환값:
{
"success": true,
"results": [...],
"total_texts": 3,
"successful_count": 3,
"total_pii_detected": 5,
"processing_time": 3.456,
"average_time_per_text": 1.152
}
4. anonymize_text
PII 항목들을 사용하여 텍스트를 익명화합니다.
매개변수:
text(string): 원본 텍스트pii_items(array): PII 항목들
반환값:
"[이름] 씨의 전화번호는 [전화번호]입니다."
5. encrypt_pii_item
개별 PII 항목을 암호화합니다.
매개변수:
pii_value(string): 암호화할 PII 값pii_type(string): PII 유형 (이름, 전화번호, 이메일 등)
반환값:
{
"success": true,
"original_value": "김철수",
"encrypted_value": "X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q=",
"pii_type": "이름",
"encryption_method": "deterministic"
}
6. decrypt_pii_item
암호화된 PII 항목을 복호화합니다.
매개변수:
encrypted_value(string): 복호화할 암호화된 값pii_type(string): PII 유형
반환값:
{
"success": true,
"encrypted_value": "X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q=",
"decrypted_value": "김철수",
"pii_type": "이름",
"decryption_method": "deterministic"
}
7. encrypt_text_pii
텍스트에서 PII를 탐지하고 모든 PII를 암호화합니다.
매개변수:
text(string): 처리할 텍스트
반환값:
{
"success": true,
"original_text": "김철수 씨의 이메일은 kim@example.com입니다.",
"encrypted_text": "X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q= 씨의 이메일은 Y2F0YWxvZ0BleGFtcGxlLmNvbQ==입니다.",
"pii_items": [...],
"encrypted_items": {
"김철수": "X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q=",
"kim@example.com": "Y2F0YWxvZ0BleGFtcGxlLmNvbQ=="
},
"count": 2,
"processing_time": 1.234,
"summary": {"이름": 1, "이메일": 1}
}
8. decrypt_text_pii
암호화된 텍스트에서 PII를 복호화합니다.
매개변수:
encrypted_text(string): 암호화된 텍스트encrypted_items(object): 원본값 → 암호화값 매핑
반환값:
{
"success": true,
"encrypted_text": "X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q= 씨의 이메일은 Y2F0YWxvZ0BleGFtcGxlLmNvbQ==입니다.",
"decrypted_text": "김철수 씨의 이메일은 kim@example.com입니다.",
"decrypted_items": {
"X3Mi/5ClIhn56auXS6KKbmcdkp+k20TrYVRGoZpY35Q=": "김철수",
"Y2F0YWxvZ0BleGFtcGxlLmNvbQ==": "kim@example.com"
},
"count": 2,
"processing_time": 0.567
}
🎯 지원하는 PII 유형
| 유형 | 한국어 | 영어 | 예시 | 암호화 방식 |
|---|---|---|---|---|
| 이름 | 이름 | name | 김철수, Rachel Lim | 결정론적 |
| 이메일 | 이메일 | kim@example.com | 결정론적 | |
| 주소 | 주소 | address | 서울시 강남구 테헤란로 123 | 결정론적 |
| 전화번호 | 전화번호 | phone | 010-1234-5678 | FPE |
| 여권번호 | 여권번호 | passport_number | M31143886 | FPE |
| 신용카드번호 | 신용카드번호 | credit_card | 4532-1234-5678-9012 | FPE |
| 주민등록번호 | 주민등록번호 | ssn | 123456-1234567 | FPE |
| 은행계좌번호 | 은행계좌번호 | bank_account | 123-456-789012 | FPE |
⚡ 성능 특성
- 정확도: 100% (GPT-4o 기반)
- 처리 시간: 평균 1.3초/텍스트 (탐지), 0.1초/텍스트 (암호화/복호화)
- 지원 언어: 한국어, 영어, 혼합 텍스트
- 동시 처리: 일괄 처리 지원
- 암호화 성능: 초당 수천 건 처리 가능
🔒 보안 고려사항
- PII 탐지: OpenAI API를 통한 텍스트 전송이 발생할 수 있습니다
- 암호화: 모든 암호화/복호화는 로컬에서 처리됩니다
- 키 관리:
PII_MASTER_KEY환경변수로 마스터 키 설정 필요 - 데이터 보호: 암호화된 데이터는 검색 가능하지만 원본 복원 불가능
- 형식 유지: FPE를 통해 데이터베이스 스키마 변경 없이 암호화 가능
📝 예제 실행
uv 사용 (권장)
# 기본 테스트 (탐지, 익명화, 암호화/복호화)
uv run python mcp_pii_tools.py
# 사용 예제 (상세한 예제들)
uv run python mcp_pii_example.py
# 암호화 모듈 단독 테스트
uv run python pii_crypto.py
pip 사용
# 기본 테스트 (탐지, 익명화, 암호화/복호화)
python mcp_pii_tools.py
# 사용 예제 (상세한 예제들)
python mcp_pii_example.py
# 암호화 모듈 단독 테스트
python pii_crypto.py
🔧 환경 설정
1. 환경변수 설정
방법 1: 자동 설정 스크립트 사용 (가장 쉬움)
# 대화형 설정 스크립트 실행
uv run python setup_env.py
방법 2: 템플릿 파일 사용
# 템플릿 파일을 .env로 복사
cp env.template.txt .env
# .env 파일을 편집하여 실제 값 입력
nano .env # 또는 vim, code 등
방법 3: 직접 생성
OpenAI 사용 시:
# .env 파일 생성
echo "PII_PROVIDER=openai" > .env
echo "OPENAI_API_KEY=your_openai_api_key_here" >> .env
echo "PII_MASTER_KEY=your_secure_master_key_here" >> .env
echo "PII_MODEL_ID=gpt-4o" >> .env
vLLM 사용 시:
# .env 파일 생성
echo "PII_PROVIDER=vllm" > .env
echo "VLLM_API_KEY=your_vllm_api_key_here" >> .env
echo "PII_MASTER_KEY=your_secure_master_key_here" >> .env
echo "PII_MODEL_ID=qwen3-235b-awq" >> .env
echo "VLLM_BASE_URL=https://qwen.smartmind.team/v1" >> .env
echo "VLLM_TIMEOUT=600" >> .env
echo "VLLM_TEMPERATURE=0.0" >> .env
echo "VLLM_MAX_TOKENS=4096" >> .env
필수 환경변수
PII_MASTER_KEY: PII 암호화용 마스터 키 (선택사항, 기본값: "pii_master_key_1!smartmind")
Provider별 환경변수
OpenAI 사용 시:
OPENAI_API_KEY: OpenAI API 키 (https://platform.openai.com/api-keys)PII_MODEL_ID: 모델 ID (기본값: gpt-4o)
vLLM 사용 시:
VLLM_API_KEY: vLLM API 키 (OPENAI_API_KEY와 동일하게 사용 가능)VLLM_BASE_URL: vLLM 서버 URL (기본값: https://qwen.smartmind.team/v1)PII_MODEL_ID: 모델 ID (기본값: qwen3-235b-awq)VLLM_TIMEOUT: 요청 타임아웃 (초, 기본값: 600)VLLM_TEMPERATURE: 온도 (기본값: 0.0)VLLM_MAX_TOKENS: 최대 토큰 수 (기본값: 4096)
마스터 키 생성 방법
# OpenSSL 사용
openssl rand -base64 32
# Python 사용
python -c "import secrets; print(secrets.token_urlsafe(32))"
2. MCP 서버 실행
uv 사용 (권장):
# uv로 MCP 서버 실행
uv run python mcp_pii_tools.py
# 또는 가상환경 활성화 후 실행
uv shell
python mcp_pii_tools.py
pip 사용:
# MCP 서버로 실행 (Claude Desktop 등에서 사용)
python mcp_pii_tools.py
3. 사용 가능한 MCP Tools
detect_pii: PII 탐지process_text: PII 탐지 + 익명화batch_process: 일괄 처리anonymize_text: 익명화encrypt_pii_item: 개별 PII 암호화decrypt_pii_item: 개별 PII 복호화encrypt_text_pii: 텍스트 전체 암호화decrypt_text_pii: 텍스트 전체 복호화
🖥️ Claude Desktop 설정
1. Claude Desktop MCP 설정
Claude Desktop에서 MCP 서버를 사용하려면 설정 파일을 수정해야 합니다.
macOS 설정 파일 위치:
~/Library/Application Support/Claude/claude_desktop_config.json
Windows 설정 파일 위치:
%APPDATA%\Claude\claude_desktop_config.json
2. 설정 파일 내용
권장 설정 (uv 사용):
{
"mcpServers": {
"mcp-pii-tools": {
"command": "/opt/homebrew/bin/uv",
"args": ["run", "--directory", "/Users/matthew/Workspace/mcp-pii-tools", "python", "mcp_pii_tools.py"]
}
}
}
중요한 설정 포인트:
-
uv 전체 경로 사용:
command에uv의 전체 경로를 지정- macOS (Homebrew):
/opt/homebrew/bin/uv - macOS (직접 설치):
~/.cargo/bin/uv - Linux:
~/.cargo/bin/uv
- macOS (Homebrew):
-
디렉터리 명시:
--directory옵션으로 프로젝트 디렉터리 지정- Claude Desktop이 실행될 때 올바른 가상환경을 찾을 수 있도록 함
pyproject.toml이 있는 디렉터리를 정확히 지정해야 함
-
상대 경로 사용:
args에서 스크립트 파일명만 사용--directory로 작업 디렉터리가 설정되므로 상대 경로로 충분
대안 설정 (pip 사용):
{
"mcpServers": {
"mcp-pii-tools": {
"command": "python",
"args": ["/Users/matthew/Workspace/mcp-pii-tools/mcp_pii_tools.py"]
}
}
}
3. 환경변수 설정
중요: API 키와 설정은 JSON 파일이 아닌 환경변수로 관리합니다.
방법 1: 자동 설정 스크립트 사용 (권장)
# 프로젝트 디렉터리에서 실행
uv run python setup_env.py
방법 2: .env 파일 사용
# 템플릿 파일을 .env로 복사
cp env.template.txt .env
# .env 파일을 편집하여 실제 값 입력
nano .env # 또는 vim, code 등
방법 3: 시스템 환경변수 설정
# macOS/Linux
export OPENAI_API_KEY="your_openai_api_key_here"
export PII_MASTER_KEY="your_secure_master_key_here"
# Windows
set OPENAI_API_KEY=your_openai_api_key_here
set PII_MASTER_KEY=your_secure_master_key_here
4. 설정 완료
- Claude Desktop 종료
- 환경변수 설정 (위 방법 중 하나 선택)
- Claude Desktop 재시작
- MCP 서버 연결 확인
5. 사용 예시
Claude Desktop에서 다음과 같이 사용할 수 있습니다:
"이 텍스트에서 개인정보를 찾아서 익명화해줘: 김철수 씨의 이메일은 kim@example.com이고 전화번호는 010-1234-5678입니다."
🖥️ Cursor 설정
1. Cursor MCP 설정
Cursor에서 MCP 서버를 사용하려면 설정을 추가해야 합니다.
설정 파일 위치:
~/.cursor/mcp_settings.json
2. 설정 파일 내용
{
"mcpServers": {
"mcp-pii-tools": {
"command": "uv",
"args": ["run", "python", "/Users/matthew/Workspace/mcp-pii-tools/mcp_pii_tools.py"]
}
}
}
3. 환경변수 설정
중요: API 키와 설정은 JSON 파일이 아닌 환경변수로 관리합니다.
방법 1: 자동 설정 스크립트 사용 (권장)
# 프로젝트 디렉터리에서 실행
uv run python setup_env.py
방법 2: .env 파일 사용
# 템플릿 파일을 .env로 복사
cp env.template.txt .env
# .env 파일을 편집하여 실제 값 입력
nano .env # 또는 vim, code 등
4. Cursor에서 사용
- Cursor 설정 열기 (Cmd/Ctrl + ,)
- MCP 설정 추가
- 환경변수 설정 (위 방법 중 하나 선택)
- Cursor 재시작
- MCP 도구 사용
🔧 수동 테스트
1. MCP 서버 직접 테스트
uv 사용 (권장):
# 서버 실행
uv run python mcp_pii_tools.py
# 다른 터미널에서 테스트
echo '{"jsonrpc": "2.0", "id": 1, "method": "tools/list", "params": {}}' | uv run python mcp_pii_tools.py
pip 사용:
# 서버 실행
python mcp_pii_tools.py
# 다른 터미널에서 테스트
echo '{"jsonrpc": "2.0", "id": 1, "method": "tools/list", "params": {}}' | python mcp_pii_tools.py
2. 개별 도구 테스트
uv 사용 (권장):
# PII 탐지 테스트
uv run python -c "
from mcp_pii_tools import mcp_detect_pii
result = mcp_detect_pii('김철수 씨의 이메일은 kim@example.com입니다.')
print(result)
"
pip 사용:
# PII 탐지 테스트
python -c "
from mcp_pii_tools import mcp_detect_pii
result = mcp_detect_pii('김철수 씨의 이메일은 kim@example.com입니다.')
print(result)
"
🚨 문제 해결
1. MCP 서버 연결 실패
- 환경변수 확인:
OPENAI_API_KEY,PII_MASTER_KEY설정 확인 - uv 설치 확인:
uv --version으로 uv가 설치되어 있는지 확인 - 의존성 설치 확인:
uv sync로 모든 의존성이 설치되었는지 확인 - 파일 권한 확인: 스크립트 파일에 실행 권한이 있는지 확인
1.1. 모듈을 찾을 수 없는 오류 (ModuleNotFoundError)
증상: ModuleNotFoundError: No module named 'dotenv' 또는 ModuleNotFoundError: No module named 'langextract'
원인: Claude Desktop이 실행할 때 올바른 가상환경을 찾지 못함
해결 방법:
-
uv 전체 경로 사용:
"command": "/opt/homebrew/bin/uv" -
디렉터리 명시:
"args": ["run", "--directory", "/Users/matthew/Workspace/mcp-pii-tools", "python", "mcp_pii_tools.py"] -
uv 경로 확인:
which uv # 결과: /opt/homebrew/bin/uv (macOS Homebrew) # 또는: ~/.cargo/bin/uv (직접 설치) -
수동 테스트:
/opt/homebrew/bin/uv run --directory /Users/matthew/Workspace/mcp-pii-tools python mcp_pii_tools.py
2. 도구가 보이지 않는 경우
- Claude Desktop 재시작: 설정 변경 후 반드시 재시작
- 로그 확인: Claude Desktop 로그에서 오류 메시지 확인
- 설정 파일 문법: JSON 문법이 올바른지 확인
3. 성능 최적화
- 환경변수 사용:
.env파일 대신 시스템 환경변수 사용 권장 - 절대 경로 사용: 상대 경로 대신 절대 경로 사용
- uv 사용:
uv run을 사용하여 가상환경 자동 관리 - 의존성 캐싱:
uv의 빠른 의존성 해결 및 캐싱 활용
🐛 오류 처리
모든 함수는 success 필드를 통해 성공/실패를 나타냅니다:
result = mcp_detect_pii("텍스트")
if result['success']:
print(f"탐지된 PII: {result['count']}개")
else:
print(f"오류: {result['error']}")
🤝 기여
버그 리포트나 기능 요청은 GitHub Issues를 통해 제출해주세요.
🚀 주요 사용 사례
1. 데이터 마이그레이션
- 기존 데이터베이스의 PII를 안전하게 암호화하여 새 시스템으로 이전
- FPE를 통한 스키마 변경 없이 암호화 적용
2. 개발/테스트 환경
- 프로덕션 데이터의 PII를 익명화하여 테스트 데이터로 활용
- 개발자들이 실제 데이터 없이도 테스트 가능
3. 데이터 분석
- PII를 암호화한 상태에서도 검색 및 분석 가능
- 결정론적 암호화를 통한 그룹핑 및 집계
4. 규정 준수
- GDPR, 개인정보보호법 등 규정에 따른 PII 보호
- 감사 추적을 위한 암호화 로그 관리
MCP PII Tools - 고정밀 개인정보 탐지, 익명화, 암호화 및 복호화 솔루션