+ 发布产品

Tokenectomy Razor

# Tokenectomy Razor — AI 编程智能体的日志手术刀 ## 产品简介 Tokenectomy R

AI编程开发 部分免费
访问官网 ↗
认领产品

Tokenectomy Razor — AI 编程智能体的日志手术刀

产品简介

Tokenectomy Razor 是一款用 Rust 编写的本地 MCP（Model Context Protocol）服务器，专为 AI 编程智能体（Claude Code、Cursor、Cline、Antigravity、Windsurf 等）设计。它以亚毫秒级延迟对终端错误日志进行"手术"——切除 90% 以上的框架噪声（如 node_modules、site-packages、.cargo/registry 等依赖堆栈），同时自动脱敏泄露的数据库凭证、JWT 令牌、API 密钥等敏感信息，并将处理结果缓存 24 小时，重复错误零成本重试。产品支持通过 npm、crates.io 或 Docker 安装，完全本地执行，不向外部服务器发送原始日志数据。

核心能力

1. 多语言日志手术

支持 Rust、Python、TypeScript/JavaScript、Go、Java/Kotlin、C/C++、C#（.NET）、Ruby on Rails、PHP（Laravel/Symfony）等 9 种编程语言的堆栈跟踪解析，自动识别并剔除第三方依赖框架帧，保留开发者自写代码的出错位置，典型场景可将 38,000 Token 压缩至 2,000 Token，降幅达 94.7%。

2. 零泄露凭证脱敏

内置线性时间复杂度（O(N)）的确定性正则表达式引擎，可实时检测并脱敏日志中的 AWS 密钥、OpenAI API Key、数据库连接字符串（postgresql://admin:secret@host:5432/db）、JWT Bearer Token、私钥等敏感信息，整个脱敏过程在本地完成，无外部网络请求。ReDoS 恶意载荷（50,000 字符）处理耗时仅 1.09ms。

3. AI 网关反向代理（--proxy）

在本地 127.0.0.1:8080 启动 HTTP 反向代理，透明拦截发往 Anthropic、OpenAI、Ollama 的请求流，在上游转发前完成 Token 削减和凭证脱敏。同时支持多模型自动路由——可将 Claude /v1/messages 格式动态转码为 OpenAI /v1/chat/completions，反之亦然，无需修改智能体配置。

4. SHA-256 幂等缓存

对确定性请求响应进行 24 小时 TTL 本地缓存，同一错误第二次重试的 API 调用成本为零。缓存键基于请求内容哈希，精确匹配，无雪崩风险。

5. 静态 AST 代码分析（analyze_code）

对 Python、TypeScript/JavaScript、Rust 代码执行静态抽象语法树分析，检测资源泄漏、未关闭句柄、语法错误和无界循环，处理上限为 50,000 AST 节点和 10MB 文件，超限自动截断并报告。

6. 原子代码补丁与自动回滚（apply_code_patch）

在 AI 智能体执行代码修改时，先通过 cargo check、node --check 或 py_compile 进行目标语言语法验证，通过后写入磁盘；验证失败则立即回滚到修改前 git 提交状态，保证自动化循环中零脏 diff。

7. 工作区路径隔离

所有 MCP 文件系统访问均经规范化路径检查，禁止 ../ 穿越符号链接逃离当前工作区根目录，防止恶意日志通过路径遍历攻击智能体环境。

安装配置

方式一：npm 免安装（推荐）

无需本地安装 Rust 工具链，一条命令即可运行：

npx -y tokenectomy-razor --mcp

方式二：crates.io 全局安装

cargo install tokenectomy

安装后在 Claude Desktop 配置文件中添加：

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

方式三：Docker 容器

docker pull ghcr.io/tokenectomy-labs/razor:latest
docker run -i ghcr.io/tokenectomy-labs/razor:latest --mcp

方式四：Claude Code / Cline 插件方式

claude mcp add tokenectomy npx -y tokenectomy-razor --mcp

使用步骤

基础日志清洗（管道方式）

将任意错误日志通过管道传给 razor --scrub，输出干净的脱敏结果：

cat failure.log | razor --scrub > sanitized.log

离线气隙模式（零外部网络调用）

cat failure.log | razor --scrub --local-only

启动 AI 网关代理

启动本地代理，透明削减所有流经的请求：

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

# 转发至本地 Ollama
razor --proxy --proxy-bind 127.0.0.1:8080 --upstream-url http://127.0.0.1:11434/v1

然后将智能体或 SDK 的 Base URL 指向 http://127.0.0.1:8080/v1。

包装任意 CLI 工具

用 razor wrap 将任意命令行工具（如测试框架、构建工具）包装在日志削减保护下运行：

razor wrap -- claude
razor wrap -- aider --model deepseek/deepseek-chat
razor wrap npm test

监控 FinOps 仪表板

在浏览器中打开 http://127.0.0.1:8080/dashboard，实时查看 Token 削减量、美元节省金额、请求总数和凭证脱敏记录。

适用场景

场景一：持续集成中的 Token 成本优化

AI 智能体在 CI/CD 流水线中反复触发相同错误时，传统方式每次重试都消耗等量 Token；Tokenectomy 的 SHA-256 缓存使第二次重试成本降为零，一条流水线下来可节省数百美元。

场景二：安全合规要求下的日志处理

金融、医疗、企业内部系统要求日志不得包含真实凭证。Tokenectomy 的线性正则引擎在日志到达 LLM 之前完成脱敏，满足 SOC2、HIPAA 等合规审计要求。

场景三：多语言大型项目的错误诊断

当 Python FastAPI 项目同时调用 Rust 微服务时，混合语言堆栈跟踪可被 Tokenectomy 统一解析，只将各自用户代码部分送入上下文，大幅提升智能体定位真实错误的效率。

场景四：防止生产密钥泄露

开发者在本地调试时，数据库连接字符串和环境变量常常以明文出现在错误堆栈中。Tokenectomy 在日志离开本地之前完成凭证替换，即使日志被意外发送至外部 API 也不会造成泄露。

适用人群

AI 编程智能体重度用户：频繁使用 Claude Code、Cursor 等工具的开发者，每日处理大量错误日志，Tokenectomy 可显著降低 Token 消耗和 API 费用。

安全意识强的工程团队：需要防止生产凭证通过日志渠道泄露的团队，特别是使用 AI 编程工具处理真实业务代码的企业。

CI/CD 自动化工程师：在持续集成流水线中集成 AI 智能体的工程师，通过幂等缓存和零成本重试降低自动化循环成本。

多语言微服务开发者：同时维护多种语言项目，需要统一处理混合堆栈跟踪的开发团队。

工作原理

Tokenectomy Razor 基于 Model Context Protocol（MCP）标准，以 JSON-RPC 2.0 stdio 模式运行。核心处理流程如下：

第一步，日志解析器（extractor/）接收原始错误日志，通过多语言语法分析器识别堆栈帧，区分第三方依赖帧与用户代码帧。

第二步，脱敏引擎（redact.rs）对识别出的敏感模式（JWT、API Key、数据库 URI、私钥等）执行确定性正则替换，处理速度为 531,002 行/秒。

第三步，缓存模块（cache.rs）对已完成脱敏的确定性响应计算 SHA-256 哈希，存入 24 小时 TTL 本地缓存，重复请求直接返回缓存结果。

第四步，对于 MCP 协议调用（get_error_context、analyze_code、apply_code_patch），返回严格范围限定的工作区上下文和 UTF-16 坐标诊断信息，防止越界访问。

所有计算均在本地执行，产物 MIT 许可证开源，开发者可自行审计代码验证安全声明。

官方链接

团队信息

AI产品库 官方
由 AI 猎手自动发现

评论与建议

0 条评论