Maskit接入Cursor与Claude Code教程：Base URL 指向本地脱敏网关

部署 Maskit：桌面客户端与 Docker 两条路

Maskit（数据面具，Data Maskit）是开源的本地隐私脱敏与还原网关，GitHub 2026-09 查询约 200 star（精确值 198）：把 Cursor、Claude Code 等工具的 API Base URL 指向它在本机开的反代端口，请求出网前自动把密钥、内网地址、手机号替换成占位符，模型回复时毫秒级流式还原，100% 本地运算、零遥测（官方 README 表述）。接入只改一个 Base URL，工作量在部署：个人日常用桌面客户端，团队、服务器或 NAS 用 Docker。

桌面客户端（Windows / macOS）

GitHub Releases 下载安装包（细节出自官方 README）：Windows 用 Maskit_<版本>_x64-setup.exe 双击安装，系统托盘右键启停，官方称支持基于 Minisign 的数字签名在线更新；macOS（Apple Silicon）用 Maskit_<版本>_aarch64.dmg 拖入”应用程序”。首次打开若提示无法验证开发者，执行：

xattr -cr /Applications/Maskit.app

Docker（团队 / 服务器 / NAS）

官方预构建多架构镜像 ghcr.io/xiayutian11/maskit:latest，原生支持 linux/amd64 与 linux/arm64，内嵌 Web 控制台，一行命令启动：

docker run -d \
  --name maskit \
  --restart unless-stopped \
  -p 127.0.0.1:5801:5801 \
  -p 127.0.0.1:18701:18701 \
  -v maskit_data:/data \
  -e MASKIT_PANEL_TOKEN="YourSecretToken123456" \
  ghcr.io/xiayutian11/maskit:latest

参数说明（官方 README）：5801 是 Web 控制台端口，必开；18701 起是模型反代端口，用几个开几个；MASKIT_PANEL_TOKEN 需 16 位以上纯 ASCII。默认绑定 127.0.0.1 回环不暴露公网；经 Nginx TLS 反代时追加 MASKIT_TRUST_PROXY=1。也可源码运行：pip install -r requirements.txt 后执行 python engine/panel.py。

接入原理：把 Base URL 改到本地端口

接入的本质是端点替换：请求先到 Maskit 本地端口，打码后由网关转发上游，回复沿原路流式还原。默认端口映射（官方 README）：OpenAI 协议 http://127.0.0.1:18701/v1，DeepSeek 协议 http://127.0.0.1:18702/v1，Anthropic 协议 http://127.0.0.1:18703，可在”客户端管理”增改。项目定位与三类检测目标见 Maskit 是什么。

三个工程要点：走普通 HTTP 反代，无需装自签名 CA 根证书（官方称”免装根证书”）；Fallback Passthrough 兜底，即使 Maskit 退出本地端口仍透明直连，工具不断网；API Key 照常填真实值，Maskit 收到后转发上游，不托管密钥。各工具端点字段名随版本变化，以各自官方文档为准。

Cursor 接入：OpenAI Base URL 指向 18701

Cursor 的接入口在模型设置：把自定义 OpenAI Base URL 改为本地端口，密钥照填。官方 README 路径是 Cursor → Settings → Models：

启动 Maskit，确认 OpenAI 端口（默认 18701）在监听；
打开 Cursor → Settings → Models；
OpenAI Base URL 填 http://127.0.0.1:18701/v1；
API Key 填真实密钥（Maskit 收到后转发上游）；
发一条消息验证，方法见下文。

两点补充：Cursor 迭代快，Base URL / Override 字段名称以 Cursor 官方文档为准；用 One API / New API 这类中转的，在 Maskit「客户端管理」添加客户端——目标网关填中转地址、本地端口填空闲端口（如 18709）、勾选脱敏路径，Base URL 改指 http://127.0.0.1:18709/v1（官方 README 步骤）。

Claude Code 接入：ANTHROPIC_BASE_URL 环境变量

Claude Code 改端点最直接的方式是环境变量：启动前把 ANTHROPIC_BASE_URL 指向 Maskit 的 Anthropic 端口 18703（官方 README 写法）：

# Linux / macOS
export ANTHROPIC_BASE_URL="http://127.0.0.1:18703"
claude

Windows PowerShell 等价写法：

$env:ANTHROPIC_BASE_URL = "http://127.0.0.1:18703"
claude

也可用 cc-switch 渠道切换工具，把当前 Claude 渠道的 Base URL 改为 http://127.0.0.1:18703（官方 README 推荐），或写进 shell 配置固化。环境变量名以 Claude Code 官方文档为准。还没装的先看 Claude Code 安装教程，密钥申请与配置见 Claude Code API Key 配置指南。

其他工具与代码接入

OpenAI 协议的命令行工具（Codex、OpenCode、Aider、Pi 等）统一走环境变量（官方 README 示例）：

# Linux / macOS
export OPENAI_BASE_URL="http://127.0.0.1:18701/v1"
export OPENAI_API_KEY="your-api-key"

# Windows PowerShell
$env:OPENAI_BASE_URL = "http://127.0.0.1:18701/v1"
$env:OPENAI_API_KEY = "your-api-key"

代码接入只改 base_url 参数，对调用方透明（示例改自官方 README）：

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:18701/v1",
    api_key="your-api-key"
)
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "排查数据库连接：mysql://root:Pass123@192.168.1.100:3306"}]
)
print(response.choices[0].message.content)

验证脱敏是否生效：一段假密钥的端到端测试

接入成功的标准是三件事同时成立：模型收到占位符、你看到原文、日志有记录。全程用假数据测，不拿真实凭证冒险（工程验证方法，非官方流程）：

在已接入的工具里发一条含假敏感信息的消息，例如 排查数据库：mysql://root:FakePass@192.168.1.50:3306/db，密钥 sk-proj-TEST123456；
观察回复：模型围绕”连接串、密钥”给出正常建议，说明占位符保留了语义，推理没被打断；
打开 Web 控制台（5801 端口）日志页找到这笔请求，确认连接串与密钥已被形如 {{CONNSTR_xxx}} 的占位符替换，日志支持原文高亮对照（官方 README 功能），实际格式以日志为准；
也可用 curl 直连复核：

curl http://127.0.0.1:18701/v1/chat/completions \
  -H "Authorization: Bearer your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-4o","messages":[{"role":"user","content":"排查数据库：mysql://root:FakePass@192.168.1.50:3306/db"}]}'

回复里出现还原后的假连接串、日志对应位置是占位符，链路即打通，再换真实工作负载。

使用边界与注意事项

Maskit 解决的是”出网面”问题，三个边界要在放量前实测清楚（工程建议）：

多轮一致性：滑动窗口复用保证窗口内同一敏感词每轮映射同一占位符（官方 README：同一对话第 1 轮与第 10 轮的”张三”一致）；滑出窗口后的映射保留行为建议实测，关键代号提前加入自定义词库。
长上下文耗时：正则扫描与占位符拼接都在本地进程内进行，上下文越长本地处理占比越明显；仓库级请求先测一次端到端延迟再放量。
误报与漏报：内置 19 类正则走保守路线（官方称低误报），非标准格式的内部凭证可能漏报，PEM 私钥这类大段文本的识别边界建议抽查；漏报代价更高，先紧后松。
能力边界：脱敏改变的是模型看到什么，不改变模型能力上限，代码质量与幻觉问题照常审查。

与本地模型方案组合：两条隐私路线对比

脱敏网关与本地模型是两条可叠加的隐私路线：前者让云端模型拿不到真实数据，后者让数据根本不出本机：

维度	脱敏网关 + 云端模型	本地模型（Ollama 等）
数据边界	真实值不出本机，占位符出网	全部数据不出本机
模型能力	云端旗舰模型满血能力	受显存约束，多为蒸馏版
成本	按量计费的 API 费用	电费加显卡投入，边际近零
部署	部署网关加改 Base URL	装环境、拉模型、调参数
适用	日常主力开发	红线数据、离线环境、批处理

常见组合按数据敏感度分流：日常开发走网关加云端模型，红线任务走本地模型。显存选型与部署见 DeepSeek 本地部署与 Ollama 方案；本机隐私工具生态参考 OpenHuman 本地隐私运行。

常见问题

Cursor 隐私设置能防代码外发吗？

Cursor 自带隐私设置控制的是会话数据是否用于训练，请求仍会完整到达模型服务商，挡不住密钥和内网地址出网；要打码需把 Base URL 指向本地脱敏网关。

两层防护对象不同：隐私模式约束服务商拿到数据后怎么用，脱敏网关约束发出去的数据里有什么（隐私模式行为以 Cursor 官方文档为准）。

Claude Code 怎么做数据脱敏？

Claude Code 没有内置脱敏功能，标准做法是启动前设置 ANTHROPIC_BASE_URL=http://127.0.0.1:18703，让请求先经 Maskit 打码再转发 Anthropic，回复自动还原。

步骤三段：部署 Maskit、设环境变量启动 claude、用假密钥发消息到日志页核对占位符，细节见上文。

数据脱敏网关是什么？

数据脱敏网关是部署在应用与外部服务之间的代理层，流量经过时自动替换敏感信息；大模型场景的网关（如 Maskit）还要在回复时把占位符还原成原文，保证体验无感。

与数据库动态脱敏的差别在对象与方向：数据库网关拦查询结果，大模型网关拦出网提示词并处理流式还原。选型看规则覆盖、流式性能与日志审计。