Lokaler KI-Steuerberater mit verschlüsselten personenbezogenen Daten, basierend auf MCP

Ein Entwickler hat einen lokalen KI-Steuerberater als Erweiterung für Crow gebaut, eine Open-Source-Plattform, die Werkzeuge über das Model Context Protocol (MCP) bereitstellt. Das System verschlüsselt alle personenbezogenen Daten (PII), einschließlich Sozialversicherungsnummern und Namen, mit AES-256-GCM zum Zeitpunkt der Extraktion.

Wie es funktioniert

Die Erweiterung funktioniert mit jedem MCP-kompatiblen Client: Claude, ChatGPT, Gemini, lokalen Modellen über Ollama oder allem anderen, das MCP spricht. Der KI-Assistent interagiert mit Steuerdaten über MCP-Werkzeuge, erhält jedoch niemals Klartext-SSNs. Wenn die KI ein SSN-Feld ausfüllen muss, sendet sie einen "fill SSN"-Befehl, und der verschlüsselte Tresor löst es auf.

Datenschutz und lokale Architektur

Das gesamte System ist darauf ausgelegt, sensible Daten auf Ihrem Gerät zu behalten. Sie können das Ganze gegen ein lokales Modell ausführen, und Ihre sensiblen Daten verlassen niemals Ihr Gerät auf irgendeiner Ebene. Die Architektur umfasst:

• SQLite-Datenbank für lokale Speicherung
• Lokales PDF-Parsing und -Generierung
• Keine externen API-Aufrufe für Steuerdaten

Steuerberechnungsfähigkeiten

Die Berechnungs-Engine deckt ab:

• Formular 1040
• Schedule 1
• HSA (Formular 8889)
• Bildungskredite (Formular 8863)
• Selbstständige Tätigkeit (Schedule C/SE)
• Kapitalgewinne (Schedule D)

Zusätzliche Komponenten

Der Entwickler hat auch gebaut:

• Eine Browser-Automatisierungserweiterung mit Stealth-Chromium in Docker mit VNC-Viewer und 18 MCP-Werkzeugen
• Eine benutzerdefinierte Fähigkeit, die die Einreichung über IRS Free File Fillable Forms automatisiert (nicht im öffentlichen Repo aufgrund von IRS-Nutzungsbedingungen, aber im Blogbeitrag dokumentiert)

Modellanforderungen

Die Steuer-Engine benötigt kein leistungsstarkes Modell, da die MCP-Werkzeuge alle Berechnungen übernehmen. Das Modell muss nur verstehen, "diese Dokumente hochladen und meine Steuererklärung vorbereiten" und die richtigen Werkzeuge in der richtigen Reihenfolge aufrufen. Ein kleineres lokales Modell, das Werkzeugaufrufe unterstützt, sollte für die Orchestrierungsebene gut funktionieren.

Open-Source-Verfügbarkeit

Das Projekt ist Open Source und auf GitHub verfügbar, sodass Entwickler es für ihre eigenen Bedürfnisse erweitern können.