基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-21 17:23

扫描二十二万条 MCP 工具描述后的安全发现

dev.to · AI#MCP#提示注入#安全审计
Editor brief · 编辑速览

作者称扫描了 12,987 个可免凭据握手的 MCP 服务、共 220,226 个工具定义,未发现指定的指令覆盖或隐藏字符模式,敏感文件相关命中经人工检查均为正常描述。标题另称约四分之一服务涉及凭据,但摘录未展示其统计方法。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

扫描 220,226 个 MCP 工具描述后,作者没有找到明确的提示注入指令,却发现近四分之一的服务器提供了会接触凭据或秘密信息的工具。他的结论是:与其只盯着描述里有没有恶意指令,不如先检查工具究竟能碰什么。

这组结果值得看,但要带着边界读。它覆盖的是能在不提供凭据的情况下完成握手的服务器,检查的是工具定义,不是运行行为。它能帮助我们调整接入 MCP 时的检查顺序,却不能证明这些服务器都安全。

22 万个工具里,到底查到了什么

作者在 2026 年 11 月 21 日扫描了 12,987 个 MCP 服务器,共涉及 220,226 个工具。检查目标包括几类典型的工具投毒(tool poisoning)信号:

  • 要求模型忽略既有指令,例如 ignore your previous instructions。
  • 要求模型隐瞒行为,例如 do not tell the user。
  • 用 <important>…</important> 之类的伪标签包装指令。
  • 在描述中藏入零宽字符或不可见字符。
  • 描述读取或外传 .env、.ssh、私钥等敏感内容的行为。

结果中,要求模型忽略指令的描述为 0,偷偷混入隐藏或零宽字符的描述也为 0。涉及敏感文件的规则命中只有少量,作者逐项检查后认为全部属于正常用途,比如安全扫描器说明自己会检测哪些泄露,或凭据保险库说明如何保存 API key。

这里最有参考价值的,是作者对误报的处理。一个工具描述里出现「注入」「密钥」,可能是因为它正在检测注入或管理密钥。字符检查也一样:ZWNJ、ZWJ 在波斯语、阿拉伯语及印度文字体系中有正常用途,不能看到不可见字符就认定有人投毒。

规则命中只是待检查的线索,不能直接当成恶意证据。

真正该先问的是:这个工具能碰什么

作者发现,近四分之一的 MCP 服务器至少有一个工具会接触秘密信息。这些能力大多有正常用途,认证工具需要处理凭据,部署工具也可能需要访问密钥。

问题出在接入决策上。工具用途合理,不代表使用者已经确认它需要什么权限、会读取什么内容,以及调用后会产生什么结果。

对程序员来说,可以把两类风险分开理解:提示注入关心的是「描述有没有诱导模型越界」,能力审查关心的是「工具本来就被允许做哪些事」。即使描述完全没有恶意指令,一个能执行代码、读取文件或处理凭据的工具,也值得认真检查。

作者建议接入前至少读一遍工具名称和描述。如果读完仍然不知道它会做什么,这份不清楚本身就是检查结果。工具很多、说明含糊,也会增加审查难度;原文还提醒,大型工具列表会带来上下文成本,但没有给出具体的 token 对比数据。

这次扫描能说明什么,不能说明什么

Serverdex 大约每天对收录的服务器执行一次不带凭据的 initialize 和 tools/list,记录工具定义。这次研究是在这些定义上运行注入、外传和隐藏字符匹配规则,并排除前面提到的误报类别。

因此,更准确的结论是:在这批样本和这套检测规则下,没有发现明确的工具描述投毒信号。

它没有检查工具实际执行的代码,也没有验证工具运行时是否按描述行事。需要凭据才能完成握手的服务器,同样不在这次样本范围内。作者也承认,扫描读取的是描述,读不出意图;一旦出现真正的投毒服务器,结果就会变化。

原文推荐的 Serverdex health check 会报告服务器是否响应、工具的 token 成本,并执行同类描述扫描。它适合做接入前的快速检查,但作者自己也把结果定位为能力接触范围的线索,而非安全判决。

我的判断

我认同作者调整检查重点的方向。对于接入 MCP 的团队,先弄清工具能否读取文件、执行代码、接触凭据,通常比只搜索几句著名的注入话术更有操作价值。能力清单能直接帮助团队决定是否接入,以及应该给多少权限。

但标题里「恐慌被夸大」的判断,比数据本身走得更远。原文没有给出检测召回率、完整规则或对抗样本测试,也没有展示运行行为的检查结果。没查到匹配信号,不能直接推导为真实攻击不存在或风险很低。

与只靠正则扫描相比,人工阅读工具说明能理解用途和语境;与实际行为验证相比,阅读说明又只能看到工具声称会做什么。这几种检查回答的问题不同,不能相互替代。作者关于「几乎没人接入前读描述」的说法没有提供统计依据,应当按经验判断看待。

能拿来做什么

  • 给 AI 编程助手接入 MCP 前,先读完准备启用的工具列表,确认每个工具的用途;描述含糊时,先查清楚再接入。
  • 检查 Node 部署、认证或凭据管理类工具时,重点确认它需要哪些凭据、能否读文件、能否执行代码,把这些能力作为权限决策的依据。
  • 自己维护 MCP server 时,把工具描述写成清晰的使用约定,交代工具会做什么、涉及什么资源,让使用者能据此判断是否启用。
  • 使用描述扫描结果时,保留人工复核环节,尤其检查安全工具和非拉丁文字造成的误报;扫描通过后,仍要单独确认运行行为。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
知识更新用 RAG,行为稳定再考虑微调
下一篇
Axion开源模型用三阶段训练挑战商业Agent

资讯速览

dev.to · AI · 2026-11-21 17:23

AI 评分 8.0 / 10

相关标签

#MCP#提示注入#安全审计

继续阅读

  • 按任务分配模型,用结果成本衡量收益
  • 知识更新用 RAG,行为稳定再考虑微调
  • Axion开源模型用三阶段训练挑战商业Agent
  • 把智能体禁令变成工具权限与执行约束
  • LLM 流式请求为何突破了 30 秒超时