腾讯开源 AI 红队平台 AI-Infra-Guard，覆盖 MCP 与 Agent 安全扫描

腾讯开源 AI 红队平台 AI-Infra-Guard，覆盖 MCP 与 Agent 安全扫描 | 前端进阶之旅

Full translation

完整中文译文

📖 文档 | 🌐 🇨🇳 中文 · 🇯🇵 日本語 · 🇪🇸 Español · 🇩🇪 Deutsch · 🇫🇷 Français · 🇰🇷 한국어 · 🇧🇷 Português · 🇷🇺 Русский

🚀 腾讯朱雀实验室 AI 红队演练平台

A.I.G（AI-Infra-Guard）集成了 ClawScan（OpenClaw 安全扫描）、Agent Scan（智能体扫描）、AI 基础设施漏洞扫描、MCP Server & Agent Skills 扫描以及 Jailbreak Evaluation（越狱评估）等能力，旨在为用户提供最全面、最智能、最便捷的 AI 安全风险自查解决方案。

我们致力于将 A.I.G（AI-Infra-Guard）打造为行业领先的 AI 红队演练平台。更多 Star 有助于该项目触达更广泛的受众，吸引更多开发者参与贡献，从而加速迭代与改进。您的 Star 对我们至关重要！

📋 用户反馈调查

帮助我们改进 A.I.G！请花费 3-5 分钟填写我们的用户反馈调查。提供高质量反馈并留下有效邮箱的用户，将获得腾讯独家纪念品。

2026-08-17 · v4.5.2 — Skill-Scan：.pyc 字节码绕过检测 + 字符集走私防御；MCP-Scan：动态模式下通过工具白名单防止 RCE；新增 SkillJack 研究项目；漏洞库扩展至 2000+ CVE 规则。

2026-07-30 · v4.5.1 — Jailbreak Evaluation：4 种多轮越狱攻击（Many-Shot、PAIR、GOAT、ActorAttack）；Agent-Scan：5 个新增 OWASP skills + 网络数据泄露检测（共 10 个 skills）；MCP-Scan：4 条新增安全规则

2026-07-27 · v4.5.0 — AI 安全 Skill 市场上线（3 个官方 skills）；前端完全开源；Skill 扫描引擎升级（9 大风险类别，SkillTrustBench 最高分 0.9848）；Skill/MCP/Agent 扫描作为独立 CLI 提供；漏洞库扩展至 130 个组件、1888 条规则

2026-06-25 · v4.1.15 — MCP Scan：3 条新增威胁检测规则（工具投毒、凭证泄露、命令注入）；6 条新增 llama.cpp CVE 规则；model.token 现为可选，缺失时使用系统默认 fallback。

2026-06-18 · v4.1.14 — Prompt Security：9 种新增单轮越狱算子；新增 aig-agent-redteam skill，用于全面的 Agent 红队评估。

👉 更早版本 · 🛒 AI 安全 Skill 市场 · 🔍 skill-scan CLI · 🔍 mcp-scan CLI · 🔍 agent-scan CLI · 📊 SkillTrustBench

🏗️ 架构演进

📝 贡献指南

💬 加入社区

⚖️ 许可证与归属

🐳 使用 Docker 部署 A.I.G

# 此方式从 Docker Hub 拉取预构建镜像，启动更快
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# 对于 Docker Compose V2+，请将 'docker-compose' 替换为 'docker compose'
docker-compose -f docker-compose.images.yml up -d

服务启动后，可通过以下地址访问 A.I.G Web 界面：http://localhost:8088

您也可以通过 OpenClaw chat 的 aig-scanner skill 直接调用 A.I.G。

clawhub install aig-scanner

然后配置 AIG_BASE_URL 指向您运行的 A.I.G 服务。

更多详情请参阅 aig-scanner README。

其他安装方式

方式二：一键安装脚本（推荐）

# 此方式将自动安装 Docker 并通过一条命令启动 A.I.G
curl https://raw.githubusercontent.com/Tencent/AI-Infra-Guard/refs/heads/main/docker.sh | bash

方式三：从源码构建并运行

git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
# 此方式从本地源码构建 Docker 镜像并启动服务
#（对于 Docker Compose V2+，请将 'docker-compose' 替换为 'docker compose'）
docker-compose up -d

注意：AI-Infra-Guard 项目定位为企业或个人内部使用的 AI 红队演练平台，目前缺乏认证机制，不应部署在公共网络中。

⚡ 一键安装 aig-skill-scan

Agent Skill 安全审计工具，可轻松集成到企业 CI/CD 流程中。漏洞分类与 SkillTrustBench T01–T09 分类体系对齐。了解更多 →

pip install aig-skill-scan

# 通过环境变量设置 API key
export LLM_API_KEY="your-api-key"

# 扫描本地 Skill 项目目录
aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en \
           -o result.json

模型与 API 中继检查器

检查器前端独立部署。Docker 部署时，检查器 API 可通过 GET /api/v1/relay/models 和 POST /api/v1/relay/check/stream 访问；API 文档位于 http://127.0.0.1:8088/api-checker/docs。若要从源码运行检查器和统一 CLI：

python3 -m venv services/api_checker/.venv
services/api_checker/.venv/bin/pip install -r services/api_checker/requirements.txt
go build -o ai-infra-guard ./cmd/cli/main.go

export AIG_API_CHECKER_PYTHON="$PWD/services/api_checker/.venv/bin/python"
./ai-infra-guard api-checker list
./ai-infra-guard api-checker audit

请参阅 API Checker 集成指南，了解 Agent 内嵌运行时架构、HTTP API、配置和安全边界。

🌟 体验在线 Pro 版本

体验具备高级功能和更强性能的 Pro 版本。Pro 版本需要邀请码，优先面向提交过 issue、pull request 或参与讨论，或对社区发展有积极贡献的用户。访问：https://aigsec.ai/

🔍 aig-skill-scan 性能与覆盖率

不同 LLM 在 SkillTrustBench 上的性能表现：

覆盖 9 大类 Skill 安全风险（SkillTrustBench T01–T09）：

完整排行榜与详情请访问 SkillTrustBench。

🔬 安全扫描与评估

🖥️ 现代 Web 界面：用户友好的 UI，一键扫描与实时进度跟踪

🔌 完整 API：全面的接口文档和 Swagger 规范，便于集成

🤖 Agent 就绪：ClawHub 上的即插即用 Agent skills — EdgeOne ClawScan、EdgeOne Skill Scanner 和 AIG Scanner — 可将安全扫描无缝嵌入任何 AI 智能体工作流

🌐 多语言支持：中文与英文界面，配有本地化文档

🐳 跨平台支持：Linux、macOS 和 Windows，Docker 化部署

🆓 免费开源：基于 Apache 2.0 许可证完全免费

🗺️ 快速使用指南

部署完成后，在浏览器中打开 http://localhost:8088。

AI 基础设施漏洞扫描

目标 URL / IP 应该填什么？

扫描目标是正在运行的 AI 服务的网络地址——不是 GitHub URL 也不是源代码路径。A.I.G 连接至运行中的服务，对其进行指纹识别以检测已知 CVE 漏洞。

分步指南：扫描本地 vLLM 实例

正常启动 vLLM（例如 python -m vllm.entrypoints.api_server --model meta-llama/...）

在 A.I.G Web UI 中，点击"AI基础设施安全扫描 / AI Infra Scan"

输入 http://127.0.0.1:8000（或 vLLM 监听的 IP/端口）

点击开始扫描——A.I.G 将对服务进行指纹识别并与 2000+ 已知 CVE 进行匹配

查看报告：组件版本、匹配的漏洞、严重等级以及修复建议链接

💡 提示：若要专门扫描 vLLM 的每日构建版本，只需运行该每日构建版本并将 A.I.G 指向其地址。扫描器会自动检测版本。

MCP Server & Agent Skills 扫描

输入远程 URL（例如 https://github.com/user/mcp-server）或上传本地源码压缩包——无需运行中的实例。

在 Settings → Model Config 中配置目标 LLM 的 API 端点（base URL + API key），然后选择数据集并开始评估。

访问我们的在线文档：https://tencent.github.io/AI-Infra-Guard/

如需更详细的常见问题解答和故障排除指南，请参阅我们的文档。

A.I.G 提供了一套完整的任务创建 API，支持 AI 基础设施扫描、MCP Server 扫描以及越狱评估能力。

项目运行后，访问 http://localhost:8088/docs/index.html 查看完整的 API 文档。

详细的 API 使用说明、参数描述以及完整的示例代码，请参阅完整 API 文档。

📝 贡献指南

可扩展的插件框架是 A.I.G 的架构基石，通过插件（Plugin）和功能（Feature）贡献的方式邀请社区参与创新。

插件贡献规则

指纹规则：将新的 YAML 指纹文件添加至 data/fingerprints/ 目录。

漏洞规则：将新的漏洞扫描规则添加至 data/vuln/ 目录。

MCP 插件：将新的 MCP 安全扫描规则添加至 data/mcp/ 目录。

越狱评估数据集：将新的越狱评估数据集添加至 data/eval 目录。

请参考现有的规则格式，创建新文件并通过 Pull Request 提交。

其他贡献方式

💡 建议新功能

⭐ 改进文档

本项目由腾讯朱雀实验室主导和开发，隶属于腾讯安全平台部。腾讯朱雀实验室成立于 2019 年，是一支顶级安全研究实验室，专注于现实世界的攻防研究与 AI 安全前沿技术，涵盖大模型安全、AI 智能体安全、AI 赋能安全以及 AI 生成内容检测等领域。

该团队已帮助 NVIDIA、Google、Microsoft 等主要厂商以及 OpenClaw、Linux、Hugging Face 等开源社区修复了大量高风险漏洞，并获得了公开致谢。

我们已开源了 AI 安全产品包括 AI 红队安全测试平台 A.I.G（AI-Infra-Guard）以及朱雀 AI 检测助手。我们的研究成果已在 Black Hat、DEF CON、ICLR、CVPR、NeurIPS、ACL 等顶级国际安全与 AI 会议上发表，并著有《AI 安全：技术与实践》一书。

👥 核心成员与贡献

🎓 学术合作

感谢我们的学术合作伙伴在研究贡献和技术支持方面的付出。

👥 致谢贡献开发者

感谢所有为 A.I.G 项目做出贡献的开发者。

🤝 感谢我们的用户

感谢以下组织和团队的用户使用 A.I.G 并提供了宝贵反馈。

💬 加入社区

🌐 在线讨论

GitHub Discussions：加入我们的社区讨论

Issues 和 Bug 报告：报告问题或建议功能

📱 讨论社区

如需合作咨询或反馈，请通过以下方式联系我们：zhuque@tencent.com

🔗 推荐安全工具

如果您对代码安全感兴趣，请查看 A.S.E（AICGSecEval），这是腾讯悟空代码安全团队开源的业界首个仓库级 AI 生成代码安全评估框架。

如果您在研究中使用 A.I.G，请引用：

@misc{Tencent_AI-Infra-Guard_2025,
  author={{Tencent Zhuque Lab}},
  title={{AI-Infra-Guard: A Comprehensive, Intelligent, and Easy-to-Use AI Red Teaming Platform}},
  year={2025},
  howpublished={GitHub repository},
  url={https://github.com/Tencent/AI-Infra-Guard}
}

📂 研究项目 — 来自我们研究工作的开源代码、数据集和成果。

"Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming" — 一个全面的框架，通过对基础设施、供应链、运行时交互和部署层面的多层红队演练来保护 AI 智能体系统安全。[arXiv] [pdf]

"AI-Infra-Guard: An AI Red Teaming Platform" — Black Hat Europe 2025 Arsenal 演示，展示 A.I.G 的能力和实际用例。[pdf]

"MCP Unchained: Compromising The AI Agent Ecosystem Via Its Universal Connector" — Black Hat Europe 2025 演讲，揭示 AI 智能体生态系统中 MCP 协议的安全风险。[pdf]

感谢以下研究团队在学术工作中引用了 A.I.G（19 篇论文）：

Chenning Li, Pan Hu, Justin Xu 等。"ADR: An Agentic Detection System for Enterprise Agentic AI Security." arXiv 预印本 arXiv:2605.17380 (2026)。[pdf]

Zhaojiacheng Zhou。"Proteus: A Self-Evolving Red Team for Agent Skill Ecosystems." arXiv 预印本 arXiv:2605.11891 (2026)。[pdf]

Hengkai Ye, Zhechang Zhang, Jinyuan Jia 等。"TRUSTDESC: Preventing Tool Poisoning in LLM Applications via Trusted Description Generation." arXiv 预印本 arXiv:2604.07536 (2026)。[pdf]

Zenghao Duan, Yuxin Tian, Zhiyi Yin 等。"SkillAttack: Automated Red Teaming of Agent Skills through Attack Path Refinement." arXiv 预印本 arXiv:2604.04989 (2026)。[pdf]

Yiheng Huang, Zhijia Zhao, Bihuan Chen 等。"From Component Manipulation to System Compromise: Understanding and Detecting Malicious MCP Servers." arXiv 预印本 arXiv:2604.01905 (2026)。[pdf]

Yi Ting Shen, Kentaroh Toyoda, Alex Leung。"MCP-38: A Comprehensive Threat Taxonomy for Model Context Protocol Systems (v1.0)." arXiv 预印本 arXiv:2603.18063 (2026)。[pdf]

Yuepeng Hu, Yuqi Jia, Mengyuan Li 等。"MalTool: Malicious Tool Attacks on LLM Agents." arXiv 预印本 arXiv:2602.12194 (2026)。[pdf]

Naen Xu, Jinghuai Zhang, Ping He 等。"FraudShield: Knowledge Graph Empowered Defense for LLMs against Fraud Attacks." arXiv 预印本 arXiv:2601.22485v1 (2026)。[pdf]

Ruiqi Li, Zhiqiang Wang, Yunhao Yao 等。"MCP-ITP: An Automated Framework for Implicit Tool Poisoning in MCP." arXiv 预印本 arXiv:2601.07395v1 (2026)。[pdf]

Ruiqi Li, Zhiqiang Wang, Yunhao Yao 等。"MCP-ITP: An Automated Framework for Implicit Tool Poisoning in MCP." arXiv preprint arXiv:2601.07395v1 (2026). [pdf]

Jingxiao Yang, Ping He, Tianyu Du 等。"HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors." arXiv preprint arXiv:2601.05587v1 (2026). [pdf]

Teofil Bodea, Masanori Misono, Julian Pritzi 等。"Trusted AI Agents in the Cloud." arXiv preprint arXiv:2512.05951v1 (2025). [pdf]

Yunyi Zhang, Shibo Cui, Baojun Liu 等。"Beyond Jailbreak: Unveiling Risks in LLM Applications Arising from Blurred Capability Boundaries." arXiv preprint arXiv:2511.17874v2 (2025). [pdf]

Bin Wang, Zexin Liu, Hao Yu 等。"MCPGuard: Automatically Detecting Vulnerabilities in MCP Servers." arXiv preprint arXiv:2510.23673v1 (2025). [pdf]

Weibo Zhao, Jiahao Liu, Bonan Ruan 等。"When MCP Servers Attack: Taxonomy, Feasibility, and Mitigation." arXiv preprint arXiv:2509.24272v1 (2025). [pdf]

Ping He, Changjiang Li 等。"Automatic Red Teaming LLM-based Agents with Model Context Protocol Tools." arXiv preprint arXiv:2509.21011 (2025). [pdf]

Christian Coleman。"Behavioral Detection Methods for Automated MCP Server Vulnerability Assessment." (2025). [pdf]

Yixuan Yang, Daoyuan Wu, Yufan Chen。"MCPSecBench: A Systematic Security Benchmark and Playground for Testing Model Context Protocols." arXiv preprint arXiv:2508.13220 (2025). [pdf]

Yongjian Guo, Puzhuo Liu 等。"Systematic Analysis of MCP Security." arXiv preprint arXiv:2508.12538 (2025). [pdf]

Zexin Wang, Jingjing Li 等。"A Survey on AgentOps: Categorization, Challenges, and Future Directions." arXiv preprint arXiv:2508.02121 (2025). [pdf]

📧 如果您在研究或产品中使用了 A.I.G，或者我们无意中遗漏了您的论文，欢迎联系我们！

⚖️ 许可证与署名

本项目基于 Apache License 2.0 开源。我们热烈欢迎并鼓励社区贡献、集成和衍生作品，但须遵守以下署名要求：

保留通知：您在任何分发中必须保留原始项目的 LICENSE 和 NOTICE 文件。

产品署名：如果您将 AI-Infra-Guard 的核心代码、组件或扫描引擎集成到您的开源项目、商业产品或内部平台中，您必须在产品文档、使用指南或 UI"关于"页面中明确声明："This project integrates AI-Infra-Guard, open-sourced by Tencent Zhuque Lab."

"This project integrates AI-Infra-Guard, open-sourced by Tencent Zhuque Lab."

学术论文引用：如果您在漏洞分析报告、安全研究文章或学术论文中使用此工具，请明确提及"Tencent Zhuque Lab AI-Infra-Guard"并附上仓库链接。

严禁将本项目重新包装为原创产品而不披露其来源。