MCP-Scan 介绍:使用不变量保护 MCP

MCP-Scan 是一款安全扫描器,旨在保护 Agentic 系统免受基于 MCP 的安全漏洞侵害。

MCP-Scan 是一款安全扫描器,旨在保护您的代理系统免受基于 MCP 的安全漏洞的侵害,包括工具投毒攻击和 MCP Rug Pulls。

github,代码仓库

图片 4:MCP-Scan

Invariant 很高兴地宣布 MCP-Scan,这是一款新颖的安全扫描工具,专门用于在使用模型上下文协议 (MCP) 时保护代理 AI 系统免受安全漏洞的侵害。

为什么选择 MCP-Scan?

正如最近的研究发现的那样(工具投毒攻击WhatsApp MCP 漏洞利用),各种平台(如 Cursor、Claude Desktop、Zapier 等)上的 MCP 实现容易受到危险攻击。这些漏洞包括提示注入、隐藏的恶意工具指令(工具投毒攻击)以及通过工具阴影实现的跨域升级。

认识到这些严重的安全威胁,我们开发了 MCP-Scan,以帮助用户快速识别其 MCP 安装中的漏洞,从而确保更安全、更可靠的代理交互。

担心 MCP 和代理安全? 注册以提前访问 Invariant Guardrails,我们的安全平台不仅限于扫描,还涵盖许多攻击媒介和安全问题,包括 MCP 攻击。了解更多

MCP-Scan 如何保护您的系统

MCP-Scan 主动扫描已安装的 MCP 服务器及其工具描述,以识别:

  • 工具投毒攻击: 嵌入在 MCP 工具描述中的隐藏恶意指令。
  • MCP Rug Pulls: 初始用户批准后对 MCP 工具描述的未经授权的更改。
  • 跨域升级: 通过恶意描述损害受信任工具的阴影攻击。
  • 提示注入攻击: 工具描述中包含的可能由代理执行的恶意指令。

快速简便的安全检查

MCP-Scan 无缝集成到您的工作流程中,并且可以使用简单的命令运行。无需配置。

1
uvx mcp-scan@latest

该工具会扫描您的 MCP 配置文件,连接到服务器并检索工具描述,在本地分析它们并使用 Invariant Guardrails API 来识别恶意指令。

要运行此命令,请确保您的系统上安装了 uv 包管理器。

这将从 PyPI 加载最新的源代码和依赖项,如果您更喜欢从源代码运行,请查看 GitHub 仓库

扫描结果示例

以下是 MCP-Scan 实际运行的示例,清楚地识别出易受攻击的 MCP 工具:

图片 5:MCP-Scan 示例

在此示例中,MCP-Scan 检测到安全风险,包括工具描述中的提示注入。识别后,您可以使用 uvx mcp-scan@latest inspect 查看相关的工具描述并采取措施。

通过工具固定增强安全性

MCP-Scan 包括内置的 工具固定 功能,可通过工具哈希跟踪更改来验证已安装工具的完整性,从而检测和防止 MCP Rug Pull 攻击。这允许用户检测对工具描述的更改。

跨域升级检测

MCP-Scan 还可以识别跨域升级攻击或 工具阴影,其中恶意工具描述可以阴影化受信任的工具。对于依赖多个 MCP 服务器的用户来说,这一点尤其重要。

为了缓解这些攻击,MCP-Scan 专门扫描不同 MCP 服务器之间的交叉引用,从而确保在指令级别上实现强化的隔离。

检查您已安装的工具

您可以随时使用以下命令检查详细的工具描述:

1
uvx mcp-scan@latestinspect

贡献和社区

MCP-Scan 是开源的,我们欢迎您的贡献、建议和功能请求。加入我们的 DiscordGitHub 以参与保护代理系统的未来。

扫描期间的数据隐私

MCP-Scan 会搜索您的配置文件以查找 MCP 服务器配置。它连接到这些服务器并检索工具描述。只有在通过其命令显式调用时才会这样做。

然后,它会扫描工具描述,包括本地检查以及通过 API 调用 Invariant Guardrailing 模型。为此,工具名称和描述会与 Invariant 共享。通过使用 MCP-Scan,您同意 Invariant Labs 的 使用条款隐私政策

在扫描期间,Invariant 会出于安全研究目的收集数据(仅关于工具描述以及它们如何随时间变化,而不是您的用户数据)。如果您不想共享您的工具描述,请勿使用 MCP-scan。如果您对专用或私有部署感兴趣,请 联系我们

MCP-scan 不会存储或记录任何 MCP 使用数据,即您的 MCP 工具调用的内容和结果。

入门

立即使用 MCP-Scan 保护您的代理 AI 系统免受 MCP 安全漏洞的侵害。在 GitHub 上为该仓库加注星标或为该项目做出贡献,以帮助我们改进 MCP-Scan 并使其在保护代理系统方面更加有效。

立即试用 MCP-Scan

关于 Invariant

Invariant 致力于确保代理 AI 系统的安全性和稳健性。我们的研究和工具解决了关键漏洞,从而能够在实际场景中安全可靠地部署 AI。如果您有兴趣与我们合作以增强代理系统的安全性和完整性,请 联系我们

invariantlabs,blog