Farooq Shaikh 和 Biagio Montaruli 于 2026 年 11 月 2 日提交一项研究，报告称，模型上下文协议（MCP）中的投毒内容可在多个智能体 AI 框架中触发工具执行和秘密外传。其 arXiv 摘要指出，MCP 将语言模型连接到外部工具提供方，同时把攻击者可控的工具描述、模式字段和响应数据未经验证地带入模型上下文。[1]

作者称，他们使用开源工具 mcpvenom，测量了 12 个框架、18 个模型和 45 种攻击场景，形成包含 9,720 个单元的易受攻击性矩阵。研究描述了一套双重判定机制，通过接收金丝雀 HTTP 请求确认外传。在被标记为易受攻击的单元中，作者报告，64.9% 发起了攻击者工具调用，23.0% 联系了攻击者端点，12.1% 经确认外传了秘密。这些是不同的结果层次；仅发起调用，并不能确认秘密已经送达。[1]

摘要将抵抗能力主要归因于模型，并称代码审计未在这十二个框架中发现有意设计的防御机制。作者还报告，一个基于正则表达式的描述扫描器拦截了 45 种场景中的 20 种，误报率为 7.2%，因此将元数据扫描视为局部控制措施。这些均为研究方报告的结果，本站未独立复现。[1]

[1]: https://arxiv.org/abs/2611.03555

来源

  1. MCP Tool Poisoning in Agentic AI Frameworks: A Cross-Framework Measurement StudyarXiv · 2026年11月2日

核查或更正本页

更正
提交更正请求 · 在 GitHub 编辑源文件 · 更正政策
验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致，但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算，并列入站点清单。

00529fd42bfb80593f82bbeca724952502a23f72eaed9ae5604f099d5ac77576

查看源文件 · 清单