Agentaudit MCP

🚀 AgentAudit

AgentAudit 是一款專為 AI 包生態系統打造的安全掃描工具，具備 MCP 服務器和 CLI 兩種使用方式。它能對 MCP 服務器、AI 技能和包進行漏洞、提示注入和供應鏈攻擊檢測，採用正則靜態分析和深度大語言模型審計技術。

🚀 快速開始

選項 A：CLI（推薦）

# 全局安裝（或使用 npx agentaudit）
npm install -g agentaudit

# 發現 AI 編輯器中配置的 MCP 服務器
agentaudit

# 快速掃描 — 克隆倉庫，使用正則模式檢查代碼（約 2 秒）
agentaudit scan https://github.com/owner/repo

# 深度審計 — 克隆倉庫，將代碼發送到 LLM 進行 3 遍分析（約 30 秒）
agentaudit audit https://github.com/owner/repo

# 註冊表查找 — 檢查包是否之前已被審計（無需克隆）
agentaudit lookup fastmcp

示例輸出：

  AgentAudit v3.9.8
  用於 AI 包的安全掃描器

  正在發現 AI 編輯器中的 MCP 服務器...

•  掃描 Cursor  ~/.cursor/mcp.json    找到 3 個服務器

├──  工具   supabase-mcp              ✔ 正常
│   安全  風險 0  https://agentaudit.dev/skills/supabase-mcp
├──  工具   browser-tools-mcp         ✔ 正常
│   ⚠ 未審計  運行：agentaudit audit https://github.com/nichochar/browser-tools-mcp
└──  工具   filesystem                ✔ 正常
│   安全  風險 0  https://agentaudit.dev/skills/filesystem

  正在尋找通用包掃描工具？試試 `pip audit` 或 `npm audit`。

選項 B：在 AI 編輯器中使用 MCP 服務器

將 AgentAudit 添加為 MCP 服務器，這樣你的 AI 代理就可以使用其自身的大語言模型來發現、掃描和審計包，無需額外的 API 密鑰。

{
  "mcpServers": {
    "agentaudit": {
      "command": "npx",
      "args": ["-y", "agentaudit", "--stdio"]
    }
  }
}

{
  "mcpServers": {
    "agentaudit": {
      "command": "npx",
      "args": ["-y", "agentaudit", "--stdio"]
    }
  }
}

{
  "mcpServers": {
    "agentaudit": {
      "command": "npx",
      "args": ["-y", "agentaudit", "--stdio"]
    }
  }
}

{
  "servers": {
    "agentaudit": {
      "command": "npx",
      "args": ["-y", "agentaudit", "--stdio"]
    }
  }
}

{
  "mcpServers": [
    {
      "name": "agentaudit",
      "command": "npx",
      "args": ["-y", "agentaudit", "--stdio"]
    }
  ]
}

{
  "context_servers": {
    "agentaudit": {
      "command": {
        "path": "npx",
        "args": ["-y", "agentaudit", "--stdio"]
      }
    }
  }
}

然後向你的代理詢問：“檢查我已安裝的 MCP 服務器，並審計任何未審計的服務器。”

✨ 主要特性

• 支持 CLI 工具和 MCP 服務器兩種模式。
• 可對 MCP 服務器、AI 技能和包進行漏洞、提示注入和供應鏈攻擊檢測。
• 採用正則靜態分析和深度大語言模型審計技術。
• 與 AgentAudit 信任註冊表集成，可進行本地掃描。

📦 安裝指南

全局安裝

npm install -g agentaudit

不安裝直接使用

npx agentaudit

💻 使用示例

基礎用法

# 發現 AI 編輯器中配置的 MCP 服務器
agentaudit

# 快速掃描
agentaudit scan https://github.com/owner/repo

# 深度審計
agentaudit audit https://github.com/owner/repo

# 註冊表查找
agentaudit lookup fastmcp

高級用法

# 發現並自動掃描所有服務器
agentaudit discover --quick

# 發現並交互式選擇服務器進行深度審計
agentaudit discover --deep

# 通過掃描命令運行深度審計
agentaudit scan https://github.com/owner/repo --deep

📚 詳細文檔

📋 命令參考

全局標誌

退出代碼

⚖️ 快速掃描與深度審計對比

🔌 MCP 服務器

作為 MCP 服務器運行時，AgentAudit 向你的 AI 代理提供以下工具：

工作流程

用戶要求代理安裝包
         │
         ▼
代理調用 check_registry(package_name)
         │
    ┌────┴────┐
    │         │
  找到    未找到
    │         │
    ▼         ▼
 返回    代理調用 audit_package(repo_url)
 分數        │
              ▼
         大語言模型分析代碼（3 遍）
              │
              ▼
         代理調用 submit_report(findings)
              │
              ▼
         返回結果 + 風險分數

🎯 檢測內容

🧠 3 遍審計工作原理

深度審計 (agentaudit audit) 使用結構化的 3 階段大語言模型分析，不是單次提示，而是嚴格的多遍處理過程：

為什麼需要 3 遍？ 單次分析是誤報的首要原因。通過將理解、檢測和分類分開：

• 階段 1 防止將核心功能標記為可疑（例如，數據庫工具中的 SQL 執行）。
• 階段 2 確保在沒有嚴重程度偏見的情況下收集證據。
• 階段 3 在結果報告之前捕獲誤報。

這種架構在我們的 11 個包測試集中實現了 0% 的誤報率，而 v2 版本的誤報率為 42%。

🔄 CI/CD 集成

AgentAudit 設計用於 CI 管道，具有適當的退出代碼和 JSON 輸出：

# GitHub Actions 示例
- name: 掃描 MCP 服務器
  run: |
    npx agentaudit scan https://github.com/org/mcp-server --json --quiet > results.json
    # 退出代碼 1 = 發現問題 → 構建失敗

# Shell 腳本
agentaudit scan https://github.com/owner/repo --json --quiet 2>/dev/null
if [ $? -eq 1 ]; then
  echo "發現安全問題！"
  exit 1
fi

JSON 輸出示例

# 掃描並輸出 JSON
agentaudit scan https://github.com/owner/repo --json

{
  "slug": "repo",
  "url": "https://github.com/owner/repo",
  "findings": [
    {
      "severity": "high",
      "title": "命令注入風險",
      "file": "src/handler.js",
      "line": 42,
      "snippet": "exec(`git ${userInput}`)"
    }
  ],
  "fileCount": 15,
  "duration": "1.8s"
}

# 註冊表查找並輸出 JSON
agentaudit lookup fastmcp --json

即將推出： --fail-on <severity> 標誌，用於設置非零退出的最低嚴重程度閾值（例如，--fail-on high 忽略低/中等發現）。

⚙️ 配置

憑證

AgentAudit 將憑證存儲在 ~/.config/agentaudit/credentials.json（或 $XDG_CONFIG_HOME/agentaudit/credentials.json）中。 可以運行 agentaudit setup 進行交互式配置，也可以通過環境變量設置：

export AGENTAUDIT_API_KEY=asf_your_key_here

環境變量

🔧 技術細節

• 3 遍審計架構：通過將理解、檢測和分類階段分開，有效降低誤報率。
• 正則靜態分析：快速掃描使用正則模式匹配，能夠快速檢測常見的安全問題。
• 深度大語言模型審計：深度審計使用大語言模型進行 3 遍分析，能夠檢測複雜的攻擊鏈和 AI 特定威脅。

❓ FAQ

如何設置 AgentAudit？

npm install -g agentaudit
agentaudit setup

或者不安裝直接使用：npx agentaudit

是否需要 API 密鑰？

• 快速掃描 (scan)：無需 API 密鑰，使用正則進行本地掃描。
• 深度審計 (audit)：需要 LLM API 密鑰（見下文）。
• 註冊表查找 (lookup)：讀取無需密鑰，上傳報告需要密鑰。
• MCP 服務器：無需額外密鑰，使用主機編輯器的大語言模型。

設置深度審計的 LLM 密鑰

audit 命令支持 Anthropic（Claude） 和 OpenAI（GPT-4o）。設置以下環境變量之一：

# Linux / macOS
export ANTHROPIC_API_KEY=sk-ant-...    # 推薦
export OPENAI_API_KEY=sk-...           # 替代方案

# Windows (PowerShell)
$env:ANTHROPIC_API_KEY = "sk-ant-..."
$env:OPENAI_API_KEY = "sk-..."

# Windows (CMD)
set ANTHROPIC_API_KEY=sk-ant-...
set OPENAI_API_KEY=sk-...

優先級：如果同時設置了兩個密鑰，將使用 Anthropic。審計期間會顯示活動的提供商。

故障排除：如果看到 API error: Incorrect API key，請檢查密鑰是否有效且有餘額。使用 --debug 查看完整的 API 響應。

哪些數據會被外部發送？

• 註冊表查找：包名稱/標識符會發送到 agentaudit.dev 以檢查現有審計。
• 報告上傳：審計結果會上傳到公共註冊表（需要 API 密鑰）。
• 深度審計：源代碼會發送到 Anthropic 或 OpenAI 進行大語言模型分析。
• 快速掃描：所有操作都在本地進行，沒有數據離開你的機器。

能否離線使用？

快速掃描 (agentaudit scan) 在克隆後可以完全離線工作。註冊表查找和深度審計需要網絡訪問。

能否不使用 CLI 而將其用作 MCP 服務器？

可以！當編輯器調用 npx agentaudit 時，它會啟動 MCP 服務器。CLI 和 MCP 服務器是同一個包，其行為由調用方式決定。

discover 如何知道我使用的編輯器？

它會檢查 Claude Desktop、Cursor、VS Code 和 Windsurf 的標準配置文件位置。它還會檢查當前工作目錄中的項目級 .cursor/mcp.json 和 .vscode/mcp.json。

🔗 相關鏈接

📄 許可證

AGPL-3.0 — 開源使用免費。商業集成可獲取商業許可證。