2026年8月22日
AI-Infra-Guard：给 Agent、MCP 和技能做一次安全体检
AI 应用接入的工具越来越多，风险也不再只来自模型提示词。今日 GitHub Trending 上的 AI-Infra-Guard，是腾讯朱雀实验室开源的 AI 红队平台：它把 Agent、MCP Server、Agent Skill、AI 基础设施漏洞和模型越狱评测放进同一套工
AI 应用接入的工具越来越多，风险也不再只来自模型提示词。今日 GitHub Trending 上的 AI-Infra-Guard，是腾讯朱雀实验室开源的 AI 红队平台：它把 Agent、MCP Server、Agent Skill、AI 基础设施漏洞和模型越狱评测放进同一套工具里，适合在上线前补一轮系统化安全检查。
📌 这个项目是干什么的
AI-Infra-Guard 面向企业和个人的 AI 系统安全自检。它可以扫描 Agent 工作流，检查 MCP Server 与 Skill 的源码或远程服务，也能识别 Ollama、ComfyUI、vLLM、n8n 等 AI 基础设施组件的已知漏洞。
项目既提供 Web 界面，也把 Skill、MCP 和 Agent 扫描能力拆成独立 CLI，便于接入 CI/CD。最新正式版 v4.5.2 发布于 8 月 17 日，新增或修复了 Python 字节码绕过、字符集内容走私，以及动态 MCP 扫描中的远程代码执行风险等问题。
🔍 为什么值得关注
第一，它关注的是完整攻击面，而不是只做“提示词是否越狱”。当 Agent 能调用工具、加载第三方 Skill、连接 MCP 服务后，恶意代码、工具投毒、凭据外传和不安全依赖都会成为真实风险。
第二，它给出了可落地的分层检查路径。团队可以先用独立 CLI 扫一个 Skill 或 MCP 项目，再决定是否部署完整平台；这比一开始引入一整套安全基础设施更容易验证价值。
第三，项目仍在持续处理扫描器自身的安全边界。v4.5.2 对动态扫描中的 RCE 风险加入工具白名单防护，也提醒使用者：安全扫描工具本身同样需要隔离、更新和最小权限。
🧪 谁适合试，怎么开始
它适合维护 Agent 平台、MCP 服务、企业内部 Skill 市场，或准备把 AI 工作流接入生产环境的研发与安全团队。个人开发者若经常安装第三方 Skill，也可以先尝试轻量扫描器。
最短路径是从一个非敏感的本地 Skill 开始：准备 Python 环境，执行 pip install aig-skill-scan，配置兼容的模型 API Key，再用 aig-skill-scan --repo /path/to/skill -o result.json 生成报告。确认规则、误报和模型成本符合预期后，再考虑用 Docker Compose 部署完整 Web 平台。官方给出的最低部署条件为 Docker 20.10 以上、4GB 内存和 10GB 磁盘。
⚠️ 使用提醒
完整平台目前没有身份认证机制，README 明确要求不要直接部署到公网。扫描未知代码或远程 MCP 时，应放在隔离环境中，并限制网络、凭据和文件权限。
扫描结果也不等于安全结论：基于模型的检测可能有误报和漏报，适合作为代码审查、依赖治理和人工红队测试的补充。项目采用 Apache-2.0 许可证，但接入外部模型与在线服务时，仍需单独评估代码和数据是否会离开本地环境。