agentseal

AI 代理安全工具包。红队提示、检测 MCP 投毒、
扫描技能文件、追踪有毒数据流。覆盖 28 个代理的 225+ 项测试。

文档 · MCP 注册表 · 仪表板 · 博客

快速开始

pip install agentseal    # 或：npm install agentseal
agentseal guard          # 扫描你的机器 - 无需 API 密钥

就是这样。AgentSeal 能在你机器上的所有 AI 代理中找到危险的技能文件、投毒的 MCP 服务器配置以及数据外泄路径。

想测试一个系统提示对对抗性攻击的防御能力吗？

agentseal scan --prompt "你是一个乐于助人的助手..." --model ollama/llama3.1:8b  # 免费，本地运行
agentseal scan --prompt "你是一个乐于助人的助手..." --model gpt-4o              # 云端运行

每个命令的作用是什么？

*使用 Ollama 免费。云提供商（OpenAI、Anthropic 等）需要 API 密钥。

Guard

扫描机器上所有 AI 代理配置。无需 API 密钥，无需网络调用——一切在本地运行。

支持的代理： Claude Code、Claude Desktop、Cursor、Windsurf、VS Code、Gemini CLI、Codex CLI、Cline、Roo Code、Kilo Code、Copilot CLI、Aider、Continue、Zed、Amp、Amazon Q、Junie、Goose、Kiro、OpenCode、OpenClaw、Crush、Qwen Code、Grok CLI、Visual Studio、Kimi CLI、Trae、MaxClaw。

agentseal guard

Guard 对其找到的每个文件执行六阶段检测流水线：

1. 模式签名 - 已知的恶意模式（凭证访问、外泄 URL、shell 命令）
2. 去混淆 - 解码 Unicode 标签、Base64、BiDi 覆盖、零宽字符、TR39 易混淆字符
3. 语义分析 - 嵌入相似度（MiniLM-L6-v2）捕获绕过模式的重述攻击
4. 基线追踪 - SHA-256 哈希检测自上次扫描以来的配置变更（撤资骗局检测）
5. 注册表增强 - 来自 MCP 安全注册表 的实时信任评分（6,600+ 服务器）
6. 自定义规则 - YAML 规则以执行组织特定策略

agentseal guard init             # 生成 .agentseal.yaml 项目策略
agentseal guard --output sarif   # 用于 GitHub 安全标签的 SARIF
agentseal guard --output json    # 机器可读输出
agentseal guard --no-diff        # 跳过基线差异部分
agentseal guard test             # 验证你的自定义规则

Scan

用 225 个对抗性攻击探针 测试系统提示：82 种提取技术、143 种注入技术以及 8 种自适应变异变换。返回确定的信任评分。

检测原理： 注入探针嵌入一个唯一的金丝雀字符串（例如 SEAL_A1B2C3D4_CONFIRMED）。如果金丝雀出现在响应中，则探针泄露。提取探针使用 n-gram 匹配与实际提示进行比较。无需 LLM 评判——相同输入，相同结果，每次一致。

信任评分（0–100）：

# OpenAI
agentseal scan --prompt "你是一个乐于助人的助手..." --model gpt-4o

# Anthropic
agentseal scan --prompt "你是一个乐于助人的助手..." --model claude-sonnet-4-5-20250929

# Ollama（免费，本地）
agentseal scan --prompt "你是一个乐于助人的助手..." --model ollama/llama3.1:8b

# 任何 HTTP 端点
agentseal scan --url http://localhost:8080/chat

# 从文件读取
agentseal scan --file ./prompt.txt --model gpt-4o

CI/CD

agentseal scan --file ./prompt.txt --model gpt-4o --min-score 75

如果信任评分低于阈值则退出码为 1。使用 --output sarif 可集成 GitHub 安全标签。

Scan-MCP

通过 stdio 或 SSE 连接到实时 MCP 服务器。枚举所有工具，然后对每个描述运行模式匹配、去混淆、语义相似度以及可选的 LLM 分类。为每个服务器输出信任评分。

# stdio 服务器
agentseal scan-mcp --server npx @modelcontextprotocol/server-filesystem /tmp

# SSE 服务器
agentseal scan-mcp --sse http://localhost:3001/sse

捕获工具描述投毒——隐藏在工具描述中的指令，导致代理外泄数据、执行命令或覆盖用户意图。

Shield

实时文件监视器，监控代理配置路径。当威胁出现时发送桌面通知。自动隔离检测到载荷的文件。

pip install agentseal[shield]   # 包含 watchdog + 桌面通知依赖
agentseal shield

持续监控 guard 扫描的相同路径。用于检测供应链攻击，例如 npm install 或 pip install 静默修改你的代理配置。

工作原理

graph TD
    U["用户"] -->|提示| A["AI 代理 (LLM)"]
    A -->|工具调用| M1["MCP 服务器\n(文件系统)"]
    A -->|工具调用| M2["MCP 服务器\n(Slack)"]
    A -->|工具调用| M3["MCP 服务器\n(数据库)"]

    M1 -->|读取| FS["~/.ssh/\n~/.aws/\n~/Documents/"]
    M2 -->|读取| SL["消息\n频道"]
    M3 -->|查询| DB["表\n凭证"]

    SL -.->|"有毒流"| M1
    M1 -.->|"外泄"| EX["攻击者"]

    style U fill:#1a1a2e,stroke:#58a6ff,color:#e6edf3
    style A fill:#1a1a2e,stroke:#58a6ff,color:#e6edf3
    style M1 fill:#3b1d0e,stroke:#f59e0b,color:#e6edf3
    style M2 fill:#3b1d0e,stroke:#f59e0b,color:#e6edf3
    style M3 fill:#3b1d0e,stroke:#f59e0b,color:#e6edf3
    style EX fill:#3b0e0e,stroke:#ef4444,color:#e6edf3
    style FS fill:#1a1a2e,stroke:#30363d,color:#8b949e
    style SL fill:#1a1a2e,stroke:#30363d,color:#8b949e
    style DB fill:#1a1a2e,stroke:#30363d,color:#8b949e

graph LR
    IN["技能文件\nMCP 配置"] --> P["模式\n签名"]
    P --> D["去混淆\n(Unicode 标签,\nBase64, BiDi,\n零宽字符, TR39)"]
    D --> S["语义\n分析\n(MiniLM-L6-v2)"]
    S --> B["基线\n追踪\n(SHA-256)"]
    B --> R["注册表\n增强"]
    R --> RU["自定义\n规则"]
    RU --> OUT["报告 +\n严重程度"]

    style IN fill:#1a1a2e,stroke:#58a6ff,color:#e6edf3
    style P fill:#161b22,stroke:#30363d,color:#e6edf3
    style D fill:#161b22,stroke:#30363d,color:#e6edf3
    style S fill:#161b22,stroke:#30363d,color:#e6edf3
    style B fill:#161b22,stroke:#30363d,color:#e6edf3
    style R fill:#161b22,stroke:#30363d,color:#e6edf3
    style RU fill:#161b22,stroke:#30363d,color:#e6edf3
    style OUT fill:#0d4429,stroke:#22c55e,color:#e6edf3

Python API

from agentseal import AgentValidator

validator = AgentValidator.from_openai(
    client=openai.AsyncOpenAI(),
    model="gpt-4o",
    system_prompt="你是一个乐于助人的助手...",
)
report = await validator.run()
print(f"信任评分: {report.trust_score}/100 ({report.trust_level})")

# Anthropic
validator = AgentValidator.from_anthropic(
    client=client, model="claude-sonnet-4-5-20250929", system_prompt="..."
)

# HTTP 端点
validator = AgentValidator.from_endpoint(url="http://localhost:8080/chat")

# 自定义函数 - 使用你自己的代理
validator = AgentValidator(agent_fn=my_agent, ground_truth_prompt="...")

TypeScript API

npm install agentseal

import { AgentValidator } from "agentseal";
import OpenAI from "openai";

const validator = AgentValidator.fromOpenAI(new OpenAI(), {
  model: "gpt-4o",
  systemPrompt: "你是一个乐于助人的助手...",
});

const report = await validator.run();
console.log(`评分: ${report.trust_score}/100 (${report.trust_level})`);

npm 包提供了相同的 CLI 命令（agentseal guard、scan、scan-mcp、shield）和一个可编程的 TypeScript API。

支持的提供商