GitHub - Ablation-Tool/kevlar:面向模型上下文协议的代理防火墙
📌 One-Sentence Summary
Kevlar 是一款面向模型上下文协议(MCP)的代理防火墙,通过剥离工具描述、扫描注入载荷、阻断凭据外泄以及锁定工具注册表,保护 LLM 免受恶意服务器行为的侵害。
📝 Summary
Kevlar 部署在 LLM 客户端与 MCP 服务器之间,执行四项关键安全功能:剥离所有工具描述,防止 LLM 获知可能有害的工具;扫描工具调用响应中的注入迹象,并对其进行脱敏或阻断;阻断包含凭据的出站调用;在初始握手完成后锁定工具注册表,防止服务器在会话期间新增工具。
💡 Main Points
工具描述剥离
Kevlar 在消息到达 LLM 之前,从「tools/list」响应中移除所有「description」字段。这可以防止模型受到服务器提供的、可能具有误导性或恶意的描述的影响。
响应载荷扫描
该代理会扫描工具调用的结果,以发现提示词注入或恶意内容的迹象。如果某个响应的评分超过阈值,匹配到的片段将被脱敏,或者整个响应会被阻断。
出站数据防泄漏
Kevlar 会检查出站「tools/call」请求的参数。如果检测到 LLM 试图向服务器发送敏感凭据(如 API 密钥),该调用将被阻断。
工具注册表锁定
在严格模式下,Kevlar 会在初始握手完成后冻结可用工具列表。它会丢弃服务器发来的任何「tools/list_changed」通知,防止服务器在会话期间动态添加新的、可能有害的工具。
💬 Key Quotes
Kevlar 位于客户端与服务器之间,并做四件事:
MCP 规范并未阻止上述任何一种行为。
Kevlar 会在每一次「tools/list」响应中,无条件地将每个「description」字段剥离为空字符串。
评分超过模式阈值的响应会被隔离或拒绝。
服务器永远不会收到它。
📊 Article Meta
AI Screening: 92
Source: Hacker News - Newest: "LLM"
Author: zellkernel
Category: 人工智能
Language: 英文
Read Time: 3 min
Word Count: 618
Tags:
AI 与智能应用 , 安全 , MCP协议 , 大语言模型 (LLM) , GitHub
支持作者,持续关注中。
作者写得真不错,学到了不少。
很有价值的分享,感谢整理。
有没有更详细的教程,期待后续。
写得挺用心的,支持一下。
看标题就点进来了,内容果然没让人失望。
点赞,必须点赞
点赞,必须点赞
有没有更详细的教程,期待后续。
赞同,实践出真知。
赞同,实践出真知。
刚好最近在找这方面的资料,太及时了。