awesome-mcp-security

GitHub
675 97 非常简单 1 次阅读 昨天插件
AI 解读 由 AI 自动生成，仅供参考

awesome-mcp-security 是一个专注于模型上下文协议（MCP）安全的开源资源合集，旨在为开发者构建安全的 AI 代理系统提供全方位指引。随着 MCP 成为连接大模型与外部工具的关键标准，其潜在的安全风险（如数据泄露、恶意工具调用等）日益凸显，而该项目正是为了解决这一核心痛点而生。

它系统性地整理了官方安全规范、前沿学术论文、技术视频、实战工具代码以及安全服务器实现方案。内容涵盖了从基础的输入验证、访问控制、速率限制，到高级的“人机协同”（Human-in-the-Loop）确认机制等关键防御策略。特别值得一提的是，该项目紧跟协议演进，及时收录了关于 MCP 认证规范更新的讨论，并提供了针对企业级集成的安全框架与审计思路。

无论是正在开发 MCP 服务端或客户端的工程师，还是研究 AI 安全威胁的学者，亦或是希望将 AI 安全落地到生产环境的企业架构师，都能从中找到极具价值的参考。通过汇聚社区智慧与权威分析，awesome-mcp-security 帮助用户在享受 MCP 带来的便捷集成能力时，有效规避安全风险，打造可信的 AI 应用生态。

使用场景

某金融科技公司正在开发一款基于 MCP 协议的智能投顾助手，该助手需要连接内部数据库查询客户资产并调用外部 API 执行交易指令。

没有 awesome-mcp-security 时

  • 开发团队缺乏统一的安全标准，导致部分 MCP 服务器未对工具输入进行严格验证，存在注入攻击风险。
  • 客户端在调用敏感交易工具前缺少强制的用户确认环节，AI 可能因提示词注入而意外执行未经授权的资金转账。
  • 由于缺乏审计日志和速率限制机制，恶意用户可高频调用工具耗尽系统资源，且事后无法追溯异常操作源头。
  • 团队难以辨别哪些第三方工具注解是可信的，容易将不可信服务器的输出直接传递给大模型，引发数据泄露。
  • 面对新兴的 MCP 攻击向量，开发人员只能零散地搜索信息，缺乏系统性的防御框架和最新威胁情报支持。

使用 awesome-mcp-security 后

  • 团队依据其提供的官方安全考量清单，强制所有服务器实施输入验证、访问控制和输出清洗，从源头阻断注入漏洞。
  • 参照最佳实践重构客户端逻辑，在执行任何敏感操作前插入可视化确认弹窗，确保“人在回路”（Human-in-the-Loop）机制落地。
  • 部署了推荐的审计日志方案和超时策略，不仅有效防御了拒绝服务攻击，还能完整记录每次工具调用的上下文以供合规审查。
  • 利用其整理的可信服务器列表和注解验证指南，系统现在能自动拦截来自未认证源的工具响应，防止数据被恶意篡改或窃取。
  • 通过集成的论文、视频和代码库资源，安全团队迅速掌握了最新的 MCP 威胁态势，并快速落地了针对性的缓解策略。

awesome-mcp-security 将分散的安全知识转化为可执行的防御体系，让 AI 代理在享受 MCP 强大连接能力的同时，拥有了企业级的安全护城河。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该仓库（awesome-mcp-security）是一个资源列表（Awesome List），主要收集关于模型上下文协议（MCP）安全性的论文、视频、文章和工具链接，本身不是一个可执行的软件工具或模型，因此没有特定的操作系统、GPU、内存、Python 版本或依赖库要求。
python未说明
awesome-mcp-security hero image

快速开始

🤝 表达你的支持 - 如果你喜欢这个内容，就给个⭐️吧

Awesome MCP Security Awesome

关于模型上下文协议（MCP）安全性的所有你需要了解的内容。

目录

📔 安全考量

来自官方 MCP 规范 Rev: 2025-03-26的官方安全考量

[!NOTE] 2025年4月15日：当前的 MCP 认证规范 正在被一个更健壮的规范所取代。如果你对当前的认证规范有任何担忧，请加入讨论。

  • 服务器必须：

    • 验证所有工具输入
    • 实施适当访问控制
    • 对工具调用进行速率限制
    • 对工具输出进行净化

  • 客户端应该：

    • 在执行敏感操作时提示用户确认
    • 在调用服务器之前向用户展示工具输入，以避免恶意或意外的数据泄露
    • 在将工具结果传递给 LLM 之前进行验证
    • 为工具调用设置超时机制
    • 记录工具使用情况以便审计

[!WARNING]
为了信任与安全，客户端必须将工具注释视为不可信，除非它们来自受信任的服务器。

[!WARNING]
为了信任与安全，始终应该有人在流程中参与*，并有权拒绝工具调用。

应用程序应该：

  • 提供清晰的用户界面，明确哪些工具正在被暴露给 AI 模型。
  • 在工具被调用时插入明显的视觉提示。
  • 向用户提供确认提示，以确保有人在流程中参与。

[!NOTE]
*“人在回路”（HITL）是指用户帮助监控和指导自动化任务，例如决定是否接受 Cursor 中的工具请求。

📃 论文

📺 视频

📕 文章、X平台帖子和博客文章

🧑‍🚀 工具与代码

💾 MCP 安全服务器

💻 其他实用资源

😎 贡献说明

👍🎉 首先，感谢您抽出时间参与贡献！ 🎉👍

请阅读并遵循我们的贡献指南

谢谢！ 🦄

🤝 表达支持

🤝 请表达您的支持——如果您喜欢这些内容，请点个⭐️

✔️ 免责声明

本项目仅可用于教育目的。在未获得事先许可的情况下，将本资源用于针对目标系统的攻击行为属违法行为；因滥用本软件造成的任何损害，作者概不负责。

常见问题

相似工具推荐

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|昨天
插件开发框架

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。

★ 85k|★★☆☆☆|昨天
图像数据工具视频

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。

★ 70.7k|★★★☆☆|今天
语言模型Agent开发框架

gstack

gstack 是 Y Combinator CEO Garry Tan 亲自开源的一套 AI 工程化配置，旨在将 Claude Code 升级为你的虚拟工程团队。面对单人开发难以兼顾产品战略、架构设计、代码审查及质量测试的挑战，gstack 提供了一套标准化解决方案，帮助开发者实现堪比二十人团队的高效产出。 这套配置特别适合希望提升交付效率的创始人、技术负责人，以及初次尝试 Claude Code 的开发者。gstack 的核心亮点在于内置了 15 个具有明确职责的 AI 角色工具，涵盖 CEO、设计师、工程经理、QA 等职能。用户只需通过简单的斜杠命令（如 `/review` 进行代码审查、`/qa` 执行测试、`/plan-ceo-review` 规划功能），即可自动化处理从需求分析到部署上线的全链路任务。 所有操作基于 Markdown 和斜杠命令，无需复杂配置，完全免费且遵循 MIT 协议。gstack 不仅是一套工具集，更是一种现代化的软件工厂实践，让单人开发者也能拥有严谨的工程流程。

★ 66k|★★☆☆☆|今天
Agent插件

gpt4free

gpt4free 是一个由社区驱动的开源项目，旨在聚合多种可访问的大型语言模型（LLM）和媒体生成接口，让用户能更灵活、便捷地使用前沿 AI 能力。它解决了直接调用各类模型时面临的接口分散、门槛高或成本昂贵等痛点，通过统一的标准将不同提供商的资源整合在一起。 无论是希望快速集成 AI 功能的开发者、需要多模型对比测试的研究人员，还是想免费体验最新技术的普通用户，都能从中受益。gpt4free 提供了丰富的使用方式：既包含易于上手的 Python 和 JavaScript 客户端库，也支持部署本地图形界面（GUI），更提供了兼容 OpenAI 标准的 REST API，方便无缝替换现有应用后端。 其技术亮点在于强大的多提供商支持架构，能够动态调度包括 Opus、Gemini、DeepSeek 等多种主流模型资源，并支持 Docker 一键部署及本地推理。项目秉持社区优先原则，在降低使用门槛的同时，也为贡献者提供了扩展新接口的便利框架，是探索和利用多样化 AI 资源的实用工具。

★ 66k|★★☆☆☆|3天前
插件语言模型Agent

meilisearch

Meilisearch 是一个开源的极速搜索服务，专为现代应用和网站打造，开箱即用。它能帮助开发者快速集成高质量的搜索功能，无需复杂的配置或额外的数据预处理。传统搜索方案往往需要大量调优才能实现准确结果，而 Meilisearch 内置了拼写容错、同义词识别、即时响应等实用特性，并支持 AI 驱动的混合搜索（结合关键词与语义理解），显著提升用户查找信息的体验。 Meilisearch 特别适合 Web 开发者、产品团队或初创公司使用，尤其适用于需要快速上线搜索功能的场景，如电商网站、内容平台或 SaaS 应用。它提供简洁的 RESTful API 和多种语言 SDK，部署简单，资源占用低，本地开发或生产环境均可轻松运行。对于希望在不依赖大型云服务的前提下，为用户提供流畅、智能搜索体验的团队来说，Meilisearch 是一个高效且友好的选择。

★ 57k|★★☆☆☆|今天
图像Agent数据工具