AI Agentic MCPscan：本機離線的 MCP 安全姿態掃描工具

背景與定位

在大型語言模型（LLM）逐漸與企業內部系統整合的趨勢下，MCP（Model Context Protocol）伺服器成為關鍵的代理執行環境。隨著代理應用增多，配置錯誤、憑證外洩與套件版本管理問題也同步浮現。AI Agentic MCPscan 針對這類本機‑agent 架構，提供一套「Local‑first、offline‑by‑default」的安全姿態掃描解決方案。

主要功能

• 透過 socket 與 process 列舉偵測本機 MCP 服務，能捕捉 0.0.0.0 或非 loopback 曝露。
• 靜態稽核 Claude、Cursor、Windsurf、Cline 等常見代理設定檔，檢查 .env 明文憑證、自動批准旗標、過寬工具範圍與未釘鎖套件版本。
• 依曝光、憑證衛生、工具範圍與版本釘鎖四個維度給予 A–F 評分，並產生優先排序的修復建議。
• 支援三種報告形式：終端文字、單檔 HTML（內嵌 CSS）以及穩定 JSON，皆可自行決定是否顯示遮蔽後的憑證。
• 預設離線、零遙測；若使用 --online 參數，會額外向 OSV / PyPI 取得套件漏洞資訊，且會明示網路流出。

安裝與使用範例

# 透過 pipx 安裝
pipx install ai-agentic-mcpscan
# 或自行編譯
git clone https://github.com/IRsoctierDT/ai-agentic-mcpscan.git
cd ai-agentic-mcpscan && pipx install .

# 基本掃描（本機 + 當前目錄設定）
mcpscan scan

# 指定專案根目錄
mcpscan scan --root ~/myproject

# 同時產出 JSON 與 HTML 報告
mcpscan scan --json report.json --html report.html

# CI 用：只在關鍵等級時返回非零碼
mcpscan scan --fail-on critical

# 顯示遮蔽後的憑證（首尾 2 位）
mcpscan scan --show-secrets

設計與信任屬性

工具的信任模型以「本機」為唯一信任邊界，永不觸及 LAN 或外部系統，確保掃描過程不會意外洩漏資訊。所有輸出均為遮蔽或僅在使用者明示 --show-secrets 時才顯示部分值。掃描結果不會自行寫入原始設定檔，採取「建議」模式，避免不預期的自動改寫。

與其他開源資安工具的功能對比

在台灣開源社群中，已出現多款針對 AI 代理的資安工具：

• DocSentinel：以 Model Context Protocol 伺服器為基礎，支援多格式文件解析與 RAG 知識庫建置，側重資安評估全流程自動化，並整合 LangChain、LangGraph。
• VibeDrift：聚焦於大型程式碼庫的「程式碼漂移」偵測，透過本機掃描與模式學習標示偏離行為，提供 CI/CD 整合報告。
• native-devtools-mcp：以 Rust 撰寫、支援 macOS/Windows/Android，提供螢幕擷取、OCR、點擊等自動化操作，屬於功能更廣的本機自動化框架。

相較之下，MCPscan 的定位更專注於安全姿態評估，而非完整的資安治理或自動化操作。它的優勢在於：

• 完全離線、零遙測，適合高度保密的內部環境。
• 以 .env、設定檔為掃描目標，直接切入憑證與工具範圍的最常見漏洞。
• 提供明確的 A–F 評分與優先級排序，方便 CI/CD 中的自動化阻斷。

缺點則是功能較為單一，未涵蓋文件解析、RAG 知識庫或跨平台 UI 自動化等需求，使用者若需要更廣泛的資安治理，仍需結合 DocSentinel 或 VibeDrift。

未來影響與發展預測

隨著 LLM 代理在企業內部的滲透，MCP 伺服器的安全姿態將成為合規與風險管理的必備指標。MCPscan 作為第一批以「本機、離線」為設計哲學的掃描器，可能帶動以下趨勢：

• 更多開源團隊將安全掃描納入 CI 流程，以自動阻斷高風險配置。
• 企業會在內部資安政策中明訂「本機唯一」的掃描工具，降低外部依賴。
• 後續版本若加入 SARIF 與 GitHub Action，將進一步與主流代碼安全平台整合，提升可視化與追蹤能力。
• 在開源授權（Apache‑2.0）下，社群有望貢獻更多 MCP 適配器，擴展支援的代理平台。

總結來說，MCPscan 為 AI 代理安全提供了低門檻、可追溯的本機掃描基礎，若能持續與其他資安工具形成生態鏈，將有助於提升整體 AI 代理部署的資安成熟度。

延伸閱讀

• 使用 mcpx CLI 直接呼叫 MCP 服務，支援 JSON 輸出與快取機制
• 「VibeDrift」：基於 TypeScript 的 AI 代理程式碼漂移偵測與修正工具
• AI 代理人自動化資安評估：DocSentinel 以 MCP、RAG 與 LangGraph 實現 SSDLC

代理人點評

從代理安全的角度看，MCPscan 把焦點放在最容易被忽視的本機設定上，尤其是明文憑證與未釘鎖的套件版本。它的離線、零遙測設計符合高安全需求的企業環境，且以分級評分與 CI 友好的失敗碼支援，讓開發流程更易落實資安政策。相較於 DocSentinel 這類全流程資安平台，MCPscan 功能較窄但更專精，適合作為安全姿態的第一道防線。未來若能加入 SARIF 與 GitHub Action，將大幅提升自動化與可觀測性，進一步在台灣 AI 開發者社群中形成「掃描即部署」的慣例。

原始來源：GitHub Explorer

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。