你的 Agent 连着一排 MCP 服务器。要取数据集时,它挑了个叫 data_fetch_and_store 的工具:名字对、描述对、参数也接得上。可它连的到底是哪家服务器?新不伦瑞克大学加拿大网络安全研究所(CIC)的团队 11 月 16 日把一篇实测论文挂上 arXiv(编号 2611.21577):五个前沿模型当 MCP 客户端,其中三个在 50 次测试里 50 次全部选中了攻击者的假工具。

攻击者只做一件事:改自己服务器的广告

论文研究的失败模式叫 tool-provider misbinding,工具提供方错绑:本想发给合法提供方的请求,被解析到了攻击者控制的工具上。攻击者不黑主机、不黑模型、不动网络信道,唯一的动作是另开一台 MCP 服务器,把工具的名字、描述、参数 schema 换着花样写。实验是三因子全因子设计:名字分无关与撞名两档,描述分无关、照抄、加权威词三档——权威词就是 enterprise-approved、officially verified 这类——schema 分不兼容与兼容两档,共十二组条件;每组十条提示词、每条跑五遍,一组一个模型 50 次试验,全部正常执行,没有一次崩溃。合法工具只有一个:data_fetch_and_store,干的活就是取数据集、存到目标位置。值得注意的是,十条提示词里有一半特意用了强调可信来源的安全措辞——后面会看到,这没救回来。

名字、描述、参数全对上,基本团灭

失败最集中的是 C10:撞名加照抄描述加兼容 schema。这一组里 GPT-5.4、Qwen3.7 Max、DeepSeek V3 的违规率都是 1.00,Gemini 2.5 Pro 也有 0.84——1.00 意味着五十次试验无一幸免,连那五条安全措辞的提示词也没能拦住。更有信息量的是 C09:它与 C10 只差 schema 兼容这一项,平均违规率是 0;翻成兼容,升到约 0.78。论文称 schema 兼容是最强的共同放大器。反过来,光撞名没用:C07 撞名配无关描述和不兼容 schema,五个模型违规率都贴着 0。甚至不撞名也能中:C06 用无关名字,配权威化描述和兼容 schema,DeepSeek V3 违规 0.50,Gemini 2.5 Pro 违规 0.42。攻击面比「撞名」宽得多。

五个模型,五种反应

GPT-5.4、Qwen3.7 Max、DeepSeek V3 几乎不追问,直接选;论文把 DeepSeek V3 描述成平均违规率最高、澄清几乎为零的画像。Claude Sonnet 5 走另一条路:C10 里违规率只有 0.06,但澄清率 0.94,绑定稳定性 0.00——没选错,也没绑对,把歧义推回给用户。Gemini 2.5 Pro 既中招又追问,论文称其合并画像在本实验里表现最弱。这些结论经得住换花样:换成五个无关名字、五条不同的权威措辞,C12 下 Qwen3.7 Max 和 DeepSeek V3 稳在 1.000;把攻击者候选从 1 个加到 10 个,C10、C12 早已饱和,但 GPT-5.4 在 C07 从 0.04 升到 0.28,Qwen3.7 Max 在 C08 从 0.40 一路涨到 1.00。

根因在协议层

MCP 规范自己写得明白:工具靠名字、描述、inputSchema 广告;annotations 除非来自受信服务器,客户端必须视为不可信。协议其实早就承认这层元数据不可信,缺的是论文指出的那块:把工具绑定到已验证提供方身份的强制机制。论文拿软件供应链的命名空间混淆做类比——包管理系统早就学过,熟名字不等于发布者。药方也对应朴素:提供方绑定的工具身份,具体是签名工具清单、稳定的提供方标识、schema 哈希、客户端强制校验。

该泼的冷水

论文自列局限:只测了一个数据集下载任务、五个客户端,也没穷尽攻击策略,影响的是比率外推而非核心结论;这篇 v1 预印本未附代码仓库;另外同一团队此前在期刊上做过 MCP、A2A 等四个协议的威胁建模,这篇是把其中一个风险做成可测量实验,不是独立第三方的复现。

工具越接越多,「选哪个工具」正在变成真正的安全边界。下次你的 Agent 秒选某个工具时,值得问一句:它凭什么认准了这家店?