企业私有 AI企业私有 AI

企业导入 MCP 前必做的 6 项安全检查:工具供应链、权限与稽核

AJ

技术总监・专长:AI 影像辨识与模型训练、企业私有 AI 引擎导入、ERP / IoT / POS 系统集成、云端架构与数位转型规划

壹立方数码技术总监,累积 20 年以上系统开发与整合经验,主导 500+ 专案导入,负责 视炼 VisionForge 影像辨识与 CUBI 酷比企业 AI 大脑的架构设计、资料治理与上线维运。

技术审阅:壹立方数码 系统集成团队(ERP / IoT / POS 系统集成团队)

发布日期 ・阅读时间约 8 分钟

直接回答

MCP 让 AI Agent 连接 ERP、CRM、知识库与内部 API,也增加工具描述、授权凭证与资料流的攻击面。企业应先验证来源、限制权限、区分读写与人工核准,再扩大对接范围。

名词定义

MCP(Model Context Protocol)
让 AI 应用以标准化方式连接工具、资料与服务的协定;企业应将每个 MCP Server 视为正式系统介接管理。
Shadow MCP
未经核准、未被纳入资安与维运治理的 MCP Server;它可能使用预设凭证或存取过度宽松的 API。

MCP 能加速对接,也把新的攻击面带进企业流程

MCP 可降低 AI Agent 连接 ERP、POS、CRM、IoT 平台与文件系统时重复客制 API 的成本。但当工具能查询订单、建立工单、寄送讯息或修改主档,风险便不再只是模型答错,而是实际营运操作被误触发。

OWASP 已将工具投毒、影子 MCP 与 Context 过度分享列为 MCP 重要风险。企业不应只问能不能串,而要先确认工具从哪里来、可用哪些权限,以及发生异常时如何立即收回。

一、建立 MCP 工具来源与版本清册

每一个 MCP Server、工具名称、维护者、程式版本、部署位置与用途都应纳入清册。新增、更新或停用工具时,需有明确的负责人与核准纪录,避免开发、研究或测试用途的服务直接进入正式环境。

  • 记录套件来源、程式码储存库、维护者与版本杂凑。
  • 区分开发、测试与正式环境,不共用正式凭证。
  • 定期盘点未使用的 MCP Server、工具与 Token。

二、把工具描述与程式行为分开审查

工具名称、描述与参数会被模型读取;若描述遭窜改,可能诱导 Agent 执行不该执行的操作。上线前应由系统管理者审查工具描述、输入栏位、输出范例与版本变更,并确认程式实际行为与文件一致。

外部文件、网页、客服对话与工具回传内容都应被视为不可信输入。它们可以作为事实依据,不能改写系统规则、取得额外权限或直接变成工具参数。

三、用最小权限与可撤销授权管理工具

不要直接让 Agent 使用管理者帐号或共用 API Key。应依工具用途建立专属服务帐号,例如只能读取库存、只能建立草稿工单,并限制可存取的资料表、栏位、客户范围与操作频率。

涉及使用者身分、敏感资料或系统操作的 MCP Server,应使用可验证、可撤销、可限制范围的授权。MCP 的 HTTP 授权模型以 OAuth 资源伺服器及 Token 验证为核心,能让企业依角色与 Scope 控制存取。

四、将唯读、草稿、正式异动与人工核准分流

可先让 Agent 执行库存、订单或知识库等唯读查询;采购建议、客服回复与工单内容先产生草稿;删除、汇出个资、修改价格、发送外部讯息或跨系统写入,则必须显示摘要并由具权限人员确认。

这种分流能让 Agent 协助准备与建议,同时让不可逆动作维持在既有内控流程中。高风险工具还应验证栏位格式、资料拥有权、金额区间与目标对象,不能只依模型产生的自然语言执行。

五、保留可追查、可停用的执行纪录

每次工具呼叫至少记录启动者、Agent、工具、输入摘要、结果、是否人工核准与使用的权限版本。日志应采最小化原则,不无限制保存完整提示、合约、个资或机密回复,避免日志本身成为新的外泄面。

另需预先演练停用工具、撤销 Token、轮替金钥与回复操作的流程。当发现工具描述异常、越权请求或提示注入迹象时,能先停止高风险行为,再进行鉴识与修复。

六、以角色测试与红队情境验收

上线前应以不同角色测试越权查询、错误参数、提示注入、重复呼叫与外部资料夹带指令等情境。验收不只确认工具能成功呼叫,也要确认它在不该做时会拒绝、停止或转交人工。

执行步骤

  1. 1盘点所有 MCP Server 与工具

    建立来源、用途、维护者、环境、版本与资料范围清册。

    产出:MCP 资产与责任清册

  2. 2依风险设计权限

    将唯读、草稿、正式异动与管理操作分开,建立专属服务帐号与 Scope。

    产出:工具权限矩阵

  3. 3设定人工核准边界

    为高风险写入、对外发送、个资汇出与付款相关操作设计核准画面。

    产出:高风险操作核准流程

  4. 4建立稽核与停用机制

    记录必要中继资料、设定告警,并演练撤销 Token 与停用工具。

    产出:稽核纪录与事件处理程序

  5. 5定期以攻击情境回归测试

    在工具、模型、提示或资料来源变更后,重新测试越权与提示注入防护。

    产出:MCP 安全回归测试报告

企业 MCP 工具的风险分流方式

企业 MCP 工具的风险分流方式
工具类型常见例子建议控制
唯读查询订单、库存、知识库搜寻角色资料范围、查询节流与稽核摘要
草稿建立客服回复、工单、采购建议标示草稿、人工确认后才送出
正式异动改价、退款、更新主档二次核准、栏位验证与可回复纪录
高敏感操作个资汇出、付款、权限调整预设拒绝、最小 Scope、双人覆核与即时告警

实际分级应依企业资料敏感度、既有内控与产业法规调整。

常见限制与前提

  • MCP 采用的协定、SDK 与授权实作仍会演进,企业应定期检视版本相容性与安全公告。
  • 最小权限与人工核准会增加流程设计成本,但不应以便利性取代涉及个资、金流或正式主档的内控。
  • 本清单是一般性技术治理方向;受特定产业法规约束时,仍应由法务与资安人员进行个案评估。

ACubeDT 的实务观点

ACubeDT 协助企业导入 AI Agent 与 MCP 时,会先盘点既有 ERP、POS、CRM、IoT 与文件系统 API,将高频查询与高风险异动分流,而不是一开始就开放完整操作权。

我们建议把资料来源、工具权限、人工核准与稽核纪录放进同一份导入规格,让企业能先在可控范围验证效益,再逐步扩大自动化。

结论

MCP 的价值不在对接工具数量,而在于企业能否清楚掌握每一个工具的来源、权限、行为与可撤销性。先把治理做进架构,才能安全扩大 AI Agent 的营运价值。

参考来源

Private AI Topic Cluster

相关服务与案例|企业私有 AI

以 RAG 对接企业既有资料库与文件库,在权限控管与资料不外流的前提下让 AI 进入日常营运。

  • RAG 检索增强生成
  • 资料库对接
  • 权限控管
  • 资料安全
  • 导入流程

有系统建置、AI 导入或产品需求?

20 年系统开发经验、各大产业导入实绩,从需求厘清到上线维运一站完成。

联络专人