企業私有 AI企業私有 AI

企業導入 MCP 前必做的 6 項安全檢查:工具供應鏈、權限與稽核

AJ

技術總監・專長:AI 影像辨識與模型訓練、企業私有 AI 引擎導入、ERP / IoT / POS 系統整合、雲端架構與數位轉型規劃

壹立方數碼技術總監,累積 20 年以上系統開發與整合經驗,主導 500+ 專案導入,負責 視煉 VisionForge 影像辨識與 CUBI 酷比企業 AI 大腦的架構設計、資料治理與上線維運。

技術審閱:壹立方數碼 系統整合團隊(ERP / IoT / POS 系統整合團隊)

發布日期 ・閱讀時間約 8 分鐘

直接回答

MCP 讓 AI Agent 連接 ERP、CRM、知識庫與內部 API,也增加工具描述、授權憑證與資料流的攻擊面。企業應先驗證來源、限制權限、區分讀寫與人工核准,再擴大串接範圍。

名詞定義

MCP(Model Context Protocol)
讓 AI 應用以標準化方式連接工具、資料與服務的協定;企業應將每個 MCP Server 視為正式系統介接管理。
Shadow MCP
未經核准、未被納入資安與維運治理的 MCP Server;它可能使用預設憑證或存取過度寬鬆的 API。

MCP 能加速串接,也把新的攻擊面帶進企業流程

MCP 可降低 AI Agent 連接 ERP、POS、CRM、IoT 平台與文件系統時重複客製 API 的成本。但當工具能查詢訂單、建立工單、寄送訊息或修改主檔,風險便不再只是模型答錯,而是實際營運操作被誤觸發。

OWASP 已將工具投毒、影子 MCP 與 Context 過度分享列為 MCP 重要風險。企業不應只問能不能串,而要先確認工具從哪裡來、可用哪些權限,以及發生異常時如何立即收回。

一、建立 MCP 工具來源與版本清冊

每一個 MCP Server、工具名稱、維護者、程式版本、部署位置與用途都應納入清冊。新增、更新或停用工具時,需有明確的負責人與核准紀錄,避免開發、研究或測試用途的服務直接進入正式環境。

  • 記錄套件來源、程式碼儲存庫、維護者與版本雜湊。
  • 區分開發、測試與正式環境,不共用正式憑證。
  • 定期盤點未使用的 MCP Server、工具與 Token。

二、把工具描述與程式行為分開審查

工具名稱、描述與參數會被模型讀取;若描述遭竄改,可能誘導 Agent 執行不該執行的操作。上線前應由系統管理者審查工具描述、輸入欄位、輸出範例與版本變更,並確認程式實際行為與文件一致。

外部文件、網頁、客服對話與工具回傳內容都應被視為不可信輸入。它們可以作為事實依據,不能改寫系統規則、取得額外權限或直接變成工具參數。

三、用最小權限與可撤銷授權管理工具

不要直接讓 Agent 使用管理者帳號或共用 API Key。應依工具用途建立專屬服務帳號,例如只能讀取庫存、只能建立草稿工單,並限制可存取的資料表、欄位、客戶範圍與操作頻率。

涉及使用者身分、敏感資料或系統操作的 MCP Server,應使用可驗證、可撤銷、可限制範圍的授權。MCP 的 HTTP 授權模型以 OAuth 資源伺服器及 Token 驗證為核心,能讓企業依角色與 Scope 控制存取。

四、將唯讀、草稿、正式異動與人工核准分流

可先讓 Agent 執行庫存、訂單或知識庫等唯讀查詢;採購建議、客服回覆與工單內容先產生草稿;刪除、匯出個資、修改價格、發送外部訊息或跨系統寫入,則必須顯示摘要並由具權限人員確認。

這種分流能讓 Agent 協助準備與建議,同時讓不可逆動作維持在既有內控流程中。高風險工具還應驗證欄位格式、資料擁有權、金額區間與目標對象,不能只依模型產生的自然語言執行。

五、保留可追查、可停用的執行紀錄

每次工具呼叫至少記錄啟動者、Agent、工具、輸入摘要、結果、是否人工核准與使用的權限版本。日誌應採最小化原則,不無限制保存完整提示、合約、個資或機密回覆,避免日誌本身成為新的外洩面。

另需預先演練停用工具、撤銷 Token、輪替金鑰與回復操作的流程。當發現工具描述異常、越權請求或提示注入跡象時,能先停止高風險行為,再進行鑑識與修復。

六、以角色測試與紅隊情境驗收

上線前應以不同角色測試越權查詢、錯誤參數、提示注入、重複呼叫與外部資料夾帶指令等情境。驗收不只確認工具能成功呼叫,也要確認它在不該做時會拒絕、停止或轉交人工。

執行步驟

  1. 1盤點所有 MCP Server 與工具

    建立來源、用途、維護者、環境、版本與資料範圍清冊。

    產出:MCP 資產與責任清冊

  2. 2依風險設計權限

    將唯讀、草稿、正式異動與管理操作分開,建立專屬服務帳號與 Scope。

    產出:工具權限矩陣

  3. 3設定人工核准邊界

    為高風險寫入、對外發送、個資匯出與付款相關操作設計核准畫面。

    產出:高風險操作核准流程

  4. 4建立稽核與停用機制

    記錄必要中繼資料、設定告警,並演練撤銷 Token 與停用工具。

    產出:稽核紀錄與事件處理程序

  5. 5定期以攻擊情境回歸測試

    在工具、模型、提示或資料來源變更後,重新測試越權與提示注入防護。

    產出:MCP 安全回歸測試報告

企業 MCP 工具的風險分流方式

企業 MCP 工具的風險分流方式
工具類型常見例子建議控制
唯讀查詢訂單、庫存、知識庫搜尋角色資料範圍、查詢節流與稽核摘要
草稿建立客服回覆、工單、採購建議標示草稿、人工確認後才送出
正式異動改價、退款、更新主檔二次核准、欄位驗證與可回復紀錄
高敏感操作個資匯出、付款、權限調整預設拒絕、最小 Scope、雙人覆核與即時告警

實際分級應依企業資料敏感度、既有內控與產業法規調整。

常見限制與前提

  • MCP 採用的協定、SDK 與授權實作仍會演進,企業應定期檢視版本相容性與安全公告。
  • 最小權限與人工核准會增加流程設計成本,但不應以便利性取代涉及個資、金流或正式主檔的內控。
  • 本清單是一般性技術治理方向;受特定產業法規約束時,仍應由法務與資安人員進行個案評估。

ACubeDT 的實務觀點

ACubeDT 協助企業導入 AI Agent 與 MCP 時,會先盤點既有 ERP、POS、CRM、IoT 與文件系統 API,將高頻查詢與高風險異動分流,而不是一開始就開放完整操作權。

我們建議把資料來源、工具權限、人工核准與稽核紀錄放進同一份導入規格,讓企業能先在可控範圍驗證效益,再逐步擴大自動化。

結論

MCP 的價值不在串接工具數量,而在於企業能否清楚掌握每一個工具的來源、權限、行為與可撤銷性。先把治理做進架構,才能安全擴大 AI Agent 的營運價值。

參考來源

Private AI Topic Cluster

相關服務與案例|企業私有 AI

以 RAG 串接企業既有資料庫與文件庫,在權限控管與資料不外流的前提下讓 AI 進入日常營運。

  • RAG 檢索增強生成
  • 資料庫串接
  • 權限控管
  • 資料安全
  • 導入流程

有系統建置、AI 導入或產品需求?

20 年系統開發經驗、各大產業導入實績,從需求釐清到上線維運一站完成。

聯絡專人