去年静态分析给Anthropic的MCP服务器打了99分，今年红队测试给了60分。分数差了近40，问题只有一个：代码写得再漂亮，挡不住真的有人想搞你。
安全公司Pillar Security最近干了件狠事——他们没看代码，直接上手拆。对象是Anthropic官方维护的MCP文件系统服务器，GitHub上标着「reference implementation（参考实现）」，开发者拿来当模板用的那种。结果拆出三个关键漏洞，全是凭证泄露。
这不是某个业余爱好者的 side project，是Linux基金会旗下Model Context Protocol项目的官方出品。
三个漏洞，同一套剧本
测试团队用了两招经典的路径遍历攻击。第一招是双编码绕过（%252e%252e%252f），第二招是URL编码变体。两招都绕过了服务器自带的六层路径验证逻辑，直接读到敏感文件。
更离谱的是第三个发现。read_multiple_files工具被请求读取AWS凭证、SSH配置、数据库认证文件时，毫无阻拦地执行了。没有警告，没有限制，像酒店前台被问到「老板保险箱密码多少」就脱口而出。
Pillar Security的人原话是：「静态分析问的是'有没有保安'，行为测试问的是'保安顶不顶用'。」这次保安没顶住。
三个漏洞在CVSS v4.0评分体系下全部列为关键级，直接触发认证流程的阻断机制。换句话说，这套参考实现如果走正规安全审计，根本不该出厂。
50个AI工具，26%在裸奔
测试范围没停在Anthropic这一家。Pillar Security把同样的七阶段认证流程扔给了50个AI能力组件——MCP服务器、技能插件、钩子、规则文件，生态里能见到的类型基本都覆盖了。
7个存在关键阻断级漏洞。26%的失败率。
其中有个案例特别讽刺：一份 marketed 给Devin AI编码工具当开发助手的规则文件，被发现会主动读取.env.local、.env、.env.example这些文件，把里面的凭证加载进上下文。开发者以为雇了个帮手，实际请了个内鬼。
这些组件的共同点是：都被设计用来扩展AI的能力边界，让模型能操作文件系统、调用外部工具、访问私有数据。但安全边界的设计，明显没跟上功能扩张的速度。
「参考实现」的诅咒
MCP文件系统服务器的特殊之处在于它的示范效应。GitHub仓库里写着「reference」，意味着无数开发者会fork它、研究它、把它当最佳实践抄进自己的项目。
代码里的每一个模式都会被复制。包括那些没生效的验证逻辑。
Pillar Security的测试方法本身值得玩味。他们不读源码，直接安装、启动、连接、扔攻击载荷。双编码遍历、URL编码遍历、凭证路径收割、提示词注入链、数据渗出探测——全是攻击者实际会用的手法。
这种测试成本更高，但唯一能回答的问题是：当真的有人想搞你时，你的防线会不会像纸一样。
静态分析工具能告诉你「这里有六层验证」，但验证层之间有没有缝隙、编码绕过能不能穿透、工具会不会乖乖交出敏感路径，只有行为测试能暴露。
60分和99分的差距，就是「看起来安全」和「真的安全」之间的差距。
事件发酵后，Anthropic尚未公开回应具体修复时间表。但参考实现仓库的issue列表里，已经有开发者开始质疑：如果官方模板都过不了行为审计，生态里那些 fork 出去的变种，有多少正在生产环境里跑？
更麻烦的是扩散速度。MCP协议设计初衷是标准化AI与外部系统的交互，但标准化也意味着漏洞的标准化复制。一个路径遍历的绕过手法，可能通杀几十个基于同一模板的服务器。
Pillar Security把这次发现归类为「基础设施级别的系统性风险」。不是某一行代码写错了，是「复制粘贴式」的安全思维在AI工具链里蔓延——代码仓库里有验证逻辑，就等于验证有效；静态扫描没报警，就等于没有漏洞。
这种思维在传统的软件供应链里已经吃过无数次亏，现在换了个名字叫MCP、叫AI Agent、叫能力扩展，老问题原封不动跟了过来。
测试团队最后扔了一个数字：50个样本里，关键漏洞率26%。按这个比例，如果你司正在用3个以上的MCP服务器或类似组件，数学期望上至少有一个正在裸奔。
问题是，你知道是哪几个吗？
热门跟贴