隨著人工智慧（AI）技術日益整合至軟體開發流程，整合開發環境（IDEs）中的 AI 代理程式（AI Agent）已成為程式設計師不可或缺的工具。然而，這些能生成程式碼並執行複雜任務的 AI 代理程式，也同時引入了新的資安風險。為應對此挑戰，一款專為 IDEs 設計的 AI 代理程式資安掃描器已於近日推出，目的在於提升開發環境的安全防護。
目前的 AI 驅動 IDEs，例如 Cursor、VS Code 和 Windsurf，普遍採用模型上下文協定（Model Context Protocol, MCP）伺服器，使 AI 代理程式得以執行各種技能並協助生成完整的程式碼庫。但由於這些代理程式能存取檔案系統、應用程式介面（APIs）及 Shell 指令，開發者往往在未經嚴格驗證的情況下，就對第三方工具與依賴項建立起隱性信任，進而衍生資安疑慮。已知的攻擊手法包括透過 MCP 伺服器中的工具描述進行提示注入（prompt injection）、整合遭竄改的工具、透過被破壞的技能定義或 MCP 設定進行供應鏈毒害，以及篡改 IDE 環境配置等。傳統的靜態應用程式安全測試（Static Application Security Testing, SAST）和軟體成分分析（Software Composition Analysis, SCA）工具，因無法理解 MCP 工具描述、代理程式提示和技能定義的語義層次，而難以有效應對這些新型威脅。
這款 AI 代理程式資安掃描器以 IDE 擴充功能的形式提供，整合了 Skill Scanner 和 MCP Scanner 等開源掃描器，在開發環境內部提供資安可視性與控制能力。它採用多層次縱深防禦模型，包含四大核心功能：MCP 伺服器掃描、代理程式技能掃描、安全 AI 生成程式碼，以及 Watchdog 工具。
MCP 伺服器掃描會檢查工具描述、伺服器配置與端點，偵測潛在的隱藏指令、資料外洩模式、跨工具攻擊鏈及可疑指令。代理程式技能掃描則分析 Cursor、Claude Code、Codex 和 Antigravity 等平台的技能，以找出指令注入、混淆、權限提升及供應鏈指標等漏洞，且掃描過程不實際執行程式碼。安全 AI 生成程式碼功能則遵循 Project CodeGuard 訂定的安全規則，這些規則涵蓋輸入驗證、身分驗證、加密和會話管理等超過 20 個資安領域，直接嵌入代理程式的上下文中。此外，Watchdog 工具利用 SHA-256 快照和 HMAC 驗證，持續監控關鍵 AI 配置檔案，預防諸如鉤子注入（hook injection）、自動記憶體毒害（auto-memory poisoning）和 Shell 別名注入（shell alias injection）等未經授權的修改。
該掃描器與 IDE 工作流程緊密整合，提供資安儀表板、行內裝飾（inline decorations）、發現結果樹狀結構、Watchdog 面板等功能，並支援報告匯出與掃描比較。在隱私保護方面，此掃描器秉持「隱私優先」原則，不傳輸原始程式碼，不執行 MCP 工具和技能程式碼，安全儲存 API 金鑰，並預設以雜湊（hash-only）方式進行 VirusTotal 檢查，可選用的遙測功能也不包含敏感資料。
隨著 AI 代理程式生態系統的快速演進，資安工具也必須同步快速升級。此掃描器的推出，邀請開發者與資安社群共同試用、提交問題並貢獻力量，以期為 AI 輔助開發建構更堅實的資安防線。
