scan_untrusted_text
Scans arbitrary external text for prompt-injection indicators before an agent trusts or acts on it, returning flagged segments for manual review.
Instructions
注入检测(批次 C6 · 信任边界第二层):扫描任意外部文本。
为什么要有这个工具
前面所有通道的注入检测都发生在取数时。但有时文本不是从本项目取来的:
别的 MCP 工具(上游 bilibili-mcp)返回的文本
用户粘进来的网页/摘录
你自己从别处复制的段落 这些都不经过
get_comments的 sanitize ⇒ 不会被标记。 本工具让 Agent 能主动扫一遍。
⚠️ 命中不等于"这条在攻击 Agent":本检测是纯关键词匹配, 只能当"值得再看一眼"的提示,不能当证据。真正的判断要人/Agent 看原文。 误报是真实存在的(2026-10-21 实测:一条洛谷体长评因为「忽视」与「之前」 相隔很远而被独立匹配到一起,现已改成邻近匹配)。
返回:{n, flagged: [{index, risk, reasons, preview}], n_flagged, degraded}
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| texts | Yes |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| result | Yes |