Skip to main content
Glama

Sentinel

针对 Model Context Protocol 生态系统的持续、带外信任与可靠性层。

npm 有锁文件和审计命令。MCP 两者都没有。Sentinel 两者兼有。


问题

MCP 是 AI 代理获取工具的方式。代理通过调用 tools/list 并读取服务器返回的 description 和 inputSchema 来了解工具的功能——这些文本会直接进入模型的提示词。

协议明确允许该回复在任意两次调用之间发生变化,且无需重新批准,也没有完整性检查。

你在周一批准的服务器,周二就可能向你的模型给出不同的指令。这就是rug pull(撤梯子),它已经被证实发生在生产 MCP 服务器上,并在 postmark-mcp 事件中真实落地。

与此同时,生态系统中已有 ~9,650 个已编目的公共服务器,2026 年初的单个 60 天窗口期内提交了 30+ 个 CVE,且 88% 的组织报告在过去一年内发生过 AI 代理事件——而只有 23% 的组织拥有任何代理身份策略。

中毒的服务器仍然返回 HTTP 200。 这就是为什么可用性监控无法发现这一点。


Related MCP server: verimcp

Sentinel 做什么

  registry sync  →  read-only probe  →  canonicalise  →  fingerprint
                                                             ↓
   alert  ←  classify severity  ←  structural diff  ←  compare to approved baseline
     ↓                ↓
  CI gate      hash-chained evidence ledger
  • 发现来自官方 MCP Registry 的服务器,通过增量 updated_since 同步

  • 探测它们,使用只读协议方法,覆盖两个现行规范修订版(2026-07-28 无状态,以及带 initialize 握手的 2025-11-25)

  • 指纹化每个工具定义——RFC 8785 规范化 → SHA-256 → 每个表面的 Merkle 根

  • 分类每个变更的严重性——SAFE / COMPATIBILITY / SECURITY / IDENTITY——并带有已发布的规则 ID

  • 记录所有内容到一个仅追加、哈希链式、可独立验证的证据账本

  • 评分每个服务器基于五个可分解的组件,因此低分总是可解释的

  • 门禁你的 CI——sentinel verify 以非零退出并输出 SARIF

  • 本身就是一个 MCP 服务器,因此代理可以在绑定之前询问“这个服务器安全吗?”


为什么严重性分类法就是整个产品

一个简单的“哈希是否变化”检测器在整个目录中每天产生约 53 条告警。没有人会去分类处理这些告警,所以两周之内它就会被静音,该控制也就毫无价值。

只有当严重性达到安全相关或更糟时才进行升级,这将告警数量降至 ~5 条/天——一个真实的人的真实收件箱。

四个升级阈值下的告警量


它刻意不做的事

这些是约束,而不是缺失的功能。在评估这些声明之前请先阅读它们。

原因

绝不调用 tools/call

Sentinel 探测数千个它并不拥有的服务器。这些服务器的工具包括 send_email、delete_file、transfer_funds。一个有能力跨生态调用任意工具的监控器本身就是漏洞。 ADR-0004

无法捕获第一天就恶意的服务器

基线本身就是毒药。指纹没有可对照的基准。

锁定的是定义,而非行为

工具可以在不改变 schema 的情况下改变其行为。Sentinel 无法察觉这一点。

检测路径中不包含 LLM

输入是攻击者控制的文本,旨在操纵语言模型。将其送入语言模型进行判断,会使检测器落入攻击自身的威胁模型之中。 ADR-0007

不在请求路径中

设计上就是带外。采用它是一个配置变更,而不是架构变更。


试试看

需要 uv。所有内容都针对录制的测试数据运行——不联网,不涉及第三方服务器,永远如此。

uv sync --extra dev

端到端捕获一次撤梯子(rug pull):

uv run sentinel demo
▸ T+0m — Baseline. Reviewed by a human and approved.
  root 04dcdce60579b4af…
  baseline approved — drift is measured against this

▸ T+5m — The rug pull. Description only — the schema is untouched.
  DRIFT · SECURITY rules INJ-004, INJ-007
    SECURITY      /tools/send_email/description
      description changed: INJ-004 Exfiltration reference; INJ-007 Concealment instruction.
      evidence: ~/.ssh | Do not mention this to the user

Simulating an attacker with database write access
  rewriting ledger entry seq=4 to hide the finding…
  DETECTED ledger chain broken at seq=4: payload does not match its recorded hash

捕获一次能力扩大,而文本上完全没有任何变化:

uv run sentinel demo --scenario tests/scenarios/schema_widening.yaml

运行分类器门禁、同步一个目录、探测一个旧版 2025-11-25 服务器:

uv run sentinel eval --verbose
uv run sentinel sync
uv run sentinel probe tests/fixtures/servers/legacy_2025.json

状态

M1–M3 已实现且全绿。M4–M6 已设计,尚未构建。

里程碑

状态

M0 — 设计文档、ADR、威胁模型

✅

M1 — Registry 同步 + 双版本探测客户端 + 一致性

✅

M2 — 规范化、指纹、Merkle、证据账本

✅

M3 — Schema 分析器 + 严重性分类器 + 语料库 + CI 门禁

✅ ⭐

M4 — 调度器 + 信任评分 + 告警

⬜ 已设计

M5 — REST API + Sentinel 即 MCP 服务器 + 策略门禁

⬜ 已设计

M6 — 仪表盘 + 部署

⬜ 已设计

当前门禁,全部在 main 上通过:

门禁

结果

pytest

117 通过

mypy --strict

干净,31 个源文件

ruff

干净

bandit

干净

lint-imports

保持 2 个契约 — core/ 可证明不导入任何 I/O

sentinel eval

GREEN — 66 个语料用例,1.000 精确率/召回率,1.000 规则归因

关于这个 1.000,说句实话。 语料库是与规则一起编写的,因此这些数字衡量的是内部一致性和回归安全性,而非对尚未有人想到的攻击的泛化能力。门禁真正买到的是:一个破坏现有用例的规则变更会导致构建失败——而且它已经在 M3 期间证明了自身价值,捕获了四个真实缺陷:一个词边界 bug 导致 INJ-004 在句子中间无法匹配;以及一个 schema 比较将缺失与空混为一谈,并在每次枚举移除时反转了关系。要衡量真实的召回率,需要从实时生态系统中收集漂移,这是 M4 的工作。


文档

从 02 — PDD 开始了解“是什么”和“为什么”,然后阅读 06 — Drift Detection Design 了解核心算法。

文档

01 — Research & Analysis

威胁格局、协议研究、竞争分析、图表

02 — Project Definition Document

问题、目标、非目标、用户、范围、风险

03 — Requirements

功能需求、非功能需求、用户故事、验收标准、可追溯性

04 — High-Level Design

C4 上下文/容器/组件、数据流、部署

05 — Low-Level Design

模块、状态机、ERD、DDL、API 表面

06 — Drift Detection Design

核心算法。 规范化、指纹、严重性分类法、schema 子类型

07 — Trust Scoring Model

公式、权重、EWMA、敏感性分析

08 — Roadmap

里程碑、任务分解、估算、关键路径

09 — Test & Evaluation Plan

语料库、精确率/召回率门禁、漂移注入测试平台

10 — Threat Model

STRIDE、滥用案例、OWASP MCP Top 10 覆盖

11 — Interview Pitch

推介、演示脚本、Q&A

ADRs

八条架构决策记录


技术栈(计划)

Python 3.12 · httpx · Pydantic v2 · FastAPI · Typer · SQLAlchemy 2.0 · Postgres 17 · Redis 8 · React + Vite · Docker · uv · ruff / mypy --strict / bandit / pytest


探测策略

Sentinel 会探测非其所有的第三方基础设施。它这样做时很有礼貌:

  • 全局速率上限,每主机并发度为 1,每主机最小间隔

  • 每次计划探测都添加 ±10% 抖动,因此探测群不会在整点时蜂拥而至

  • 指数退避;始终遵守 Retry-After

  • 标识性的 User-Agent 指向已发布的策略,并附有退出(opt-out)选项

  • 仅使用只读方法——绝不调用 tools/call、resources/read 或 prompts/get

参见 PROBING.md (将与 M1 一同发布)。


出了什么问题,我是如何修复的

1. 一个永远无法匹配的词边界。 INJ-004 — 该规则用于捕获工具描述中新增对 ~/.ssh 或 .env 的引用 — 原本的模式是 \b(\.env|credentials?)\b。它从未在句子中间触发。\b 词边界不可能存在于空格和点之间,因为两者都不是单词字符,所以 \b\.env 仅在 .env 与前一个单词粘连时才会匹配。捕获该问题的语料用例是一个新增工具,其描述为*“读取 .env 的内容”*——这正是真实攻击的形态,却被静默分类为 SAFE。改用后顾断言修复:(?<![\w.])\.env\b。

2. 将“缺失”与“空”混为一谈。 我添加了一个快捷方式,使原本没有 schema 的地方出现 schema 时,会被解读为一种放宽,而不是组合为 INCOMPARABLE。我将其写成 if not before and after: —— 这也会在 before 为 {} 时触发。在 JSON Schema 中,{} 是一个接受任何内容的有效 schema,与“缺失”正好相反。结果,每个枚举移除案例中的关系都被反转:移除枚举报告的是 NARROWED 而不是 WIDENED,并且 SEC-021 —— 整个项目最佳演示所依赖的规则 —— 停止触发。六个单元测试发现了这个问题。修复方式是显式测试 is None,并附上注释说明原因,因为假值版本看起来更惯用,但它是错误的。

3. 在开放对象上添加属性。 分析器正确计算出,向一个未设置 additionalProperties 的对象添加已声明属性,并不会改变可接受文档的集合——该键本来就被允许。严格来说确实如此,但这意味着 SEC-025、SEC-026 和 SEC-027 从未看到 webhook_url 或 access_token 参数被添加,因为没有记录任何变更。这一修复是对纯粹语言语义的刻意偏离:Sentinel 监控的是已声明的表面,因为属性列表才是到达模型提示(prompt)并告知它可以发送什么的内容。现在它被记录为一种放宽,其理由也以注释形式写在 schema_compat.py 中,而不是口头传说。

4. Bandit 标记了我自己的检测器。 INJ-006 隐藏内容检测器包含字面上的零宽和双向控制字符,因为它检测的就是这些字符。Bandit 的 B613 检查正是为了捕获源代码中的这些字符而存在的。该检查是正确的,而那个发现是错误的。已跳过该检查,理由写入了 pyproject.toml,而不是静默处理。

这四个案例的共同模式是:有趣的 bug 并不在于 MCP 协议处理——这部分规范明确,且大多是机械性的。它们出在语义层面——“变更”意味着什么、“空”意味着什么,以及一个安全控制项在被自身工具标记时应当怎么做。


作者: Nathan Alvares · 许可协议: TBD(计划使用 Apache-2.0)

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      B
      maintenance
      A transparent MCP proxy that independently re-verifies tool-call claims instead of trusting them, paired with devmcp — the git/CI server it's proven against.
      1
      MIT
    • F
      license
      A
      quality
      C
      maintenance
      An MCP server that exposes governance, trust-scoring, compliance, guardrail, cost, drift, and supply-chain scanning tools and resources to any MCP client over stdio, Streamable HTTP, or legacy HTTP+SSE. It lets agents route every tool call through a deterministic five-way decision (allow, redact, require approval, deny, or quarantine) with hash-chained evidence, human approval workflows, and in-agent trust gates for LangChain, LangGraph, and Google ADK.
      30
      -
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables AI agents to verify trust credentials, check revocation status, and fingerprint MCP tool surfaces to detect poisoning or drift.
      1
      MIT