站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
A2M：MCP生态中基于轨迹优化的智能体劫持
A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem
摘要显示，使用MCP协议的智能体依赖语义匹配从第三方服务器选择工具，攻击者可通过控制元数据与输出实施语义供应链攻击。作者提出A2M两阶段黑盒框架：Attraction阶段优化工具元数据以提高调用概率，Manipulation阶段利用执行轨迹精炼对抗性工具返回，引导智能体产生攻击者期望结果。在LiveMCPBench上，针对GLM-4.6优化的直接攻击在四个场景中恶意工具调用率达93.6%，认知拒绝服务下加权token成本升至基线32.4倍，信息窃取、环境完整性破坏与推理脱轨的平均成功率为74.4%；迁移至四个其他模型时对应指标为63.6%、2.7倍和24.5%。
意义：揭示MCP工具选择机制的供应链风险，提醒开发者在工具审核与运行时隔离上加强防护。