영어 버전, 中文版本

저자 정보

이 보안 체크리스트는 @SlowMist_Team에서 작성 및 유지 관리되고 있습니다.

SlowMist는 블록체인 생태계 위협 인텔리전스의 글로벌 선도 기업으로, 블록체인과 AI 생태계 통합 과정에서 보안 보호를 강화하고 사용자 프라이버시를 보호하는 것을 목표로 합니다.

우리는 FENZ에 진심으로 감사드립니다. AI의 소중한 기여와 지원에 대해 말씀드리겠습니다.

FENZ. AI는 미래에 대비한 감사로 AI 보안을 재정의합니다. FENZ는 AI 시대의 필수 인프라입니다: “초지능은 초안전에서 시작된다.”

📚 목차

• 개요
• 사용 방법
• MCP 서버(MCP 플러그인) 보안
• MCP 클라이언트/MCP 호스트 보안
• 다양한 LLM에서의 MCP 적응 및 호출 보안
• 다중 MCP 시나리오 보안
• 암호화폐 관련 MCP의 고유 보안 포인트
• MCP 보안 자기 평가 도구
• 참고문헌

개요

대형 언어 모델(LLM)의 급속한 발전과 함께 다양한 새로운 AI 도구들이 계속 등장하고 있습니다. 그중 모델 컨텍스트 프로토콜(MCP) 표준을 기반으로 한 도구들은 LLM과 외부 도구 및 데이터 소스를 연결하는 핵심 다리가 되었습니다.

MCP Security Checklist: A Security Guide for the AI Tool Ecosystem

English Version, 中文版本

Author Information

This security checklist was compiled and is maintained by @SlowMist_Team.

SlowMist, a global leader in blockchain ecosystem threat intelligence, aims to enhance security protection and safeguard user privacy during the integration of blockchain and AI ecosystems.

We sincerely thank FENZ.AI for their valuable contributions and support.

FENZ.AI redefines AI security with future-proof auditing. FENZ is the essential infrastructure for the AI era: “Superintelligence starts with super safety.”

📚 Table of Contents

• Overview
• How to Use
• MCP Server (MCP Plugin) Security
• MCP Client/MCP HOST Security
• MCP Adaptation and Invocation Security on Different LLMs
• Multi-MCP Scenario Security
• Unique Security Points for Cryptocurrency-related MCPs
• MCP Security Self-Assessment Tools
• References

Overview

With the rapid development of large language models (LLMs), a variety of new AI tools have continued to emerge. Among them, tools based on the Model Context Protocol (MCP) standard have become a key bridge connecting LLMs with external tools and data sources. Since its release in late 2024, MCP has been widely adopted in mainstream AI applications such as Claude Desktop and Cursor. Various MCP Server marketplaces have also emerged, demonstrating strong ecosystem scalability.

However, the rapid adoption of MCP has also introduced new security challenges. In the current MCP architecture, the system consists of three main components: the Host (the local environment where the AI application runs), the Client (responsible for communicating with the Server and invoking tools), and the Server (the backend service corresponding to an MCP plugin). Users interact with the AI through the Host, while the Client parses the user’s request and forwards it to the MCP Server for tool invocation or resource access. In scenarios involving multiple instances and cross-component collaboration, this architecture exposes a range of security risks—especially in sensitive contexts such as cryptocurrency transactions or custom plugin integration with LLMs—where the potential for exploitation is even higher and requires appropriate security controls.