研究1篇论文提出A2M框架劫持MCP智能体

针对MCP智能体依赖语义匹配选择第三方工具所引发的供应链风险，研究者提出A2M黑盒劫持框架。该框架分两阶段：先优化工具元数据提升调用概率，再利用执行轨迹精炼恶意返回值以操纵结果。在LiveMCPBench上针对GLM-4.6的定向攻击，使恶意工具调用率达93.6%，认知拒绝服务下token开销增至基线32.4倍，信息窃取等三类攻击成功率均值为74.4%。无需重优化迁移至另四个模型，上述指标分别为63.6%、2.7倍与24.5%。结果呼吁强化工具审查与运行时隔离。