Escanea bases de código en busca de vulnerabilidades de seguridad en integraciones de LLM e IA, como inyección de prompts, filtraciones de privacidad de datos y manejo inseguro de salidas.
También conocido como GuardBee/guardbee-mcp, @guardbee/mcp-ai-code-scanner
- Stars
- 2
- Herramientas
- 4
- Descargas, 30 días
- 1842
- Última versión
- 0.3.2
- Último commit
- 12 nov 2026
- Licencia
- MIT
¿Qué es ai-code-scanner MCP?
ai-code-scanner es un MCP server. Escanea bases de código en busca de vulnerabilidades de seguridad en integraciones de LLM e IA, como inyección de prompts, filtraciones de privacidad de datos y manejo inseguro de salidas. Expone 4 herramientas, como scan_text, scan_file, scan_directory.
Resumen generado a partir del README del proyecto
Acerca del MCP server de ai-code-scanner
La función principal de este MCP server es asegurar las integraciones de IA mediante el escaneo de bases de código en busca de patrones de vulnerabilidad específicos. Ayuda a los desarrolladores a identificar riesgos como la inyección de prompts, filtraciones de privacidad de datos y el manejo inseguro de salidas que los escáneres de secretos estándar suelen pasar por alto. La herramienta se centra en qué tanto se confía en la salida de un modelo y en el nivel de privilegios otorgados a las herramientas que un agente puede llamar.
Los usuarios pueden ejecutar este servidor localmente a través de Claude Desktop o mediante una interfaz de línea de comandos para su integración en CI/CD. Proporciona herramientas específicas como scan_text para fragmentos de código, scan_file para archivos individuales y scan_directory para un análisis recursivo de la base de código. El servidor también incluye una herramienta list_patterns para visualizar todas las categorías de detección compatibles.
Este escáner es altamente personalizable mediante un archivo de configuración guardbee.yml y la capacidad de añadir paquetes de reglas personalizados usando archivos JSON. Esto permite a los equipos definir patrones específicos de la organización para datos sensibles o herramientas internas. Los hallazgos se reportan con recomendaciones específicas y pueden exportarse en formato SARIF 2.1.0 para su uso en GitHub Code Scanning.
Qué puedes hacer con él
- 1Detección de riesgos de inyección de promptsPide a la IA que compruebe si la entrada del usuario se está mezclando de forma insegura con los prompts del sistema.
- 2Prevención de filtraciones de datos sensiblesEscanea la base de código para asegurar que identificadores personales, como correos electrónicos, no se envíen directamente a un LLM.
- 3Auditoría de permisos de herramientas de agentesComprueba si alguna de las herramientas disponibles para un agente de IA otorga un control excesivo, como la ejecución de shell.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar ai-code-scanner MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar ai-code-scanner MCP en Claude Code
$ claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerInstalar ai-code-scanner MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instalar ai-code-scanner MCP en VS Code
.vscode/mcp.json
{
"servers": {
"ai-code-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instalar ai-code-scanner MCP en VS Code CLI
$ code --add-mcp '{"name":"ai-code-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-ai-code-scanner"]}'Instalar ai-code-scanner MCP en Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instalar ai-code-scanner MCP en Codex
$ codex mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerInstalar ai-code-scanner MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.ai-code-scanner] command = "npx" args = ["-y", "@guardbee/mcp-ai-code-scanner"]
Instalar ai-code-scanner MCP en Gemini CLI
$ gemini mcp add -s user ai-code-scanner npx -- -y @guardbee/mcp-ai-code-scannerInstalar ai-code-scanner MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Herramientas de ai-code-scanner MCP 4
Detectado desde el READMEscan_textscan_filescan_directorylist_patterns
| scan_text | — | |
| scan_file | — | |
| scan_directory | — | |
| list_patterns | — |
Verificaciones automáticas
Ejecutado 13 nov 2026Informe completo →Pasó nuestras verificaciones automáticas. Esto no es una auditoría de seguridad: lee el código y dale al servidor el acceso más limitado que necesite. Cómo funcionan las verificaciones
- Repositorio de origen vinculado y accesibleAprobado
- Licencia de código abierto (OSI)Aprobado
- Commit o lanzamiento en el último añoAprobado
- El nombre del paquete no es similar a un paquete popularAprobado
- El endpoint remoto usa HTTPSNo verificado
- Las herramientas destructivas están etiquetadasAprobado
- Sin instrucciones ocultas para el modeloAprobado
- No hay avisos críticos en el paquete ni en sus dependenciasAprobado
README
Ver en GitHub@guardbee/mcp-ai-code-scanner
🇬🇧 English | 🇹🇷 Türkçe | 🇨🇳 中文 | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇧🇷 Português | 🇪🇸 Español | 🇩🇪 Deutsch
An MCP (Model Context Protocol) server that scans your codebase for security patterns commonly found in LLM/AI integrations.
While secret-scanner looks for leaked secrets/API keys, this package looks for patterns: how much a model's output is trusted, how privileged the tools it can call are, what data is sent to a third-party LLM — risks that a static credential scan can't catch.
Telemetry is off by default. With
GUARDBEE_TELEMETRY=1it sends the server, tool, success, duration and short parameter values such as a file path; longer strings and fields likecontent,tokenorpasswordare replaced with a placeholder. See@guardbee/mcp-telemetry.
Claude ──► ai-code-scanner ──► Your codebase
│
├─ Client-exposure (dangerouslyAllowBrowser: true)
├─ Output handling (eval(llmOutput), unvalidated JSON.parse)
├─ Excessive agency (an agent tool named execute_command)
├─ Data privacy (email/national ID interpolated directly into a prompt)
└─ Prompt injection (raw request data mixed into a system prompt)
Features
- 10 patterns, 5 categories — client-exposure, output-handling, excessive-agency, data-privacy, prompt-injection
- Every finding includes why it's risky and what to do about it (
recommendation) — not just "found it" - SARIF 2.1.0 output — CI/CD integration (GitHub Code Scanning, etc.)
- Config file support via
guardbee.yml - Custom rule packs — extend detection with org-specific patterns (KVKK/GDPR field names, internal tool names) via JSON files, no fork required
- 36 unit tests — a positive and a negative (false-positive) scenario for every built-in pattern, plus custom-rule loading/validation
Quick Start
Claude Desktop / MCP Client
{
"mcpServers": {
"guardbee-ai-code-scanner": {
"command": "npx",
"args": ["-y", "@guardbee/mcp-ai-code-scanner"]
}
}
}
CLI (CI/CD)
npx @guardbee/mcp-ai-code-scanner scan ./src --fail-on=high --format=sarif > results.sarif
MCP Tools
| Tool | Description |
|---|---|
scan_text |
Scans a given text/code snippet |
scan_file |
Scans a single file |
scan_directory |
Recursively scans a directory (node_modules, .git, dist skipped automatically) |
list_patterns |
Lists all supported patterns by category |
Detected Patterns
| Category | Pattern | Severity | What it means |
|---|---|---|---|
| client-exposure | openai_dangerously_allow_browser |
critical | OpenAI key leaked to the browser |
| client-exposure | client_bundled_ai_api_key |
critical | An AI key enters the client bundle via NEXT_PUBLIC_/VITE_/REACT_APP_ |
| output-handling | eval_llm_output |
critical | Model output executed as code via eval()/Function() |
| output-handling | exec_llm_output |
critical | Model output passed to a shell command (command injection) |
| output-handling | llm_output_dangerously_set_inner_html |
high | Model output rendered as raw HTML (XSS) |
| output-handling | llm_json_no_validation |
medium | Model output JSON.parse'd without schema validation |
| excessive-agency | excessive_agency_tool_name |
high | A tool that grants an agent shell/code execution |
| excessive-agency | unbounded_agent_loop |
medium | An agent loop with no iteration bound (cost/DoS) |
| data-privacy | pii_field_in_llm_prompt |
high | Data like email/national ID/card number goes directly into a prompt |
| prompt-injection | unsanitized_input_in_system_prompt |
medium | Raw request/user data mixed into a system prompt |
These are heuristic findings — a static text-pattern scan, not a full AST analysis. Designed for a low false-positive rate, but every finding should still be reviewed manually.
Configuration (guardbee.yml)
ai-code-scanner:
fail-on: high # any | critical | high | medium | low | none
max-files: 5000
rules-dir: .guardbee/rules # custom rule packs, see below
exclude:
- ".test.ts"
- "fixtures/"
Custom rules
Built-in patterns cover common AI/LLM integration mistakes, but field names and
internal conventions (e.g. which prop names carry KVKK-regulated data) are
project-specific. Drop one or more JSON files into .guardbee/rules/
(configurable via rules-dir) and they're merged with the built-ins at scan
time — for both the CLI and the MCP server (list_patterns marks them (custom)).
A file holds a single rule object or an array of them:
{
"id": "kvkk_musteri_tc_no",
"name": "musteriTcNo interpolated into a prompt",
"category": "data-privacy",
"pattern": "musteriTcNo",
"flags": "gi",
"severity": "high",
"recommendation": "Mask the national ID before it enters the prompt."
}
category is one of client-exposure | output-handling | excessive-agency | data-privacy | prompt-injection | cost-control; severity is one of
critical | high | medium | low. pattern is a JS regex source string
(flags defaults to "g"). A rule id that collides with a built-in or
another custom rule is rejected — the scanner keeps running but reports the
problem on stderr and skips that entry.
Development
npm run build
npm test # 36 unit tests
License
MIT — GuardBee
Feedback
Questions, ideas, or a false positive? Start a thread in GitHub Discussions or open an issue. If GuardBee is useful to you, a ⭐ on the repository helps others find it.
Preguntas sobre ai-code-scanner MCP
¿Cómo agrego ai-code-scanner MCP a Claude Code?
Ejecuta claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scanner en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego ai-code-scanner MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué herramientas proporciona ai-code-scanner MCP?
Expone 4 herramientas, incluidas scan_text, scan_file, scan_directory, list_patterns.
¿Qué tipo de riesgos de seguridad detecta?
Identifica patrones como la exposición de API keys en el lado del cliente, la ejecución insegura de la salida del modelo, la agencia excesiva de agentes, PII en prompts e inyección de prompts.
¿Realiza un análisis AST completo?
No, utiliza un escaneo heurístico de patrones de texto estáticos en lugar de un análisis AST completo.
¿Puedo añadir mis propias reglas de seguridad?
Sí, puedes ampliar la detección con patrones específicos de tu organización mediante paquetes de reglas JSON personalizados.
¿La telemetría está activada por defecto?
No, la telemetría está desactivada por defecto.