Memindai codebase untuk mencari kerentanan keamanan pada integrasi LLM dan AI, seperti prompt injection, kebocoran privasi data, dan penanganan output yang tidak aman.
Juga dikenal sebagai GuardBee/guardbee-mcp, @guardbee/mcp-ai-code-scanner
- Stars
- 2
- Tools
- 4
- Unduhan, 30 hari
- 1.842
- Versi terbaru
- 0.3.2
- Commit terakhir
- 12 Nov 2026
- Lisensi
- MIT
Apa itu ai-code-scanner MCP?
ai-code-scanner adalah MCP server. Memindai codebase untuk mencari kerentanan keamanan pada integrasi LLM dan AI, seperti prompt injection, kebocoran privasi data, dan penanganan output yang tidak aman. Server ini menyediakan 4 tool, seperti scan_text, scan_file, scan_directory.
Ringkasan dibuat dari README proyek
Tentang ai-code-scanner MCP server
Fungsi utama dari MCP server ini adalah mengamankan integrasi AI dengan memindai codebase untuk pola kerentanan tertentu. Tool ini membantu developer mengidentifikasi risiko seperti prompt injection, kebocoran privasi data, dan penanganan output yang tidak aman yang sering kali terlewat oleh secret scanner standar. Fokus utama tool ini adalah pada sejauh mana output model dapat dipercaya dan tingkat hak akses yang diberikan kepada tool yang dapat dipanggil oleh sebuah agent.
User dapat menjalankan server ini secara lokal melalui Claude Desktop atau melalui command line interface untuk integrasi CI/CD. Server ini menyediakan tool spesifik seperti scan_text untuk potongan kode, scan_file untuk file individu, dan scan_directory untuk analisis codebase secara rekursif. Server ini juga menyertakan tool list_patterns untuk melihat semua kategori deteksi yang didukung.
Scanner ini sangat mudah dikustomisasi melalui file konfigurasi guardbee.yml dan kemampuan untuk menambahkan custom rule packs menggunakan file JSON. Hal ini memungkinkan tim untuk menentukan pola spesifik organisasi untuk data sensitif atau tool internal. Temuan akan dilaporkan lengkap dengan rekomendasi spesifik dan dapat diekspor dalam format SARIF 2.1.0 untuk digunakan dalam GitHub Code Scanning.
Apa yang bisa Anda lakukan dengannya
- 1Mendeteksi risiko prompt injectionMinta AI untuk memeriksa apakah input user dicampur secara tidak aman ke dalam system prompt.
- 2Mencegah kebocoran data sensitifPindai codebase untuk memastikan identitas pribadi seperti email tidak dikirim langsung ke LLM.
- 3Audit izin tool pada agentPeriksa apakah ada tool yang tersedia bagi AI agent yang memberikan kontrol berlebihan seperti eksekusi shell.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal ai-code-scanner MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal ai-code-scanner MCP di Claude Code
$ claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerInstal ai-code-scanner MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instal ai-code-scanner MCP di VS Code
.vscode/mcp.json
{
"servers": {
"ai-code-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instal ai-code-scanner MCP di VS Code CLI
$ code --add-mcp '{"name":"ai-code-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-ai-code-scanner"]}'Instal ai-code-scanner MCP di Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Instal ai-code-scanner MCP di Codex
$ codex mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerInstal ai-code-scanner MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.ai-code-scanner] command = "npx" args = ["-y", "@guardbee/mcp-ai-code-scanner"]
Instal ai-code-scanner MCP di Gemini CLI
$ gemini mcp add -s user ai-code-scanner npx -- -y @guardbee/mcp-ai-code-scannerInstal ai-code-scanner MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Tool ai-code-scanner MCP 4
Terdeteksi dari READMEscan_textscan_filescan_directorylist_patterns
| scan_text | — | |
| scan_file | — | |
| scan_directory | — | |
| list_patterns | — |
Pengecekan otomatis
Berjalan 13 Nov 2026Laporan lengkap →Lolos checks otomatis kami. Ini bukan audit keamanan: baca kodenya dan berikan server akses paling terbatas yang dibutuhkannya. Cara kerja checks
- Source repository terhubung dan dapat dijangkauLolos
- Lisensi open source (OSI)Lolos
- Ada commit atau release dalam satu tahun terakhirLolos
- Nama package tidak mirip dengan package populerLolos
- Remote endpoint menggunakan HTTPSTidak diperiksa
- Tools yang bersifat destruktif telah diberi labelLolos
- Tidak ada instruksi tersembunyi untuk modelLolos
- Tidak ada advisory kritis pada paket atau dependensinyaLolos
README
Lihat di 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.
Pertanyaan tentang ai-code-scanner MCP
Bagaimana cara menambahkan ai-code-scanner MCP ke Claude Code?
Jalankan claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scanner di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan ai-code-scanner MCP ke Cursor?
Buka ~/.cursor/mcp.json dan tambahkan server di bawah mcpServers, menggunakan config Cursor yang ditunjukkan di bagian instalasi di atas.
Tool apa yang disediakan ai-code-scanner MCP?
Server ini menyediakan 4 tool, termasuk scan_text, scan_file, scan_directory, list_patterns.
Risiko keamanan apa saja yang dapat dideteksi?
Tool ini mengidentifikasi pola seperti eksposur API key di sisi client, eksekusi output model yang tidak aman, hak akses agent yang berlebihan, PII dalam prompt, dan prompt injection.
Apakah tool ini melakukan analisis AST penuh?
Tidak, tool ini menggunakan pemindaian pola teks statis berbasis heuristik, bukan analisis AST penuh.
Bisakah saya menambahkan aturan keamanan sendiri?
Ya, Anda dapat memperluas deteksi dengan pola spesifik organisasi menggunakan custom JSON rule packs.
Apakah telemetry diaktifkan secara default?
Tidak, telemetry dinonaktifkan secara default.