Сканирует кодовые базы на наличие уязвимостей в интеграциях с LLM и AI, таких как prompt injection, утечки конфиденциальных данных и небезопасная обработка выходных данных.
Также известен как GuardBee/guardbee-mcp, @guardbee/mcp-ai-code-scanner
- Звёзды
- 2
- Инструменты
- 4
- Загрузки, 30 дней
- 1 842
- Последняя версия
- 0.3.2
- Последний коммит
- 12 нояб. 2026 г.
- Лицензия
- MIT
Что такое ai-code-scanner MCP?
ai-code-scanner — это MCP server. Сканирует кодовые базы на наличие уязвимостей в интеграциях с LLM и AI, таких как prompt injection, утечки конфиденциальных данных и небезопасная обработка выходных данных. Он предоставляет 4 инструмента, например scan_text, scan_file, scan_directory.
Сводка сгенерирована из README проекта
О ai-code-scanner MCP server
Основная функция этого MCP server заключается в обеспечении безопасности AI-интеграций путем сканирования кодовых баз на наличие специфических паттернов уязвимостей. Он помогает разработчикам выявлять такие риски, как prompt injection, утечки конфиденциальных данных и небезопасная обработка вывода, которые стандартные сканеры секретов часто пропускают. Инструмент фокусируется на степени доверия к выводу модели и уровне привилегий, предоставленных инструментам, которые может вызывать агент.
Пользователи могут запускать этот сервер локально через Claude Desktop или через CLI для интеграции в CI/CD. Он предоставляет специализированные инструменты, такие как scan_text для фрагментов кода, scan_file для отдельных файлов и scan_directory для рекурсивного анализа кодовой базы. Сервер также включает инструмент list_patterns для просмотра всех поддерживаемых категорий обнаружения.
Этот сканер легко настраивается с помощью конфигурационного файла guardbee.yml и возможности добавления кастомных наборов правил через JSON-файлы. Это позволяет командам определять специфичные для организации паттерны для конфиденциальных данных или внутренних инструментов. Результаты предоставляются с конкретными рекомендациями и могут быть экспортированы в формате SARIF 2.1.0 для использования в GitHub Code Scanning.
Что вы можете с ним делать
- 1Обнаружение рисков prompt injectionПопросите AI проверить, не смешиваются ли пользовательские входные данные небезопасным образом с системными промптами.
- 2Предотвращение утечек конфиденциальных данныхСканируйте кодовую базу, чтобы убедиться, что персональные идентификаторы, такие как email, не отправляются напрямую в LLM.
- 3Аудит разрешений инструментов агентаПроверьте, не предоставляют ли инструменты, доступные AI-агенту, избыточный контроль, например, выполнение команд в shell.
Взято из README проекта. Каждый вариант использования проверен на соответствие цитате из него.
Как установить ai-code-scanner MCP
Форматы проверены 10 ноя 2026Добавить в CursorДобавить в GooseУстановка ai-code-scanner MCP в Claude Code
$ claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerУстановка ai-code-scanner MCP в Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Установка ai-code-scanner MCP в VS Code
.vscode/mcp.json
{
"servers": {
"ai-code-scanner": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Установка ai-code-scanner MCP в VS Code CLI
$ code --add-mcp '{"name":"ai-code-scanner","type":"stdio","command":"npx","args":["-y","@guardbee/mcp-ai-code-scanner"]}'Установка ai-code-scanner MCP в Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Установка ai-code-scanner MCP в Codex
$ codex mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scannerУстановка ai-code-scanner MCP в Codex config.toml
~/.codex/config.toml
[mcp_servers.ai-code-scanner] command = "npx" args = ["-y", "@guardbee/mcp-ai-code-scanner"]
Установка ai-code-scanner MCP в Gemini CLI
$ gemini mcp add -s user ai-code-scanner npx -- -y @guardbee/mcp-ai-code-scannerУстановка ai-code-scanner MCP в Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"ai-code-scanner": {
"command": "npx",
"args": [
"-y",
"@guardbee/mcp-ai-code-scanner"
]
}
}
}Инструменты ai-code-scanner MCP 4
Определено из READMEscan_textscan_filescan_directorylist_patterns
| scan_text | — | |
| scan_file | — | |
| scan_directory | — | |
| list_patterns | — |
Автоматические проверки
Запущено 13 нояб. 2026 г.Полный отчёт →Прошло наши автоматизированные проверки. Это не аудит безопасности: изучите код и предоставьте серверу минимально необходимый доступ. Как работают проверки
- Связанный и доступный исходный репозиторийПройдено
- Open source лицензия (OSI)Пройдено
- Коммит или релиз за последний годПройдено
- Имя пакета не похоже на популярный пакетПройдено
- Удаленная конечная точка использует HTTPSНе проверялось
- Деструктивные инструменты помеченыПройдено
- Нет скрытых инструкций для моделиПройдено
- Нет критических предупреждений в пакете или его зависимостяхПройдено
README
Открыть на 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.
Вопросы о ai-code-scanner MCP
Как добавить ai-code-scanner MCP в Claude Code?
Выполните claude mcp add ai-code-scanner -- npx -y @guardbee/mcp-ai-code-scanner в терминале. Добавьте --scope user, чтобы сервер был доступен во всех проектах.
Как добавить ai-code-scanner MCP в Cursor?
Откройте ~/.cursor/mcp.json и добавьте сервер в mcpServers, используя конфигурацию Cursor из раздела установки выше.
Какие инструменты предоставляет ai-code-scanner MCP?
Он предоставляет 4 инструмента, включая scan_text, scan_file, scan_directory, list_patterns.
Какие именно риски безопасности он обнаруживает?
Он выявляет такие паттерны, как раскрытие API-ключей на стороне клиента, небезопасное выполнение вывода модели, избыточные привилегии агентов, наличие PII в промптах и prompt injection.
Выполняет ли он полный AST-анализ?
Нет, он использует эвристическое статическое сканирование текстовых паттернов вместо полного AST-анализа.
Могу ли я добавить свои собственные правила безопасности?
Да, вы можете расширить возможности обнаружения, используя кастомные наборы правил в формате JSON для специфичных паттернов вашей организации.
Включена ли телеметрия по умолчанию?
Нет, телеметрия по умолчанию отключена.