Securing AI agents: How AWS and Cisco AI Defense scale MCP and A2A deployments

AI代理的安全性：AWS 和 Cisco AI Defense 如何扩展 MCP 和 A2A 部署 | Amazon Web Services

URL 源：https://aws.amazon.com/blogs/machine-learning/securing-ai-agents-how-aws-and-cisco-ai-defense-scale-mcp-and-a2a-deployments/

发布时间：2026-05-13T09：33：16-08：00

Markdown 内容： 模型上下文协议 (MCP) 自2024年11月推出以来得到了迅速采用。企业现在管理着几十到几百个 MCP 服务器——这些工具通过连接外部数据源和 API 来扩展 AI 代理的能力。代理对代理 (A2A) 协议 在2025年4月推出，使自主代理能够在没有人为干预的情况下直接通信。最近，代理技能 在企业基础设施中广泛应用。这种增长带来了三个安全漏洞：团队缺乏对部署了哪些工具和代理的可见性，手动安全审查无法跟上部署速度，合规框架需要的审计跟踪对于自主 AI 代理并不存在。

组织面临未经验证的 MCP 服务器、A2A 代理和技能带来的风险：意外访问敏感数据系统、违反 SOX 和 GDPR 框架而导致监管处罚的合规问题，以及在发现漏洞工具或恶意代理后导致的操作中断。安全团队报告称，手动审查流程会为每个 AI 应用程序部署增加数周的时间，随着 AI 的采用加速，这一积压问题也在不断增长。由于工具和代理跟踪不完整而造成的审计失败，给合规团队带来了难以量化的监管风险。

通过与 Cisco AI Defense 合作，AWS 解决了企业在扩展 AI 代理时面临的三大挑战：可见性差距、安全瓶颈和合规风险。在这篇文章中，我们将探讨如何通过自动化扫描和统一治理来克服 AI 安全挑战。

企业面临的挑战及 AWS 和 Cisco 的解决方案

通过战略协作，AWS 和 Cisco AI Defense 提供全面的自动化安全扫描，涵盖企业中的每一个 MCP 服务器、AI 代理和代理技能。由 AWS 支持的开源项目 AI 注册表 集成了 Cisco AI Defense，带来了以下功能：

工具蔓延和可见性

部署 MCP 服务器和 AI 代理的企业面临着基本的可见性挑战。团队通常会在云和本地基础设施中随意添加服务器和代理，使得安全团队几乎无法保持监督。在没有集中治理的情况下，运行几十甚至上百个工具和代理，组织失去了对可用工具、哪些代理在相互通信、谁在使用它们以及是否存在安全风险的可见性。

通过统一注册和发现，AI 注册表 解决了这个问题。每个 MCP 服务器、AI 代理和技能都在一个控制平面中注册，提供了完整的可见性。除了可见性之外，Cisco AI Defense 的集成还提供了额外的保护。

大规模供应链安全

第三方 MCP 服务器和 A2A 代理可能包含漏洞、恶意代码或手动审查无法在大规模下捕捉到的不安全模式。当一个新的服务器或代理被添加到注册表时，在 AI 组件可以访问之前会自动进行安全扫描。扫描器分析每个 MCP 工具和 A2A 代理卡以及代理技能，并生成详细的安全部分报告。如果发现问题，组件会被自动标记为禁用并附上待审核的安全标签，需要管理员审核后才能授予访问权限。无论你是注册提供数据库访问的 MCP 服务器，还是注册跨基础设施协调多步骤工作流的 A2A 代理，这一过程都同样适用。

“安全性是企业采用 AI 的基础要求。通过与 AWS 合作开发 AI 注册表，Cisco AI Defense 帮助客户在整个 MCP 服务器和代理生态系统中实现全面的可见性和保护。扫描开放注册表的能力使即使是小型组织也能受益于企业级安全情报。”

— Akshay Bhargava，Cisco AI 产品、AI 软件和平台副总裁。

合规性和安全审查瓶颈

传统的安全审查通常会创建部署瓶颈，减缓代理的推出。结合人工审查（在发现安全漏洞时），自动化扫描实现了内置安全护栏的自助服务注册。这将一个手动且缓慢的过程转变为一个自动化的过程，有助于更快地引入新的 MCP 服务器、代理和技能。

“AWS 和 Cisco AI Defense 的合作展示了开放式协作如何加速企业创新。MCP 网关注册表为团队提供了代理和服务器治理的统一控制平面，而 Cisco 的扫描能力则为 MCP 环境带来了生产就绪的安全性。这就是我们帮助客户负责任地大规模构建 AI 的方式。”

— Mahdi Sajjadpour，Amazon Web Services 解决方案架构总监。

考虑到这些企业挑战，接下来的部分将描述技术实现。了解扫描的工作原理将帮助你选择适合组织安全态势的方法。

MCP 和 A2A 协议的统一安全

AI 注册表充当中央控制平面，用于注册和发现 MCP 服务器、AI 代理和技能，从而在整个 AI 基础设施中提供全面的可见性。这些 AI 资产会经过安全扫描工作流，以确保在整个代理 AI 场景中进行全面保护。

当组织在注册表中注册一个 MCP 服务器时，思科 AI 防御 MCP 扫描器会对工具描述和模式进行深入分析。同样，在注册 A2A 代理时，思科 AI 防御 A2A 扫描器会分析代理能力声明、代理技能定义和通信模式。类似的扫描功能也适用于通过技能扫描器检测提示注入、数据泄露和恶意代码模式的 AI 代理技能。这种做法确保了无论您的 AI 基础设施使用传统的工具访问（MCP）、自主代理协作（A2A），还是技能（例如通过 AI 编码助手），在组件变得可操作之前都会自动进行安全扫描。

下图展示了安全扫描和注册过程的高层次概述。扫描过程可以按需启动，以扫描单个 MCP 服务器和代理或整个注册表。组织通常会配置一个独立的 Cron 作业，使用注册表 API 定期扫描整个注册表，并通过现有的票务管理系统跟踪漏洞。注册表还支持按需扫描单个 MCP 服务器、代理和技能。扫描结果存储在注册表的数据存储库中，并可通过注册表 UI 查看，也可通过注册表 API 获取。

图 1：安全扫描和注册过程

通过多种可用的扫描方法，组织的安全态势得以加强，这些方法统一应用于 MCP、A2A 代理和技能：**YARA 分析器** 用于快速基于模式检测已知威胁，如 SQL 注入、命令注入和硬编码凭据；LLM 分析器 使用通过 Amazon Bedrock 提供的前沿模型进行 AI 动力语义分析，检查工具逻辑、代理行为和能力声明，以识别复杂和新颖的威胁；以及 思科 AI 防御专有扫描器 —— 包括 MCP 扫描器、A2A 扫描器和技能扫描器——结合广泛的威胁情报与深度代码分析，实现高级威胁检测。A2A 扫描器特别分析代理卡元数据，以检测供应链威胁，如身份冒充、元数据字段中的提示注入、硬编码凭据、数据泄露端点和 SSRF 模式。它还检查 A2A 规范合规性违规，并将发现的结果映射到从低到关键的不同严重级别。

当发现问题时，系统会自动禁用存在漏洞的资产，并生成详细的安全部分报告，需要管理员审查后才能授予访问权限。安全扫描集成到您的开发工作流程（CI/CD 集成）中，作为将新服务器和代理注册到 AI 注册表的一部分，同时满足 SOX 和 GDPR 等监管要求，保持完整的安全审计历史。

下图显示了一个检测到安全漏洞的 MCP 服务器。请注意红色盾牌图标和服务器的禁用状态。

图 2：检测到安全漏洞的 MCP 服务器

这些功能转化为具体的解决方案，解决您团队每天面临的特定挑战。接下来的部分将探讨这一合作如何应对您目前可能遇到的情景。

开放架构和集成

AI 注册表基于开放标准和 API 构建，创建了一个环境，使您和多方都能受益于统一的安全扫描：如果您是 思科 AI 防御客户和 AWS 客户，可以通过其 REST API 查询 AI 注册表，发现可用的 MCP 服务器和代理，支持大规模程序化威胁检测。这是组织中央 IT 团队可以在 AWS 上托管其 AI 资产时使用的模式。

注册表使用与 Anthropic 的官方 MCP 注册表相同的 REST API 规范，以支持 MCP 环境之间的广泛兼容性，并与其他 MCP 部署进行联邦化。

下游工作流集成

客户可以将安全扫描集成到现有企业工作流中：

• 自动在 ServiceNow 中为存在问题的服务器或代理创建工单，触发问题响应流程
• 实时 Slack 通知在检测到高严重性问题时立即提醒团队
• 将问题数据转发到安全事件和事件管理 (SIEM) 系统（如 Splunk 或 Datadog），以便与其他安全事件相关联
• 通过合规仪表板生成摘要报告，为审计准备提供支持。

入门指南

接下来的部分将根据您的当前环境描述如何开始使用 AI 注册表和思科 AI 防御集成。

对于 AWS 客户

AWS 客户可以部署 AI 注册表并配置思科 AI 防御 MCP 扫描器集成，以将其安全扫描添加到 AI 资产上架工作流中。配置完成后，您可以在前面的截图所示的注册表控制台中监控漏洞。

完整的设置指南可以在以下地址找到：Security Scanner 设置指南在 GitHub 上

除了与开源 AI 注册表集成外，您还可以在 CI/CD 工作流中使用 Cisco AI Defense 来评估 AI 资产，然后再将其注册到 AWS 代理注册表。AWS 代理注册表是一个完全托管的发现服务，提供了一个集中式的目录，用于组织、整理和发现整个组织中的资源。这种方法允许团队在发布到注册表之前以及通过批准工作流和语义或关键字搜索之前，评估 MCP 服务器、工具、代理、代理技能和自定义资源。此 代码示例 提供了 Cisco AI Defense（开源版本）与 AWS 代理注册表集成的官方 AWS 实验室仓库中的一个示例。

针对 Cisco AI Defense 客户

Cisco AI Defense 的客户可以配置 MCP 扫描器以针对其组织的注册表，通过注册表 API 发现可用的 MCP 服务器和代理，生成全面的安全报告，并将发现结果集成到现有的安全工作流中。

• Cisco AI Defense MCP 扫描器（开源）可在以下地址找到：cisco-ai-defense/mcp-scanner on GitHub
• Cisco AI Defense A2A 扫描器（开源）可在以下地址找到：cisco-ai-defense/a2a-scanner on GitHub
• Cisco AI Defense 技能扫描器（开源）可在以下地址找到：cisco-ai-defense/skill-scanner on GitHub

有关完整的产品功能，请参阅 Cisco AI Defense 文档。

结论

在这篇文章中，我们探讨了 AWS 和 Cisco AI Defense 合作伙伴关系如何为企业提供 MCP 服务器、A2A 代理和代理技能的自动化安全扫描。通过结合 AI 注册表的集中治理和 Cisco AI Defense 的扫描能力，您可以获得对 AI 基础设施的可见性，在大规模上强制执行安全策略，并维护合规审计跟踪。

要开始，请部署 AI 注册表 并配置 Cisco AI Defense 扫描器集成。如有问题或反馈，请在此帖子中留言。

• * *

关于作者