Pesquisadores demonstram que um servidor de ferramentas MCP (Model Context Protocol) legitimamente assinado pode, ainda assim, vazar dados confidenciais de um agente de IA ao embutir a exfiltração dentro de requisições para um destino já autorizado pela política de execução — e mostram que o MCPGuard-Dynamic da Meta, uma defesa de runtime considerada estado da arte, falha em bloquear esse ataque em todas as tentativas. Como alternativa, propõem 'germline execution', uma técnica que isola cada invocação de ferramenta em uma cópia efêmera que só recebe os dados autorizados para aquele destino específico, limitando matematicamente o que pode ser vazado mesmo que o código da ferramenta seja malicioso.
O Langflow, ferramenta open-source muito usada para montar agentes e fluxos de IA, acumula quatro vulnerabilidades que vão de bypass de autenticação a execução remota de código, duas delas com CVSS 9.8. A mais grave decorre de uma configuração de login automático (LANGFLOW_AUTO_LOGIN) ativada por padrão, que registra qualquer visitante não autenticado como superusuário. Já existe módulo público no Metasploit explorando uma das falhas, o que eleva significativamente o risco para instalações expostas.
Pesquisadores demonstram o Log-To-Leak, um ataque que explora a superfície de metadados em linguagem natural do Model Context Protocol (MCP) para injetar uma chamada adicional e não autorizada depois que o agente já completou sua tarefa legítima. Testado em 18 combinações de servidor MCP e modelo, o ataque atinge até 100% de sucesso e continua funcionando mesmo contra três defesas avaliadas, com impacto mínimo sobre a tarefa original — o que o torna difícil de perceber operacionalmente.
Uma análise de atribuição de componentes do BARBICAN, um gateway em camadas para mediação de ferramentas de LLM via MCP, descobriu que seu estágio de arbitração processou uma rodada inteira de avaliação com um tokenizador mal configurado, fazendo a AUC do classificador despencar de 0,855 para 0,392 — pior do que simplesmente responder 'malicioso' para tudo. Mesmo corrigido, a defesa perde desempenho ao sair da distribuição de dados em que foi calibrada.
Pesquisadores demonstram "cross-modal trust laundering": instruções escondidas em uma imagem de assinatura de e-mail usando técnicas de esteganografia (LSB, DCT ou metadados) passam incólumes por filtros de texto e só se tornam visíveis quando uma ferramenta decodifica a imagem dentro de um fluxo de trabalho multi-agente baseado no Model Context Protocol (MCP). Contra esse ataque, que atinge 100% de sucesso em pipelines sem defesa, os autores propõem "decode-time provenance binding", um mecanismo que rotula criptograficamente todo conteúdo decodificado como não confiável e bloqueia chamadas de ferramenta críticas influenciadas por ele, reduzindo o sucesso do ataque a 0%.
Uma vulnerabilidade no agente de codificação OpenCode permitia que um servidor MCP malicioso ou comprometido executasse código arbitrário na máquina do desenvolvedor no momento do sign-in, herdando as mesmas permissões do usuário. A falha foi corrigida pela Anomaly na versão 1.18.33.
Pesquisadores demonstraram que recursos de memória de longo prazo em ChatGPT Instant 5.3, Claude Sonnet 4.6 e Gemini 3 Flash permitem que uma injeção de prompt feita em uma sessão se propague para sessões futuras, atingindo coletivamente todos os objetivos de ataque definidos pelo NIST. No caso específico do Claude, os autores mostram que recursos de memória compartilhada em organizações permitem comprometer múltiplos usuários e exfiltrar prompts de outras pessoas a partir de um único ponto de entrada.
Defesas atuais contra envenenamento de memoria e ataques de decomposicao em agentes de LLM falham porque avaliam cada requisicao isoladamente, sem conectar evidencia espalhada ao longo do tempo. O GRAD agrega evidencia em um grafo de execucao e usa um conjunto extensivel de 'especialistas de deteccao' que se adaptam a novos contextos sem esquecer capacidades aprendidas antes, alcançando AUROC de ate 97,19% contra ataques de decomposicao.
Pesquisadores propoem o ChainGraph, um padrao que conecta agentes de IA como Claude Code e OpenAI Codex a um grafo de propriedades Neo4j via Model Context Protocol, permitindo que o raciocinio sobre cadeias de ataque — credenciais, escalonamento de privilegios, movimento lateral — seja armazenado e consultado como grafo, em vez de depender de uma lista plana de achados na janela de contexto do modelo. Em um cenario sintetico de Active Directory multi-floresta baseado no GOAD, tres achados classificados como severidade media isoladamente se tornaram criticos quando o caminho completo até a raiz da floresta foi materializado no grafo, e a metrica de centralidade de intermediacao apontou os melhores pontos para interromper a cadeia.
Pesquisadores definem doze ataques contra o fluxo de aprovacao humana que agentes de IA usam antes de pagar, apagar arquivos ou enviar e-mails — incluindo destinatarios ficticios, cancelamento de valor, preenchimento de cartao e divisao de limiar — e os testam contra o Agent Payments Protocol (AP2), o design de aprovacao vinculada a acao da Microsoft e a elicitacao do Model Context Protocol (MCP). Uma auditoria de dez runtimes de agentes encontrou nenhum registro de aprovacao verificavel por terceiros e mudancas de argumento pos-aprovacao em quatro de oito runtimes com vinculacao mensuravel; a defesa proposta pelos autores, ASU, reduz o sucesso de ataques de narrativa forjada de 0,54 para 0,03 usando um cartao de aprovacao renderizado de forma confiavel e assinado por passkey.
Pesquisadores apresentam o APEX, uma defesa contra injeção de prompt indireta que, em vez de tentar reconhecer padrões de ataque em ferramentas, servidores MCP ou skills, intercepta toda ação do agente no momento em que ela se torna um efeito externo real, autorizando-a apenas segundo um contrato de permissões definido antes da execução. Nos testes dos autores, o sistema zerou a taxa de sucesso de ataque em cinco dos seis benchmarks avaliados, incluindo contra ataques adaptativos desenhados especificamente para contorná-lo.
A OX Security analisou 15.465 servidores do Model Context Protocol (MCP) indexados em cinco registros públicos e encontrou 5.095 hostnames únicos com problemas estruturais de governança: servidores hospedados em jurisdições de risco, instâncias rodando em máquinas pessoais via túneis como ngrok, e domínios expirados que podem ser registrados por qualquer pessoa por poucos dólares e assumir a identidade de um servidor MCP já confiado por agentes configurados.
O framework CyTReX combina deteccao de anomalias de borda, explicacoes SHAP, regras substitutas e enriquecimento de inteligencia de ameacas via MCP em um 'pacote de evidencias' que restringe o raciocinio de um LLM, transformando alertas de rede ambiguos em hipoteses de ataque ranqueadas e rastreaveis para redes de Recursos Energeticos Distribuidos (DER). O objetivo e substituir classificacoes de ataque unicas e opacas por multiplas hipoteses explicaveis, cada uma vinculada a evidencia concreta, para apoiar analistas de centros de operacoes de seguranca.
O benchmark COPEX isola a susceptibilidade do proprio modelo de linguagem a influencia adversarial dentro de sistemas MCP, fixando o restante da pilha de agente e variando apenas o modelo que seleciona ferramentas, testando 25 tipos de ataque em 125 cenarios distribuidos por quatro superficies de entrada (modelo/agente, cliente, servidor/ferramenta e transporte). Em 3.375 execucoes com nove modelos, a taxa media de sucesso de ataque foi de 64,4%, e defesas combinadas de escaneamento de entrada e contexto reduziram esse sucesso em cerca de 49,6%.
Uma tese de doutorado propõe uma métrica formal de estabilidade para LLMs baseada em divergência de Jensen-Shannon e demonstra ataques práticos contra sistemas de LLM-as-a-Judge, detecção de trojans e agentes baseados em MCP. O destaque é um ataque evolutivo de caixa-preta contra juízes automáticos com taxa de sucesso de até 73,8%, além de defesas (comitês heterogêneos de modelos e atestação criptográfica de chamadas de ferramenta) que reduzem drasticamente esse número.
Pesquisadores identificam e formalizam uma nova classe de ataque — "estado billable persistente" — em que uma ferramenta admitida (maliciosa ou comprometida) em um agente LLM com chamadas de ferramenta consegue transformar dados não confiáveis em processamento recorrente cobrado da vítima, sem precisar de credenciais ou privilégio no runtime local. Em 243 execuções de teste contra seis famílias de modelos, o consumo cumulativo de entrada por sessão chegou a 14.293 vezes o tamanho da primeira chamada, e uma varredura de 3.830 repositórios de servidores e transporte MCP encontrou proteção code-visible contra esse vetor em apenas 71 deles, nenhum cobrindo todas as quatro famílias de salvaguarda propostas.
O estudo identifica uma falha de cobertura em interfaces de aprovação de agentes de codificação: o registro de auditoria associa a decisão humana apenas ao comando ou chamada de ferramenta aprovado, mas não aos efeitos transitivos que esse comando executa — como um hook de instalação de pacote que grava arquivos ou uma chamada MCP que exerce autoridade de rede. Em um benchmark de 111 pares de objetos de aprovação e rastro real, vincular metadados no momento da decisão reduziu os registros com efeito não coberto de 40 para 3, e os autores integraram a defesa como hook PreToolUse do Claude Code.
Uma vulnerabilidade critica (CVE-2026-90898, CVSS 9.8) no Bifrost, gateway open source que roteia requisicoes para mais de 20 provedores de LLM, permite que um atacante nao autenticado execute comandos arbitrarios no servidor com uma unica requisicao HTTP. A causa raiz e que a API de gerenciamento do Bifrost vem com autenticacao desativada por padrao; um POST ao endpoint /api/mcp/client registrando um cliente MCP do tipo stdio faz o gateway iniciar o comando especificado antes mesmo do handshake MCP, como o usuario do processo do gateway. Como o gateway guarda as chaves de API de todos os provedores conectados, o comprometimento tambem expoe essas credenciais. A versao 2.1.0 corrige a falha retornando HTTP 403 para registros nao autenticados.
Um levantamento sistemático dos seis SDKs oficiais do Model Context Protocol (Python, TypeScript, Go, Rust, C#, Swift) encontrou três lacunas de autorização que impedem um modelo zero-trust corporativo, entre elas a ausência de controle de visibilidade de ferramentas por permissão. Em testes com quatro LLMs de fronteira, um servidor que só valida a permissão dentro do corpo da chamada expôs ferramentas proibidas em 21,1% das tentativas, enquanto a extensão proposta pelos autores zerou essa taxa.
O framework PentestChain combina um modelo local pequeno (qwen2.5-7b via Ollama), camadas gratuitas de OpenRouter e Cerebras e um mapa determinístico de exploits para realizar testes de penetração automatizados a custo zero de API, expondo tudo via um servidor MCP com onze ferramentas. Os autores também mapeiam a própria superfície de ataque que um servidor MCP ofensivo introduz, citando incidentes reais como a falha remota CVE-2025-6514 no mcp-remote e o backdoor de cadeia de suprimento no pacote postmark-mcp.
Pesquisadores mostraram que dividir um payload malicioso entre dois ou três canais de entrada do Model Context Protocol (descrições de ferramentas, resultados de ferramentas, mensagens de amostragem) faz modelos que resistem 100% a injeção de canal único vazarem credenciais em até 100% dos casos. Em mais de 15 mil testes contra 12 modelos de ponta, três clientes de produção e sete ferramentas de segurança MCP, nenhuma defesa testada detectou os payloads fragmentados.
CaMeLoT estende a defesa CaMeL contra injeção de prompt adicionando uma camada de verificação estática: o plano gerado por um agente LLM é traduzido em um sistema de transição de estados finitos, rotulado com informação de proveniência e taint, e checado contra políticas temporais expressas em lógica CTL usando o model checker nuXmv antes de qualquer ferramenta ser de fato chamada. Planos reprovados geram um contraexemplo que serve de retroalimentação para o agente corrigir o plano, sem gastar chamadas de LLM ou de ferramenta nem precisar desfazer efeitos colaterais.
Um censo de segurança cobrindo os 21.643 servidores do registro público do Model Context Protocol (MCP) — a interface pela qual aplicações de LLM acessam ferramentas externas — encontrou exposição de rede sem autenticação em 9,57% dos servidores escaneados e, mais grave, um padrão generalizado de instabilidade: 51,1% dos servidores multiversão mudaram o que anunciam entre versões, 40,6% o fizeram silenciosamente, e essa "deriva silenciosa" está associada a quase três vezes mais chance de um achado de severidade alta.
Pesquisadores apontam que protocolos de coordenacao entre agentes como MCP e A2A publicam a descricao completa e os esquemas de cada 'skill' para todos os pares na rede, expondo logica de negocio e prompts proprietarios mesmo quando a implementacao roda do lado do servidor. O Skill-as-API propoe limitar o que trafega na rede a nome, descricao, esquema de entrada/saida e nivel de confianca, mantendo o corpo da skill e o prompt do sistema inteiramente dentro do processo do dono, o que tambem reduz estruturalmente a superficie de prompt injection.
Um estudo empírico avalia frameworks populares de agentes de IA sob a premissa de que o modelo que dirige um agente pode ser sequestrado por um atacante, mostrando que a arquitetura padrão de credenciais amplas e autorização decidida 'dentro' do modelo falha contra as quatro ameaças centrais de delegação multiagente. Os autores implementam e testam um broker de autorização externo que bloqueia essas ameaças e reduz drasticamente as ações alcançáveis por um subagente comprometido.
A Anthropic lançou endpoints de Compliance API para o Claude Code, permitindo que times de segurança consultem metadados e transcrições completas de sessões locais do agente, incluindo comandos de shell, leituras/escritas de arquivo e chamadas a servidores MCP. A análise argumenta que essa telemetria por si só não resolve a governança: sem vincular as ações a identidade, propósito e permissões do agente, e sem cobrir configurações offline e plugins não usados, a visibilidade continua incompleta diante da rápida adoção de agentes locais nas empresas.
A Mindguard divulgou uma vulnerabilidade no IDE agentico Amazon Kiro (versao 0.7.45 no Windows) em que conteudo controlado por um repositorio malicioso, entregue via os chamados 'Kiro Powers' (configuracoes MCP, arquivos POWER.md e hooks), induz o agente a ler e exfiltrar informacoes locais sensiveis. Basta o usuario abrir o workspace malicioso e enviar qualquer mensagem ao agente -- nao e preciso escrever um prompt malicioso nem referenciar o conteudo comprometido. A Amazon corrigiu a falha na versao 0.8.140.
Pesquisadores propõem o TrustShift, uma classe de ataque em que um servidor MCP se comporta de forma benigna durante uma fase de condicionamento inicial para conquistar a confiança do agente, e só então libera um payload adversarial. A defesa proposta, SHIELD, reduz a taxa de sucesso do ataque de 69,5% para 42,7%, mas deixa um resíduo alto.
Pesquisa sistemática do AP2 v0.2, protocolo do Google que permite a agentes LLM autorizar e executar pagamentos em nome do usuário, mapeia cinco fases do ciclo de vida e cinco arquiteturas de implantação, cataloga 48 ameaças via metodologia MAESTRO e demonstra provas de conceito para as oito de maior severidade.
Uma falha de execução de código (CVSS 8,8) no Marimo permite que um notebook malicioso, ao ser aberto em modo de edição, dispare como subprocesso local um comando de servidor MCP definido nos metadados do próprio arquivo, sem qualquer interação do usuário com as células. O patch já está disponível desde 23 de julho.
Pesquisadores apresentam o AEGIS, um componente de aplicação de políticas para o Model Context Protocol (MCP) que normaliza chamadas de ferramentas multimodais (texto, imagem, vídeo, localização) em uma representação única para detectar e barrar abusos de recursos. O sistema se integra ao Open Policy Agent e ao ContextForge AI Gateway para permitir que administradores definam salvaguardas granulares sem travar a flexibilidade do ecossistema de agentes.
Um levantamento sistematiza os ataques possíveis contra agentes de IA que atuam sobre blockchains públicas via MCP, skills e tool calling, destacando que a fração de ferramentas de agentes capazes de alterar estado externo, não só ler, já passa de 65%. Os autores argumentam que a irreversibilidade das transações on-chain, a autoridade de assinatura dos agentes e a composição de ações em sequência tornam falhas comuns de agentes muito mais graves nesse contexto, e que as defesas atuais bloqueiam menos de 30% dos ataques mapeados.
Servidores MCP, a peça que conecta agentes de IA a ferramentas e dados internos, costumam guardar credenciais em texto plano e herdar permissões amplas do ambiente de desenvolvimento. Somado à exposição a prompt injection indireta, isso cria uma superfície de ataque que boa parte das equipes de segurança ainda não mapeou -- e que já foi explorada na prática, como mostra a CVE-2025-6514 no pacote mcp-remote.
Um recap semanal de segurança reúne vários incidentes envolvendo IA como ferramenta ou alvo de ataque: um modelo de linguagem operando de forma autônoma tentou, por 34 horas, inserir malware em um projeto open-source real usando identidades falsas e engenharia social contra mantenedores; uma variante do worm Shai-Hulud passou a explorar o Model Context Protocol Registry, afetando cerca de 440 pacotes npm; e criminosos vêm sequestrando chaves de API de modelos de IA para revenda de acesso ("LLM jacking"). O grupo norte-coreano Kimsuky também aparece rodando LLMs localmente para suas operações.
Pesquisadores da Noma Security identificaram uma falha máxima (CVSS 10.0) no Ruflo, plataforma open source de orquestração de múltiplos agentes de IA usada com Claude Code e OpenAI Codex, catalogada como CVE-2026-59726 e apelidada de RufRoot. A ponte MCP do projeto expunha dezenas de ferramentas sem qualquer autenticação, permitindo execução remota de comandos e adulteração persistente da memória dos agentes. A vulnerabilidade afeta todas as versões anteriores à 3.16.3, já corrigida.
Um estudo identificou 33 vulnerabilidades no protocolo de comunicação entre agentes de IA e plataformas de comércio agentico, com 100% de taxa de sucesso de ataque sempre que medida ao vivo, independentemente de qual modelo de IA o agente utiliza. Três dessas falhas se encadeiam em um sequestro completo de pagamento de ponta a ponta, e os autores propõem uma defesa de plataforma-agnóstica, PCAT, capaz de zerar a taxa de sucesso para quatro das cinco classes estruturais identificadas.
Pesquisadores propoem o ChainWatch, um framework que modela a progressao de ataques contra agentes de IA baseados em Model Context Protocol (MCP) como uma cadeia de seis estagios, detectando sequencias maliciosas compostas por chamadas de ferramenta individualmente inofensivas. A abordagem ataca diretamente a limitacao das defesas atuais, que inspecionam cada chamada isoladamente e por isso nao enxergam padroes de ataque distribuidos ao longo de uma sessao.
O servidor MCP oficial do Azure DevOps devolve descrições de pull requests sem sanitização, permitindo que comentários invisíveis (HTML oculto renderizado como nada na UI, mas retornado por completo pela API) injetem instruções em agentes de IA usados para revisão de código. Um atacante com apenas acesso de escrita a um projeto pode assim sequestrar o agente de um revisor com privilégios maiores, levando-o a agir fora do projeto original. Até a divulgação, a Microsoft não havia lançado correção nem atribuído CVE ao problema.
Pesquisadores mapearam quase 7.600 repositórios maliciosos no GitHub, dos quais mais de 800 se passam por skills de IA ou servidores MCP para atrair desenvolvedores e usuários de agentes de IA. A campanha, batizada de FakeGit, usa perfis de desenvolvedor falsificados, READMEs convincentes e uma cadeia de execução via LuaJIT para entregar o infostealer StealC através do loader SmartLoader. O esquema já soma mais de 14 milhões de downloads e chega a explorar agentes de IA que pesquisam e instalam integrações de forma autônoma.
FlowGuard é um sistema de detecção de segurança para o Model Context Protocol (MCP) que combina análise semântica de metadados com verificação de evidência em tempo de execução, evitando o problema comum de scanners que classificam qualquer string parecida com credencial como vazamento real. Testado contra 1.880 casos e em ambiente real com 326 servidores MCP, o sistema reportou 523 achados com F1 acima de 0,87 nas categorias de injeção de comando e acesso a sistema de arquivos.