一句话推荐
AI-Infra-Guard（A.I.G）适合需要系统检查 AI 应用安全风险的开发者与安全团队：它把 Agent、MCP Server、AI Skills、OpenClaw、AI 基础设施漏洞和大模型越狱评估集中到一套开源平台中。
项目定位
AI-Infra-Guard 是腾讯朱雀实验室推出的全栈 AI 红队安全测试平台，面向个人开发者、企业安全团队和 AI 平台建设者。它既能扫描正在运行的 AI 基础设施，也能分析 MCP Server、Agent Skills 的源代码或远程仓库，并通过攻击数据集评估大模型护栏。
项目提供 Web 界面、API、独立 CLI 和 Docker 部署方式，适合在开发测试环境中做风险自查，也可以把 Skill 扫描能力接入 CI/CD 流程。
为什么值得推荐
AI 应用的攻击面已经不只包含模型本身，还包括工具调用、MCP 连接器、第三方 Skills、依赖组件、运行权限和数据流转。AI-Infra-Guard 的价值，是把这些分散的风险放进一套统一的红队评估流程中。
对于使用 Dify、Coze、自建 Agent、Ollama、ComfyUI、vLLM、n8n 或 MCP 生态的团队，它可以作为上线前安全检查和日常巡检工具，帮助发现不安全配置、恶意 Skill、工具投毒、命令注入、已知 CVE 与越狱风险。
核心功能
- Agent Scan：评估 Agent 工作流、工具调用、权限边界和潜在数据外传风险。
- MCP Server 扫描：检测工具投毒、凭证窃取、命令注入等 MCP 生态安全问题。
- AI Skills 扫描：检查指令劫持、记忆投毒、远程载荷、恶意代码、越权、不安全依赖和持久化等风险。
- OpenClaw 安全体检：检查配置、Skills、已知漏洞与隐私泄露风险。
- AI 基础设施漏洞扫描：识别常见 AI Web 组件和版本，并匹配已知 CVE 规则。
- 大模型越狱评估：通过多种攻击方法测试模型护栏的有效性，并对不同模型进行横向比较。
- Web、API 与 CLI：既可通过可视化界面运行，也能集成到自动化流程。
如何部署？
最直接的方式是使用 Docker。官方说明建议使用 Docker 20.10 或更高版本，并准备至少 4GB 内存和 10GB 磁盘空间。克隆仓库后，可使用预构建镜像启动：
git clone https://github.com/Tencent/AI-Infra-Guard.git
cd AI-Infra-Guard
docker compose -f docker-compose.images.yml up -d服务启动后默认可在本机 8088 端口访问 Web 界面。项目也提供一键脚本、源码构建和独立的 Skill、MCP、Agent 扫描 CLI。
Skill 安全扫描适合什么场景？
当团队从社区、GitHub 或第三方市场安装 Agent Skill 时，可以先对本地目录进行扫描，再决定是否允许进入生产环境。扫描器重点关注指令与记忆层、代码执行通道、系统权限、工具链依赖和 Skill 自身安全质量。
在企业环境中，可以把 Skill 扫描命令放入代码提交或发布流水线，对新增和变更内容自动生成报告，从而减少人工逐文件检查的成本。
重要安全提示
官方明确提示：该项目当前定位为内部使用的 AI 红队平台，暂未提供鉴权认证机制，不应直接部署到公网。建议只在本机或受控内网运行，并通过防火墙、反向代理、访问控制和网络隔离保护服务。
执行安全扫描可能涉及源代码、内部服务地址、模型 API 和 Key。应遵循最小权限原则，避免上传不必要的敏感信息，并在获得授权的环境中开展测试。不要对无权管理的系统进行扫描。
适合人群
- 建设企业 AI 平台、智能体和 MCP 工具链的开发团队。
- 负责 AI 应用安全、DevSecOps、渗透测试与红队评估的安全人员。
- 需要审计社区 Skills、MCP Server 和开源 AI 组件的个人开发者。
- 研究大模型越狱、Agent 安全和 AI 供应链风险的高校与研究机构。
综合评价
AI-Infra-Guard 的优势是覆盖面完整：它把模型、Agent、MCP、Skill 和基础设施放在同一条安全链路中，并同时提供 Web、API、CLI 与 Docker 部署。对于正在搭建 AI Agent 或引入社区工具的团队，这是一个值得加入测试环境的开源安全入口。