AI-Infra-Guard

AI-Infra-Guard 是腾讯开源的一款 AI 基础设施安全评估工具，主要用来排查 AI 系统在框架组件、MCP Server 以及大模型提示词层面的潜在风险。这篇文章面向正在搭 AI 服务、做安全巡检或负责 DevSecOps 的读者，梳理它的能力范围、使用方式和需要留意的地方，方便判断它值不值得放进自己的工具箱。

使用体验与适用人群

从入口来看，官网文档和 GitHub 仓库是两条主要路径：前者负责讲清楚能力边界，后者负责代码和更新记录。整体交互更偏向本地运行和命令行操作，扫描方式有三种：本地扫描、指定目标、从文件批量读取目标。熟悉脚本和 CI 流程的人上手比较快，不常接触安全工具的人，第一眼可能会觉得门槛偏高。

检测面大致分为三块。基础设施漏洞扫描针对 Ollama、ComfyUI、vLLM 这类常见 AI 框架组件做指纹识别，再比对已知 CVE；MCP Server 安全检测由 AI Agent 驱动，支持源码和远程 URL 两种入口，覆盖多类 MCP 风险；大模型安全体检围绕 Prompt 展开，内置若干越狱评测集，用于生成体检报告。它的优点在于检测集中在 AI 相关资产上，工具本身也较轻量，跨平台部署通常不至于占用太多资源。

局限也需要说明白：漏洞库的时效性依赖项目更新节奏，扫描结果一般仍需人工复核，误报漏报的情况以实际页面和所用版本为准。

比较适合以下几类人：

• 企业安全与运维团队，需要定期对内部 AI 基础设施做巡检。
• 自建大模型或推理服务的开发者，想快速确认框架版本有没有已知问题。
• 负责 DevSecOps 流程的工程师，考虑把扫描环节接进 CI。
• 做 MCP Server 开发的团队，需要在发布前过一遍安全项。

使用前可以留意这几点：

• 只对自有或已获授权的目标发起扫描，避免触碰未授权资产。
• 下载代码或镜像后先做安全扫描，并核对版本号与最近更新时间。
• 合规要求因地区和行业而异，工具输出通常只能作为内部参考。
• 项目本身开源，是否附带托管或在线服务、能否长期稳定使用，以实际页面为准。

常见问题 FAQ

• AI-Infra-Guard 收费吗？项目以开源形式发布，代码可自行获取部署；是否涉及额外服务或费用，以实际页面为准。
• 它和普通漏洞扫描器有什么不同？重点在 AI 资产，识别的是 AI 框架指纹、MCP Server 风险与 Prompt 安全问题，而非通用主机漏洞。
• 不熟悉命令行能直接用吗？官方文档提供了使用说明，但整体仍偏技术向，建议有一定环境搭建经验再上手。
• 扫描结果能当合规报告用吗？更适合作为内部排查和整改依据，正式合规评估一般仍需具备资质的第三方测评。
• 支持哪些平台？项目标称跨平台、资源占用较低，具体支持范围与依赖要求建议对照最新文档确认。

整体看，AI-Infra-Guard 的价值在于把 AI 基础设施、MCP 与大模型提示词三类风险放进同一套流程里，适合作为 AI 安全体系的补充性渠道，而不是唯一依赖。实际使用时建议结合官方文档、团队授权范围和合规渠道一起推进，把它当作一道常规检查，比寄望一次性扫清所有问题更现实。