agentseed-mcp

AI 编程 Agent 的反幻觉闸门:8 个 MCP 工具拦截编造 API、虚假测试通过声明、slopsquatting 包名

📅 收录: 2026-08-28 🔄 更新: 2026-08-28

这是什么?适合谁?

AgentSeed MCP(Morningstar202604/agentseed-mcp)是一个AI 编程 Agent 的反幻觉闸门:提供 8 个 MCP 工具,在 Agent 写代码时拦截三类典型「幻觉」——编造的 API(覆盖 17 种语言)、虚假的「全部测试通过」声明、以及 slopsquatting 恶意包名(形近知名包名的投毒包)。

核心价值:AI 编程 Agent 最危险的失败不是「报错」而是「自信地编造」——编一个不存在的 API、谎称测试通过、装一个名字像但其实是投毒的包。AgentSeed 在 Agent 调用这些危险动作时拦一道闸。

适合人群

  • 用 Claude Code / Codex 等 Agent 写生产代码的开发者
  • 担心 AI 生成代码引入幻觉依赖或虚假测试结论的团队
  • 关注 AI 供应链安全(包名投毒)的工程师

使用前提:支持 MCP 的编码 Agent(Claude Code / Codex 等);理解 MCP 工具如何接入。

准备工作

  1. 支持 MCP 的 Agent:Claude Code、Codex 等支持 MCP 协议的工具。
  2. Python 3.10+:工具用 Python 编写。
  3. 成本:Apache-2.0 开源,完全免费。
  4. 时间预算:配置 MCP 接入约 10 分钟。
  5. 心智准备:它只做「拦截与校验」,不是安全审计的替代品。

快速上手(3 步)

第一步:安装

git clone https://github.com/Morningstar202604/agentseed-mcp
cd agentseed-mcp
pip install -r requirements.txt   # 具体依赖以 README 为准

第二步:接入 Agent

按 README 在你的 Agent 的 MCP 配置里注册这 8 个工具。

第三步:跑一个任务验证拦截

让 Agent 写一段代码,观察它在调用可疑 API / 声明测试通过时是否被闸门拦截。

成功判定:当 Agent 试图使用一个不存在的 API 或声称「全部测试通过」时,MCP 工具触发拦截并提示校验。

初级用法

三类拦截

  • 编造 API:校验 Agent 引用的 API 是否真实存在(覆盖 17 种语言)
  • 虚假测试声明:拦截「所有测试通过」这类未经证实的断言
  • slopsquatting 包名:识别形近知名包名的投毒包

零依赖插件

以 Agent Plugins 1.0 插件(Skill)形态分发,零额外依赖。

高级玩法

接入 CI 管线

把校验能力放进 CI,对 Agent 产出的代码做「幻觉 + 包名」复查,而不只依赖 Agent 运行时拦截。

与代码审查组合

先让 AgentSeed 拦截明显幻觉,再由人工/更强模型做语义审查,分层防御。

自定义规则

按自己的语言栈与依赖白名单调整校验范围。

小技巧

  1. 先测假阳性:用真实 API 测试,确认闸门不会误杀正常代码。
  2. 覆盖你的语言栈:确认 17 语言覆盖了你的主力语言。
  3. 关注包名告警:slopsquatting 告警要人工复核,别直接忽略。
  4. 别当安全审计用:它拦「幻觉」,不替代依赖审计工具。
  5. 定期更新规则:API 库与恶意包名都在变。

常见踩坑

踩坑 1:正常 API 被误拦截

  • 现象:Agent 用了一个较新的 API,被闸门判为「不存在」。
  • 原因:校验库未收录最新 API。
  • 解决:核对是否为真误报,必要时更新规则库或白名单。

踩坑 2:把拦截当安全审计

  • 现象:以为过了 AgentSeed 就安全。
  • 原因:它只拦特定三类幻觉,不覆盖所有安全问题。
  • 解决:仍需依赖扫描、代码审查等常规手段。

踩坑 3:MCP 未正确接入

  • 现象:Agent 调用时工具不可见。
  • 原因:MCP 配置错误或 Agent 不支持。
  • 解决:核对 MCP 注册配置与 Agent 兼容性。

踩坑 4:误伤合法包

  • 现象:合法包被 slopsquatting 规则命中。
  • 原因:形近包名匹配的固有误报。
  • 解决:人工复核后加入白名单。

踩坑 5:项目较新规则覆盖有限

  • 现象:某些语言或场景未覆盖。
  • 原因:项目较新(2026-08 创建)。
  • 解决:明确其覆盖边界,关键场景补人工校验。

常见问题 FAQ

Q1: 它支持哪些 Agent?

A: 面向支持 MCP 协议的编码 Agent(如 Claude Code、Codex),以 Agent Plugins 1.0 插件形态分发。

Q2: 能拦截所有 AI 幻觉吗?

A: 不能。它专门拦截「编造 API、虚假测试声明、slopsquatting 包名」三类,其余幻觉需其他手段。

Q3: 免费吗?

A: Apache-2.0 开源,完全免费。

Q4: 和依赖审计工具(如 Snyk)什么区别?

A: Snyk 审计漏洞与许可证;AgentSeed 拦截 Agent 实时调用时的幻觉 API 与投毒包名,两者互补。

Q5: 会拖慢 Agent 吗?

A: 校验在工具调用点进行,具体开销取决于规则库与调用频率,通常可接受。

进阶学习建议

掌握基础后,建议深入:

  1. 双层防御:Agent 运行时拦截 + CI 复查,把反幻觉闸门从「提示」升级为「门禁」。
  2. 包名供应链审计:把 slopsquatting 校验纳入依赖引入流程,守住供应链入口。
  3. 规则库共建:为你的语言栈补充规则,并关注上游规则更新。

参考链接


最后更新:2026-08-28 · 作者:MagicNetWorld · 基于公开资料整理,关键数据经 GitHub API 独立实测核验,AI 辅助生成

📊 评分与标签

评分说明

总分 7.6/10 · S_入选

📊 可观测社区指标(采集日期:2026-08-28)

  • GitHub: Morningstar202604/agentseed-mcp ★22, 🔱4(GitHub API 实时验证)
  • License: Apache-2.0;仓库创建 2026-08-25,最后推送 2026-08-27(活跃)
  • 语言: Python;定位「Agent 反幻觉闸门 + 供应链安全」

⚙️ 功能完整度 1.9/2.5

  • 8 个 MCP 工具覆盖「编造 API(17 语言)、虚假测试声明、slopsquatting 包名」三类;不足是规则覆盖与语言面仍有限。
  • 竞品对比 1(通用代码审查 Agent):覆盖面广但无实时幻觉拦截。
  • 竞品对比 2(依赖审计工具):专注漏洞/许可证,不拦运行时幻觉。

✨ 输出质量 1.9/2.5

  • 拦截语义清晰、直击真实痛点;但校验准确性依赖规则库,存在误报可能。
  • 竞品对比 1(人工审查):准确率高但无法实时、成本高。
  • 竞品对比 2(通用 linter):无 API 真实性校验能力。

🖐️ 易用性 1.2/1.5

  • MCP 接入直接、零依赖插件形态;但需自行完成 Agent 的 MCP 注册配置。
  • 竞品对比 1(IDE 插件):装完即用。
  • 竞品对比 2(自建校验):更灵活但开发成本高。

💰 性价比 1.3/1.5

  • Apache-2.0 开源免费;无额外服务成本。
  • 竞品对比 1(商业代码安全平台):订阅成本高。
  • 竞品对比 2(自研校验):省订阅但投入工程时间。

🔒 稳定性 0.7/1.0

  • 项目较新,社区小、生产案例有限。
  • 竞品对比 1(成熟 linter):久经使用。
  • 竞品对比 2(商业安全平台):商业级 SLA。

🛡️ 隐私安全 0.6/1.0

  • 本地运行、代码不出本机;校验逻辑自控。
  • 竞品对比 1(云端代码审查):代码上传第三方。
  • 竞品对比 2(本地自建):同等本地性。

评分依据可追溯至公开来源,每项分数均有明确理由和数据支撑。

🏷️ 标签说明

  • AI编程: 面向 AI 编程 Agent 的工具。来源:官方仓库
  • 开源免费: Apache-2.0 协议。来源:GitHub API
  • MCP: 以 MCP 工具形式提供。来源:官方仓库
  • 反幻觉: 核心是拦截 Agent 幻觉。来源:官方仓库
  • Agent插件: 以 Agent Plugins 1.0 插件分发。来源:官方仓库

📋 来源核实

  • ✅ 已验证: GitHub 仓库 - stars/forks/license/pushed_at/语言经 GitHub API 实时核验(2026-08-28)
  • ✅ 已验证: 官方 README - 三类拦截能力比对
  • ⚠️ 未实测: MCP 接入与拦截端到端流程
  • ⚠️ 未验证: 拦截准确率与误报率

⚠️ 局限与未实测声明

  • 本文基于 2026-08-28 GitHub 公开信息整理,未实际运行 agentseed-mcp
  • 项目较新,规则覆盖与接入方式以仓库 README 为准
  • 拦截准确率、误报率未量化验证

同分类推荐

AI编程 分类下的其他工具

)}