La sicurezza dei server MCP è diventata una domanda concreta per chi vuole collegare un agente AI al gestionale, all’archivio documenti o al CRM. Uno studio pubblicato il 9 ottobre ha analizzato 273 server MCP open source e ha confermato 253 bug di sicurezza in 118 di essi. Lo stesso lavoro mostra che sei framework molto usati per costruire agenti possono eseguire un’azione che il modello, a parole, dichiara di rifiutare. Per un’azienda il messaggio è semplice: il controllo non può stare solo nel modello.
Cosa è successo
MCP (Model Context Protocol) è lo standard che permette a un assistente AI di usare strumenti esterni: leggere file, interrogare un database, aprire un ticket. Ogni “server MCP” espone uno o più di questi strumenti.
Un gruppo di ricercatori di Pennsylvania State University, Université Montpellier e Dartmouth College ha presentato ToFu, un sistema che mette alla prova questi strumenti in modo automatico. Secondo il paper e la ricostruzione di CSO Online, su 273 server eseguibili sono emersi 253 bug verificati, distribuiti su 343 strumenti. Tra i più seri ci sono 64 casi di path traversal (lo strumento può leggere o scrivere file fuori dalla cartella prevista), 7 casi di SSRF (lo strumento può essere usato per raggiungere indirizzi interni), 5 fughe di dati e 3 casi in cui era possibile far eseguire comandi al sistema operativo. Gli altri riguardano soprattutto output e log manipolabili, di impatto minore in molti contesti.
La seconda parte dello studio descrive un attacco chiamato “Repeat-After-Me”. Chi attacca scrive il testo di una chiamata a uno strumento e chiede al modello di ripeterlo. Il modello lo ripete, e il livello che coordina agente e strumenti (l’orchestratore) lo interpreta come una richiesta vera e la esegue. Nella dimostrazione su LangGraph, come riporta ActuIA, il rifiuto del modello arriva dopo che lo strumento è già stato eseguito. Gli autori dicono di aver riprodotto il comportamento anche su Microsoft Agent Framework, Google ADK 2.0, AutoGen, AWS Strands e CrewAI.
Cosa cambia per un’azienda
Molte aziende stanno valutando agenti che fanno qualcosa, non solo che rispondono. È il passaggio più utile, ed è anche quello in cui un errore costa di più. Lo studio porta tre indicazioni pratiche.
La prima: un server MCP è software di terze parti, come una libreria o un plugin. Va scelto e verificato con lo stesso criterio. Il fatto che sia pubblico e funzioni bene in una demo non dice nulla su come gestisce input imprevisti.
La seconda: un argomento “ben formato” non è un argomento affidabile. Il modello produce dati nel formato giusto, ma il contenuto può essere stato influenzato da un documento, da una mail o da un utente malintenzionato. Gli strumenti devono controllare da soli cosa ricevono.
La terza: istruzioni come “non fare mai X” nel prompt non sono un sistema di sicurezza. Nella dimostrazione l’unica protezione era proprio un’istruzione di sistema, e non è bastata. Un buon prompt aiuta a ottenere risultati migliori, come raccontato in un prompt utile è anche verificabile, ma i permessi vanno imposti altrove.
Cosa fare adesso: una checklist breve
Se stai per collegare un agente AI ai sistemi aziendali, o lo hai già fatto, queste sono le verifiche da fare per prime:
- Inventario. Elenca quali server MCP e quali strumenti sono attivi, chi li ha installati e a quali dati accedono.
- Permessi minimi. Ogni strumento deve usare credenziali dedicate e limitate. Un agente che deve leggere ordini non ha bisogno di poterli cancellare.
- Ambiente isolato. Limita l’accesso a file e rete. Una cartella di lavoro dedicata e un elenco di indirizzi consentiti riducono molto l’effetto di bug come path traversal e SSRF.
- Approvazione per le azioni irreversibili. Pagamenti, cancellazioni e invii verso l’esterno passano da una conferma umana o da un controllo indipendente dal modello.
- Validazione negli strumenti. Chi sviluppa uno strumento interno deve controllare percorsi, indirizzi e parametri dentro lo strumento stesso, come si fa con qualsiasi API. Valgono gli stessi principi di un’integrazione API senza punti fragili.
- Registro delle chiamate. Tieni traccia di quali strumenti vengono chiamati e in che sequenza. Spesso un problema si vede nella sequenza, non nella singola chiamata.
Chiarire prima quali dati passano da un sistema all’altro, come in una mappatura dei dati prima dell’integrazione, rende questi controlli molto più semplici da definire.
Limiti e cautele
Il paper non è ancora passato da una revisione scientifica. I bug riguardano un insieme scelto di server Python e JavaScript, testati a versioni precise, e non tutto l’ecosistema MCP. Gli autori non dicono se i problemi siano già stati corretti o sfruttati. La dimostrazione completa dell’attacco usa un modello piccolo e strumenti fittizi senza effetti reali: con modelli più robusti la probabilità di successo non è stata misurata. Secondo CSO Online i produttori dei framework non avevano ancora commentato.
Questo non rende gli agenti AI inutilizzabili. Ricorda però che vanno trattati come qualsiasi integrazione tra sistemi: con permessi chiari, controlli nel punto giusto e qualcuno che sappia cosa succede.
Da dove partire
Se in azienda c’è un progetto di agente AI in valutazione, il momento migliore per impostare questi controlli è prima del collegamento ai dati reali. Lavoro su sviluppo di strumenti interni, integrazioni tra sistemi e progettazione di sistemi AI, e su percorsi di formazione per i team che li useranno. Se vuoi confrontarti su un caso concreto, trovi il modulo nella sezione contatti.