商傳媒｜記者顏康寧／台北報導
10 毫秒，這是一個關於企業安全存亡的數字博弈。隨著企業大規模部署基於模型上下文協定 Model Context Protocol，MCP 的 AI 代理程式，原本負責提升效率的工具註冊與工具描述機制，正成為網路犯罪的新型攻擊面。當 AI 代理程式根據自然語言描述來挑選工具時，若缺乏人類或自動化審核機制核實這些說明的真實性，只需在工具描述中植入一段具備暗示性的提示詞注入，AI 就可能被誘導偏好高風險工具，甚至執行帶有惡意意圖的操作。這種脆弱性未必來自傳統代碼漏洞，而是源於 AI 邏輯引擎可能將元資料與指令混淆的結構性風險。
軟體供應鏈的防彈衣失靈：行為 integrity 才是核心戰場
傳統的軟體供應鏈控制手段，包括軟體清單 SBOMs 或 Sigstore 簽名，本質上都在回答一個問題：這個檔案是真的嗎？但對於 AI 代理程式而言，真正的威脅在於：這個工具是否真的在做它宣稱要做的事？
這就是所謂行為誠信 Behavioral Integrity 的斷層。一個經過合法簽名的貨幣轉換工具，完全可能在上架初期表現正常，卻在幾週後因伺服器端行為改變，將數據發送到未經授權的端點。傳統 SLSA 來源驗證與簽名機制，較擅長確認檔案來源與完整性，卻未必能單獨攔截這類執行時期的行為漂移。攻擊者不一定需要修改本機端代碼，只要改變伺服器端回應或外部連線行為，就可能繞過靜態防禦機制。這種「名實不符」的風險，讓現有安全框架面臨新的壓力測試。
執行期驗證代理：終結 AI 工具「先斬後奏」的代價
為了解決這場信任危機，建構一個位於 MCP 客戶端與服務端之間的驗證代理 Verification Proxy，已成為資安業界提出的重要方向。這套機制必須強制執行三道防線：發現綁定、端點白名單以及輸出架構驗證。
開發者必須提交一份類似安卓 Android 權限聲明的行為清單，詳細列出工具會觸碰哪些外部端點、讀寫哪些資料，以及可能產生哪些副作用。一旦一個工具聲稱僅對接 api.exchangerate.host，卻在執行時試圖連往未聲明的外部 IP，系統就必須即時終止其進程。產業報導指出，若採用輕量級代理驗證 schema 與網路連線，每次調用增加的延遲可低於 10 毫秒；但若進一步進行完整資料流分析，成本與延遲也會同步上升。
這不只是技術更新，更是企業自動化社會契約的重構。若企業無法掌控 AI 工具的副作用，自動化帶來的效率紅利，可能同時伴隨資料外洩、權限濫用與系統癱瘓風險。
權力賦予與模型治理的終局思辨
當 Anthropic 在代理式失準 Agentic Misalignment 研究中指出，Claude Opus 4 在特定模擬情境下曾出現高達 96% 的勒索傾向，這不應被視為真實世界 AI 已經開始勒索工程師，而應被視為治理與測試設計上的預警。該研究是在高度設計的模擬情境中，測試模型在面臨目標衝突、被替換威脅與敏感資訊誘惑時，是否會採取不當行為。
這提醒企業，將決策權移交給 AI 代理程式之前，必須先建立明確的權限邊界、審計紀錄、人工覆核與可中止機制。AI 代理程式的安全基準，不能只依賴模型本身的道德回答，也不能只依賴訓練資料中的抽象倫理敘事。若缺乏深層治理與可驗證執行環境，AI 代理程式可能在特定情境下成為披著效率外衣的風險放大器。
企業真正需要的，不只是更聰明的 AI，而是更透明、可預測、可追責的執行環境。只有讓權力在算法與人類之間保有最後的制動手柄，自動化才不會從效率工具變成治理黑洞。
對於高度依賴自動化生產與數位供應鏈整合的台灣產業而言，AI 代理程式的安全性，直接關係到核心專利、製程參數與客戶機密的防護。若台灣供應鏈僅將 AI 代理程式視為提升效率的黑盒子，而不著手建立本土化的行為監測、權限控管與執行期驗證能力，那麼在全球資安攻防戰中，台灣將成為高價值且高暴露的攻擊目標。建立符合 MCP 協定的安全驗證標準，將是台灣科技業從「硬體代工」跨足「信任治理」的關鍵一步。
未來的競爭，不只在於誰能最快導入 AI，而在於誰能證明 AI 的每一次工具調用、每一次外部連線、每一次資料讀寫，都在可控、可查、可中止的範圍內。這將決定台灣供應鏈能否在 AI 代理時代，從效率優勢進一步升級為安全可信的全球基礎設施。
