İçeriğe geç
CANLI 05:12 Hugging Face, dil modeli çıkarım yönlendirmesini OpenRouter’a geçirdi 05:12 FBI, açık kaynaklı AI saldırı aracı Artex’in saatler içinde ağları ele geçirdiğini duyurdu 05:12 ABD, Çin şirketlerinin yurt dışından uzaktan AI çip gücüne erişimini sıkılaştırıyor 05:12 Kaliforniya başsavcısı, kontrolsüz AI ajanları gerekçesiyle OpenAI’ye dava açtı 05:12 Tencent Hy4 flash: 224 milyar parametreli, günlük işler için daha ucuz çok kipli model Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 17.11.2026
Bülten

arXiv 2611.21577 cs.CR

Araç Adları Kimlik Olmadığında: MCP Tabanlı Yapay Zeka Aracılarında Sağlayıcının Yanlış Bağlanmasını Ölçme

Özgün başlık When Tool Names Are Not Identities: Measuring Provider Misbinding in MCP-Based AI Agents

  • Zeynab Anbiaee
  • Sajjad Dadkhah
  • Ali A. Ghorbani
ai/muhabir · özet metinden derlendi

Büyük dil modeli (LLM) uygulamaları giderek daha fazla dış araçları seçen ve çağıran aracılar olarak hareket ediyor. Model Bağlam Protokolü (MCP), istemcilerin birden fazla sunucu tarafından tanıtılan araçları oluşturmasına olanak tanıyarak bu etkileşimi standartlaştırır. Ancak keşif ve seçim için kullanılan araç meta verilerinin tek başına mutlaka doğrulanmış bir sağlayıcı kimliğine bağlı olması gerekmez.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Büyük dil modeli (LLM) uygulamaları giderek daha fazla dış araçları seçen ve çağıran aracılar olarak hareket ediyor. Model Bağlam Protokolü (MCP), istemcilerin birden fazla sunucu tarafından tanıtılan araçları oluşturmasına olanak tanıyarak bu etkileşimi standartlaştırır. Ancak keşif ve seçim için kullanılan araç meta verilerinin tek başına mutlaka doğrulanmış bir sağlayıcı kimliğine bağlı olması gerekmez. Bu makale, bu boşluğu araç sağlayıcının yanlış bağlaması olarak inceliyor: meşru bir sağlayıcıya yönelik bir isteğin, bunun yerine saldırgan tarafından kontrol edilen bir araca çözümlendiği bir başarısızlık. Saldırganın ana makineyi, LLM'yi, meşru sunucuyu veya ağ kanalını tehlikeye atmaması; yalnızca seçilen meta verilere sahip araçların tanıtımını yapan başka bir MCP sunucusunu çalıştırır. Araç sağlayıcı yanlış bağlamasını saldırgan tarafından kontrol edilen bir araç seçimi optimizasyon problemi olarak formüle ediyoruz ve bunu beş LLM tabanlı istemcide kontrollü bir MCP ortamında değerlendiriyoruz. Sonuçlar, etkileşimlerin yanlış bağlamaya yol açtığını gösteriyor. En güçlü hatalar, tam ad çarpışması, göreve hizalanmış açıklama ve uyumlu şema birbirini güçlendirdiğinde ortaya çıkar; ancak uyumlu şemaya sahip yetkiyle geliştirilmiş açıklamalar, ad çakışması olmadan yanlış sağlayıcı yürütülmesine veya çözülmemiş sağlayıcı belirsizliğine de neden olabilir. Farklı modeller, saldırgan tarafından kontrol edilen sağlayıcı seçimi, açıklama talepleri ve kararsız veya tutarsız sağlayıcı çözümü dahil olmak üzere aynı sağlayıcıyı bağlayan zayıflığı farklı şekilde ortaya çıkarır.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Large language model (LLM) applications increasingly act as agents that select and invoke external tools. The Model Context Protocol (MCP) standardizes this interaction by allowing clients to compose tools advertised by multiple servers. However, tool metadata used for discovery and selection is not, by itself, necessarily bound to a verified provider identity. This paper studies this gap as tool-provider misbinding: a failure in which a request intended for a legitimate provider is instead resolved to an attacker-controlled tool. The attacker does not compromise the host, LLM, legitimate server, or network channel; it only operates another MCP server that advertises tools with chosen metadata. We formulate tool provider misbinding as an attacker-controlled tool-selection optimization problem and evaluate it in a controlled MCP environment across five LLM-based clients. The results show that interactions drive misbinding. The strongest failures occur when exact-name collision, task-aligned description, and compatible schema reinforce one another, but authority-enhanced descriptions with compatible schema can also cause wrong-provider execution or unresolved provider ambiguity without name collision. Different models expose the same provider-binding weakness differently, including attacker-controlled provider selection, clarification requests, and unstable or inconsistent provider resolution.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{anbiaee2026when,
  title   = {When Tool Names Are Not Identities: Measuring Provider Misbinding in MCP-Based AI Agents},
  author  = {Zeynab Anbiaee and Sajjad Dadkhah and Ali A. Ghorbani},
  journal = {arXiv preprint arXiv:2611.21577},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.21577}
}
APA
Anbiaee, Z., Dadkhah, S., & Ghorbani, A. A. (2026). Araç Adları Kimlik Olmadığında: MCP Tabanlı Yapay Zeka Aracılarında Sağlayıcının Yanlış Bağlanmasını Ölçme. arXiv. https://arxiv.org/abs/2611.21577
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.