自2024年11月模型上下文协议（MCP）推出以来，其采用速度迅速加快。企业现在管理着数十到数百个MCP服务器——这些工具通过连接外部数据源和API来扩展AI智能体的能力。随后，2025年4月推出的智能体间协议（A2A）使自主智能体能够在没有人工干预的情况下直接通信。最近，Agent Skills开始出现在企业基础设施中。这种增长带来了三个安全缺口：团队缺乏对所部署工具和智能体的可见性；手动安全审查无法跟上部署速度；合规框架要求审计跟踪，而自主AI智能体目前缺乏这些跟踪。
组织面临来自未经审查的MCP服务器、A2A智能体和Skills的风险：意外访问敏感数据系统、违反SOX和GDPR框架的合规要求（可能导致监管处罚），以及当易受攻击的工具或恶意智能体在部署后被发现时造成的运营中断。安全团队报告称，手动审查过程可能会在每个AI应用部署上增加数周时间，从而造成积压，且该积压随着AI采用的加速而增长。不完整的工具和智能体跟踪导致的审计失败造成了合规团队难以量化的监管风险。
Cisco与AWS的合作伙伴关系通过战略协作，为企业扩展AI智能体时面临的三大挑战提供了解决方案：可见性缺口、安全瓶颈和合规风险。通过自动化扫描和统一治理，企业可以克服这些AI安全挑战。
企业挑战及Cisco和AWS的应对方案
通过战略协作，AWS和Cisco AI Defense为企业中的每个MCP服务器、AI智能体和Agent Skill提供全面、自动化的安全扫描。AI Registry是一个由AWS支持的开源项目，与Cisco AI Defense集成，提供以下功能：
工具蔓延和可见性：部署MCP服务器和AI智能体的组织面临基本的可见性挑战。团队通常临时性地在云和本地基础设施中添加服务器和智能体，使安全团队几乎无法维持监督。由于数十甚至数百个工具和智能体在缺乏集中治理的情况下运行，组织失去了对可用工具、智能体之间的通信、使用人员以及是否存在安全风险的可见性。AI Registry通过统一的注册和发现解决了这一问题。每个MCP服务器、AI智能体和Skill都在单个控制平面中注册，提供完全可见性。此外，Cisco AI Defense的集成提供了额外保护。
供应链安全规模扩展：第三方MCP服务器和A2A智能体可能包含漏洞、恶意代码或不安全模式，手动审查无法大规模捕获。当新服务器或智能体添加到注册表时，安全扫描会在AI组件能够访问之前自动进行。扫描器分析每个MCP工具、A2A智能体卡和Agent Skill，生成详细的安全报告。如果发现问题，该组件将自动标记为禁用，并带有安全待定标签，需要管理员审查后才能授予访问权限。这同样适用于注册提供数据库访问的MCP服务器，或编排跨基础设施多步骤工作流的A2A智能体。
合规和安全审查瓶颈：安全审查传统上会造成部署瓶颈，减慢智能体推出速度。带有手动审查（当发现安全漏洞时）的自动化扫描实现了具有内置安全护栏的自助式入驻。这会将缓慢的手动过程转变为自动化过程，有助于更快地入驻新的MCP服务器、智能体和Skills。
MCP和A2A协议的统一安全
AI Registry作为一个中央控制平面，MCP服务器、AI智能体和Skills在此注册和发现，提供跨越整个AI基础设施的完全可见性。这些AI资产经过安全扫描工作流，以维护对整个自主AI领域的全面保护。
当组织在Registry中注册MCP服务器时，Cisco AI Defense MCP扫描器会对工具描述和架构进行深度分析。同样，注册A2A智能体时，Cisco AI Defense A2A扫描器会分析智能体能力声明、智能体技能定义和通信模式。类似的扫描能力也适用于AI Agent Skills，通过Skills扫描器检测提示注入、数据外泄和恶意代码模式。这种方法确保无论AI基础设施使用传统工具访问（MCP）、自主智能体协作（A2A）还是Skills（例如通过AI编码助手），安全扫描都会在组件启用之前自动进行。
组织的安全态势通过多种可用的扫描方法得到加强，这些方法统一适用于MCP、A2A智能体和Skills：YARA分析器用于基于模式的快速检测已知威胁，如SQL注入、命令注入和硬编码凭据；LLM分析器通过Amazon Bedrock使用前沿模型进行AI驱动的语义分析，检查工具逻辑、智能体行为和能力声明，以识别复杂和新颖的威胁；以及Cisco AI Defense专有扫描器（包括MCP扫描器、A2A扫描器和Skills扫描器）用于高级威胁检测，结合广泛威胁情报和深度代码分析。A2A扫描器专门分析智能体卡元数据，以检测供应链威胁，如身份欺骗、元数据字段中的提示注入、硬编码凭据、数据外泄端点和SSRF模式。它还会检查A2A规范合规性，并将发现映射到从低到严重的严重性级别。
当检测到问题时，系统会自动禁用易受攻击的资产，并附上详细的安全报告，需要管理员审查后才能授予访问权限。安全扫描作为将新服务器和智能体注册到AI Registry的一部分，集成到开发工作流（CI/CD集成）中，同时为SOX和GDPR等监管要求维护完整的安全审计历史。
开放架构与集成
AI Registry建立在开放标准和API之上，创造了一个多方受益于统一安全扫描的环境：如果您是Cisco AI Defense客户和AWS客户，您可以通过其REST API查询AI Registry以发现可用的MCP服务器和智能体，支持程序化的大规模威胁检测。这是组织中中央IT团队可以用来保护其在AWS上托管的AI资产的模式。
Registry使用与Anthropic官方MCP Registry相同的REST API规范，以支持跨MCP环境的广泛兼容性，并支持与其他MCP部署的联合。
下游工作流集成
客户可以将安全扫描与现有企业工作流集成：在ServiceNow中自动为有问题的服务器或智能体创建工单，触发问题响应流程；实时Slack通知在检测到高严重性发现时立即提醒团队；将问题数据转发到安全事件和事件管理（SIEM）系统（如Splunk或Datadog），以与其他安全事件关联；通过合规仪表板生成摘要报告以实现审计准备。
入门指南
对于AWS客户：AWS客户可以部署AI Registry并配置Cisco AI Defense MCP扫描器集成，为其AI资产入驻工作流添加安全扫描。配置完成后，可以在Registry控制台上监控漏洞（如前文截图所示）。完整的设置指南可在GitHub上的安全扫描器设置指南中找到。除了与开源AI Registry的集成外，您还可以在CI/CD工作流中使用Cisco AI Defense，在将AI资产注册到AWS Agent Registry（一个完全托管的发现服务，提供集中式目录来组织、策划和发现组织内资源）之前对其进行评估。这种方法允许团队在资产发布到注册表以及通过审批工作流和基于语义或关键词的发现提供这些资产之前，评估MCP服务器、工具、智能体、智能体技能和自定义资源。AWS labs官方仓库中提供了一个代码示例，展示了Cisco AI Defense（开源版本）与AWS Agent Registry的集成。
对于Cisco AI Defense客户：Cisco AI Defense客户可以配置MCP扫描器以针对其组织的注册表，通过Registry API发现可用的MCP服务器和智能体，生成全面的安全报告，并将发现集成到现有安全工作流中。
结论
本文探讨了Cisco AI Defense与AWS AI Registry的集成如何通过自动化扫描和统一治理，帮助企业解决扩展AI智能体时的可见性、安全和合规挑战。该合作伙伴关系为MCP和A2A环境带来了企业级的安全保护，使组织能够自信地大规模部署AI智能体。