自2024年11月模型上下文協議（MCP）推出以來，其採用速度迅速加快。企業現在管理着數十到數百個MCP服務器——這些工具通過連接外部數據源和API來擴展AI智能體的能力。隨後，2025年4月推出的智能體間協議（A2A）使自主智能體能夠在沒有人工干預的情況下直接通信。最近，Agent Skills開始出現在企業基礎設施中。這種增長帶來了三個安全缺口：團隊缺乏對所部署工具和智能體的可見性；手動安全審查無法跟上部署速度；合規框架要求審計跟蹤，而自主AI智能體目前缺乏這些跟蹤。
組織面臨來自未經審查的MCP服務器、A2A智能體和Skills的風險：意外訪問敏感數據系統、違反SOX和GDPR框架的合規要求（可能導致監管處罰），以及當易受攻擊的工具或惡意智能體在部署後被發現時造成的運營中斷。安全團隊報告稱，手動審查過程可能會在每個AI應用部署上增加數週時間，從而造成積壓，且該積壓隨着AI採用的加速而增長。不完整的工具和智能體跟蹤導致的審計失敗造成了合規團隊難以量化的監管風險。
Cisco與AWS的合作伙伴關係通過戰略協作，為企業擴展AI智能體時面臨的三大挑戰提供瞭解決方案：可見性缺口、安全瓶頸和合規風險。通過自動化掃描和統一治理，企業可以克服這些AI安全挑戰。
企業挑戰及Cisco和AWS的應對方案
通過戰略協作，AWS和Cisco AI Defense為企業中的每個MCP服務器、AI智能體和Agent Skill提供全面、自動化的安全掃描。AI Registry是一個由AWS支持的開源項目，與Cisco AI Defense集成，提供以下功能：
工具蔓延和可見性：部署MCP服務器和AI智能體的組織面臨基本的可見性挑戰。團隊通常臨時性地在雲和本地基礎設施中添加服務器和智能體，使安全團隊幾乎無法維持監督。由於數十甚至數百個工具和智能體在缺乏集中治理的情況下運行，組織失去了對可用工具、智能體之間的通信、使用人員以及是否存在安全風險的可見性。AI Registry通過統一的註冊和發現解決了這一問題。每個MCP服務器、AI智能體和Skill都在單個控制平面中註冊，提供完全可見性。此外，Cisco AI Defense的集成提供了額外保護。
供應鏈安全規模擴展：第三方MCP服務器和A2A智能體可能包含漏洞、惡意代碼或不安全模式，手動審查無法大規模捕獲。當新服務器或智能體添加到註冊表時，安全掃描會在AI組件能夠訪問之前自動進行。掃描器分析每個MCP工具、A2A智能體卡和Agent Skill，生成詳細的安全報告。如果發現問題，該組件將自動標記為禁用，並帶有安全待定標籤，需要管理員審查後才能授予訪問權限。這同樣適用於註冊提供數據庫訪問的MCP服務器，或編排跨基礎設施多步驟工作流的A2A智能體。
合規和安全審查瓶頸：安全審查傳統上會造成部署瓶頸，減慢智能體推出速度。帶有手動審查（當發現安全漏洞時）的自動化掃描實現了具有內置安全護欄的自助式入駐。這會將緩慢的手動過程轉變為自動化過程，有助於更快地入駐新的MCP服務器、智能體和Skills。
MCP和A2A協議的統一安全
AI Registry作為一箇中央控制平面，MCP服務器、AI智能體和Skills在此註冊和發現，提供跨越整個AI基礎設施的完全可見性。這些AI資產經過安全掃描工作流，以維護對整個自主AI領域的全面保護。
當組織在Registry中註冊MCP服務器時，Cisco AI Defense MCP掃描器會對工具描述和架構進行深度分析。同樣，註冊A2A智能體時，Cisco AI Defense A2A掃描器會分析智能體能力聲明、智能體技能定義和通信模式。類似的掃描能力也適用於AI Agent Skills，通過Skills掃描器檢測提示注入、數據外泄和惡意代碼模式。這種方法確保無論AI基礎設施使用傳統工具訪問（MCP）、自主智能體協作（A2A）還是Skills（例如通過AI編碼助手），安全掃描都會在組件啓用之前自動進行。
組織的安全態勢通過多種可用的掃描方法得到加強，這些方法統一適用於MCP、A2A智能體和Skills：YARA分析器用於基於模式的快速檢測已知威脅，如SQL注入、命令注入和硬編碼憑據；LLM分析器通過Amazon Bedrock使用前沿模型進行AI驅動的語義分析，檢查工具邏輯、智能體行為和能力聲明，以識別複雜和新穎的威脅；以及Cisco AI Defense專有掃描器（包括MCP掃描器、A2A掃描器和Skills掃描器）用於高級威脅檢測，結合廣泛威脅情報和深度代碼分析。A2A掃描器專門分析智能體卡元數據，以檢測供應鏈威脅，如身份欺騙、元數據字段中的提示注入、硬編碼憑據、數據外泄端點和SSRF模式。它還會檢查A2A規範合規性，並將發現映射到從低到嚴重的嚴重性級別。
當檢測到問題時，系統會自動禁用易受攻擊的資產，並附上詳細的安全報告，需要管理員審查後才能授予訪問權限。安全掃描作為將新服務器和智能體註冊到AI Registry的一部分，集成到開發工作流（CI/CD集成）中，同時為SOX和GDPR等監管要求維護完整的安全審計歷史。
開放架構與集成
AI Registry建立在開放標準和API之上，創造了一個多方受益於統一安全掃描的環境：如果您是Cisco AI Defense客户和AWS客户，您可以通過其REST API查詢AI Registry以發現可用的MCP服務器和智能體，支持程序化的大規模威脅檢測。這是組織中中央IT團隊可以用來保護其在AWS上託管的AI資產的模式。
Registry使用與Anthropic官方MCP Registry相同的REST API規範，以支持跨MCP環境的廣泛兼容性，並支持與其他MCP部署的聯合。
下游工作流集成
客户可以將安全掃描與現有企業工作流集成：在ServiceNow中自動為有問題的服務器或智能體創建工單，觸發問題響應流程；實時Slack通知在檢測到高嚴重性發現時立即提醒團隊；將問題數據轉發到安全事件和事件管理（SIEM）系統（如Splunk或Datadog），以與其他安全事件關聯；通過合規儀表板生成摘要報告以實現審計準備。
入門指南
對於AWS客户：AWS客户可以部署AI Registry並配置Cisco AI Defense MCP掃描器集成，為其AI資產入駐工作流添加安全掃描。配置完成後，可以在Registry控制台上監控漏洞（如前文截圖所示）。完整的設置指南可在GitHub上的安全掃描器設置指南中找到。除了與開源AI Registry的集成外，您還可以在CI/CD工作流中使用Cisco AI Defense，在將AI資產註冊到AWS Agent Registry（一個完全託管的發現服務，提供集中式目錄來組織、策劃和發現組織內資源）之前對其進行評估。這種方法允許團隊在資產發佈到註冊表以及通過審批工作流和基於語義或關鍵詞的發現提供這些資產之前，評估MCP服務器、工具、智能體、智能體技能和自定義資源。AWS labs官方倉庫中提供了一個代碼示例，展示了Cisco AI Defense（開源版本）與AWS Agent Registry的集成。
對於Cisco AI Defense客户：Cisco AI Defense客户可以配置MCP掃描器以針對其組織的註冊表，通過Registry API發現可用的MCP服務器和智能體，生成全面的安全報告，並將發現集成到現有安全工作流中。
結論
本文探討了Cisco AI Defense與AWS AI Registry的集成如何通過自動化掃描和統一治理，幫助企業解決擴展AI智能體時的可見性、安全和合規挑戰。該合作伙伴關係為MCP和A2A環境帶來了企業級的安全保護，使組織能夠自信地大規模部署AI智能體。