T-MAP：针对 MCP 生态的 LLM Agent 红队测试框架

T-MAP（Trajectory-aware MAP）是 KAIST 推出的新研究框架，专门针对快速增长的 MCP（模型上下文协议）生态中 LLM Agent 的安全漏洞进行红队测试。该论文在 HuggingFace Daily Papers 获得 29 次点赞。

此前的红队测试主要关注从 LLM 中诱导有害文本输出，而 T-MAP 解决的是通过多步工具执行才会暴露的 Agent 特有漏洞。它利用执行轨迹来引导对抗性提示的发现，这些提示能绕过安全防护并通过实际的工具交互实现有害目标。

该方法维护一个跨越风险类别和攻击风格的多维档案库，使用四步迭代循环：交叉诊断从过去的提示中提取成功因素和失败原因，结合学习到的工具调用图（TCG），指导新攻击提示的变异。

在多种 MCP 环境中的实证评估表明，T-MAP 在攻击实现率上显著优于基线方法，并且对 GPT-5.2、Gemini-3-Pro 和 Qwen3.5 等前沿模型仍然有效。这在 RSAC 2026 大会期间尤为及时，因为 Agent 安全已成为行业首要议题。

https://arxiv.org/abs/2603.22341
https://github.com/pwnhyo/T-MAP