New research shows the Model Context Protocol (MCP)—the interface that lets large-language-model (LLM) agents call external tools—can be hijacked through “tool-poisoning” attacks that succeed more than one-third of the time. Across 20 popular agents the average success rate was 36.5 %; the o1-mini model fell in 72.8 % of attempts, while Claude-3.7-Sonnet refused malicious calls under 3 % of the time. For anyone deploying LLM agents that rely on MCP, the findings turn a convenience feature into a supply-chain risk that can be exploited before any code ever runs.
Why MCP matters to developers today
MCP standardises how agents discover, register, and invoke tools such as file readers, web APIs, or email senders. By publishing a tool’s name, input schema and a short description, a server makes the capability available to any client that understands the protocol. The promise is simple: an agent can look up a tool, send a request, and receive a response without hard-coding each integration.
That flexibility also creates an implicit trust relationship. The specification tells clients to treat tool descriptions as trustworthy only if they come from a server the client already trusts. The new study shows that this trust can be abused.
How tool-poisoning differs from ordinary prompt injection
Traditional prompt injection inserts malicious instructions into the text that the model generates or receives at runtime. The model then follows those instructions because they appear in the same token stream as the user’s request.
Tool-poisoning, by contrast, hides the payload in the tool’s metadata—the name, description, or parameter schema that registers before any agent call. When an agent later selects the tool, it treats the description as part of the “trusted context” and may follow the hidden instruction without any runtime check. Because the injection occurs during registration, there is no point in the execution flow where a model can flag the payload as suspicious.
Scale of the problem – the MCPTox benchmark
The researchers behind MCPTox (arXiv:2508.14925) evaluated 45 MCP servers offering a total of 353 distinct tools. They scripted attacks against 20 widely used LLM agents, measuring how often the agents executed the poisoned tool call.
- Average success rate: 36.5 %
- Peak success: o1-mini at 72.8 %
- Best refusal: Claude-3.7-Sonnet, still under 3 %
The numbers reveal a stark reality: most agents do not refuse a poisoned call because the request looks like a legitimate tool invocation. The agents assume the tool description is a benign piece of documentation, not a vector for code execution.
Why agents rarely refuse poisoned calls
OWASP’s LLM01 guideline explains that LLMs do not differentiate between instructions and data—both are just tokens in a sequence. When a tool description says “send an email to admin@example.com with the subject ‘Update’”, the model cannot tell whether that line is a harmless comment or an instruction it should obey later. Consequently, the model treats the description as part of the trusted environment and follows any embedded command when the tool is invoked.
Existing guidance and its gaps
The MCP specification already advises clients to treat tool descriptions as untrusted unless they originate from a trusted server, and to keep a human in the loop for high-impact calls. The benchmark shows that many real-world deployments ignore or loosely interpret these recommendations.
Concrete steps developers can take today
- Tetapkan versi pelayan – Rujuk imej pelayan atau hash yang khusus dan tidak boleh diubah (immutable) dan bukannya tag yang sentiasa berubah. Ini menghalang penyerang daripada menukar daftar (registry) yang bersih kepada daftar yang telah dicemari selepas penggunaan.
- Mulakan dengan senarai benar (allowlist) yang kosong – Aktifkan hanya alatan yang telah disemak secara eksplisit. Apa-apa sahaja yang tiada dalam senarai akan disekat secara lalai.
- Hadkan alatan yang mengubah keadaan – Perlukan kelulusan tambahan untuk sebarang alatan yang menulis, menghantar, atau memadam data. Asingkan keupayaan "baca-sahaja" daripada keupayaan "boleh-tulis" dalam skema.
- Tambah kelulusan manusia untuk panggilan berimpak tinggi – Bagi tindakan yang boleh menjejaskan sistem luaran (contohnya, menghantar e-mel, melaksanakan arahan, mengubah suai fail), minta semakan manusia sebelum panggilan dihantar.
- Log setiap penggunaan alatan – Rekod nama alatan, argumen, cap masa, dan ejen asal. Jejak audit yang tidak boleh diubah memudahkan analisis pasca-mortem dan boleh menghalang penyerang yang tahu bahawa tindakan mereka akan kelihatan.
Anggap setiap huraian alatan seperti kod sumber—tertakluk kepada linting, semakan kod, dan kawalan versi—untuk menyelaraskan rantaian bekalan MCP dengan amalan pembangunan perisian standard.
Hujah balas dan persoalan terbuka
Walau bagaimanapun, penanda aras tersebut menunjukkan bahawa model yang paling canggih dalam kajian itu pun menolak kurang daripada tiga peratus panggilan yang dicemari. Penalaan halus (fine-tuning) mungkin meningkatkan pengesanan, tetapi ia tidak dapat menjamin keselamatan terhadap muatan (payload) baharu yang disematkan dalam medan skema yang tidak pernah dilihat oleh model tersebut.
Apa yang perlu diperhatikan seterusnya
- Standard yang sedang muncul – Perhatikan cadangan daripada komuniti keselamatan LLM untuk mewajibkan tandatangan kriptografi pada skema alatan.
- Pengukuhan daftar-alatan – Vendor mungkin mula menawarkan daftar baca-sahaja yang tidak boleh diubah sebagai perkhidmatan, sekali gus mengurangkan permukaan serangan.
- Pertahanan peringkat model – Penyelidikan terhadap teknik prompting atau model tambahan yang menandakan metadata alatan yang mencurigakan boleh melengkapi perlindungan di pihak hos.
Kesimpulan praktikalnya adalah jelas: sebarang penggunaan berasaskan MCP harus mengaudit huraian alatan dengan ketegasan yang sama seperti yang dikenakan terhadap perpustakaan pihak ketiga. Mengabaikan risiko rantaian bekalan akan mengubah abstraksi yang memudahkan menjadi pintu belakang (backdoor) yang senyap. Dengan menetapkan pelayan, menguatkuasakan senarai benar prinsip keistimewaan terendah, mengehadkan tindakan yang mengubah keadaan, melibatkan manusia apabila perlu, dan menyimpan log yang tidak boleh diubah, pembangun dapat menghalang ejen LLM mereka daripada menjadi rakan subahat yang tidak sengaja.