Разработчик представил защиту MCP-агентов от prompt injection на границах вызовов инструментов

Автор WARDEN описал хук для Claude Code, проверяющий внешний текст, аргументы вызовов и адресатов действий. На бенчмарке AgentDojo защита заблокировала все 584 вредоносных действия против 593 из 609 без неё, но в ручной выборке ни одна из 23 блокировок не подтвердилась.

• WARDEN поймал 171 из 218 отравленных инструментов в тесте на 14 933 списках npm и PyPI
• На AgentDojo без защиты прошли 593 из 609 атакующих действий, с хуком — 0 из 584
• В ручной проверке ни одна из 23 блокировок пакетов не подтвердилась
• Хук работает на PreToolUse, PostToolUse и UserPromptSubmit, но не является песочницей