vdb-mcp - AI 时代的安全漏洞检测助手

技能简介

vdb-mcp（Vulnerability Database MCP Server）是一个面向 AI 编程时代的安全工具，它作为 Model Context Protocol（MCP）服务器运行，让 AI 编程工具在生成代码时自动查询漏洞数据库，在执行 npm install、pip install 等命令之前拦截含有已知漏洞或恶意包名的依赖项，从源头阻断供应链攻击。

传统的安全扫描工具往往是项目构建完成后再进行检查，而 vdb-mcp 的核心理念是将安全检查左移到 AI 生成代码的那一刻：AI 在推荐或写入依赖包名称时，实时调用 vdb 工具查询该包的 CVE 情况、是否存在 Slopsquatting 风险（LLM 幻觉出的包名被攻击者抢注）、CISA KEV 状态以及 MCP 服务器信任评级，在危险真正发生之前就给 AI 和开发者明确的警示。

该工具支持 Claude Desktop、Claude Code、Cursor、Cline、Continue 等所有主流 MCP 客户端，覆盖 npm、PyPI、Maven、Go 等多个包生态，零配置即可连接托管端点，也支持私有化部署。

核心能力

• Slopsquatting 检测：大语言模型会生成不存在的包名，攻击者抢先注册这些名称等待受害者安装。vdb-mcp 可批量检查一段代码中所有推荐包名是否已被恶意抢注。
• CVE / GHSA 漏洞查询：对指定包名和版本查询已知安全漏洞，返回 CVE 编号、CVSS 评分、影响版本范围等详细信息。
• CISA KEV 目录查询：检查包是否在 CISA 已知被利用漏洞目录中，已被主动利用的漏洞优先级最高。
• MCP 服务器信任评级：社区 MCP 服务器鱼龙混杂，vdb 提供信任等级和权限范围说明，帮助判断某个 MCP 服务器是否值得授权。
• 多生态覆盖：支持 npm、PyPI、Go、Maven、RubyGems、NuGet、Crates.io 等主流包注册平台。
• 无需本地安装：通过远程 MCP 端点 https://vdb.ai.kr/mcp 即可使用，匿名访问有免费试用额度。
• 批量检查：一次性传入多个包名，批量返回风险评估结果，适合在 AI 生成完整依赖文件后做整体审查。

安装配置

前置要求

• Python 3.10+（使用 uvx / pipx 运行）
• uv 或 pipx 包管理器
• MCP 兼容客户端（Claude Desktop / Claude Code / Cursor 等）

方式一：零安装远程连接（推荐）

在 MCP 客户端配置中使用远程端点，无需本地安装进程：

{
  "mcpServers": {
    "vdb": {
      "url": "https://vdb.ai.kr/mcp"
    }
  }
}

匿名用户享有免费 per-IP 试用额度；免费注册获取 API Key 可获得不限量访问：https://vdb.ai.kr/signup

方式二：本地 uvx 运行

uvx vdb-mcp

在 Claude Desktop（claude_desktop_config.json）或 Cursor（.cursor/mcp.json）中配置：

{
  "mcpServers": {
    "vdb": {
      "command": "uvx",
      "args": ["vdb-mcp"]
    }
  }
}

方式三：带 API Key 的本地运行

{
  "mcpServers": {
    "vdb": {
      "command": "uvx",
      "args": ["vdb-mcp"],
      "env": {
        "VDB_API_TOKEN": "vdb_..."
      }
    }
  }
}

使用步骤

1. 安装并连接 vdb MCP 服务器：根据上述任一方式完成配置
2. 在 AI 对话中触发检查：向 AI 描述你要实现的功能，让 AI 推荐或写入依赖包
3. AI 自动调用 vdb 工具：当 AI 生成 pip install xxx 或 npm install xxx 时，vdb 工具被自动调用，查询该包的风险状态
4. 查看返回结果：工具返回 CVE 数量、Slopsquatting 风险、KEV 状态等信息，AI据此给出安全建议或替换方案
5. 根据建议决策：开发者根据返回的安全评级决定是否使用该依赖，或选择更安全的替代方案

适用场景

• AI 代码生成审查：在使用 Cursor、Claude Code 等工具生成代码时，实时拦截含有风险的依赖推荐
• 依赖更新决策：升级某个依赖版本前，先查询新版本是否存在已知漏洞
• 开源项目安全审计：对项目 package.json / requirements.txt 中的所有依赖做批量安全检查
• CI/CD 安全门禁：在 CI 流程中集成 vdb 查询，防止含有高危漏洞的依赖进入构建产物
• MCP 服务器授权评估：在给一个新的 MCP 服务器授权前，先用 vdb 查询其信任评级和权限范围
• 开发者安全教育：让开发者直观看到 LLM 幻觉包名的危害，建立安全编码意识

适用人群

• 安全工程师：负责代码安全审计和供应链安全管理的技术人员
• AI 编程工具用户：使用 Cursor、Claude Code、Cline 等 AI 编程助手的开发者
• DevSecOps 工程师：在 CI/CD 流程中嵌入安全检查的自动化工程师
• 技术团队安全负责人：制定团队安全编码规范和 MCP 使用策略的管理者
• 开源项目维护者：关注项目依赖健康度、想为用户提供安全推荐的维护者

工作原理

vdb-mcp 的工作原理围绕"AI 生成 → 安全查询 → 风险拦截"这一流程展开。

当 AI 在生成代码过程中调用 vdb 工具时，工具会将包名（支持 PURL 格式，附带版本号）转发至 VDB 后端服务。该服务维护着一个持续更新的漏洞数据库，收录了 CVE、GHSA 等多个来源的漏洞数据，以及通过蜜罐监控实时发现的新注册恶意包名（Slopsquatting 候选列表）。

后端查询完成后返回结构化的安全报告，包含该包的漏洞总数、高危漏洞列表、CVSS 均分、是否在 CISA KEV 中、以及是否为 Slopsquatting 高风险等维度。工具将此报告以人类可读的形式返回给 AI，AI 据此决定是否继续推荐该依赖。整个过程在 AI 生成代码时同步完成，开发者无需手动介入，也不干扰正常的编码流程。

官方链接

• 官网：https://vdb.ai.kr
• PyPI 包：https://pypi.org/project/vdb-mcp
• GitHub：https://github.com/0pstech/vdb-mcp
• 接入文档：https://vdb.ai.kr/connect
• 注册获取 API Key：https://vdb.ai.kr/signup