CLI y biblioteca de código abierto que verifican archivos de modelos de IA, código, endpoints activos de LLM/agentes/MCP y trazas registradas de agentes, e informan de hallazgos y brechas.
Tencent/AI-Infra-Guard
Plataforma integral de red teaming de IA de Tencent Zhuque Lab que analiza agentes de IA, servidores MCP, Agent Skills e infraestructura de IA en busca de riesgos de seguridad.
- Estrellas
- 6,933
- Forks
- 670
- Issues abiertos
- 22
- Último commit
- hace 4 horas
¿Qué es?
AI-Infra-Guard (A.I.G) es una plataforma de pruebas de seguridad para sistemas de IA. Cubre varias áreas de análisis: ClawScan, para detectar riesgos de seguridad en OpenClaw; Agent Scan, para flujos de trabajo de agentes (incluidos los agentes de Dify y Coze); análisis de servidores MCP y Agent Skills a partir de código fuente o URL remotas; análisis de vulnerabilidades de infraestructura de IA en servicios activos; y evaluación de jailbreaks de LLM mediante distintos métodos de ataque.
El escáner de infraestructura de IA identifica servicios en ejecución como Ollama, ComfyUI, vLLM, n8n y Triton Inference Server, y luego los compara con una biblioteca de reglas de CVE. Los objetivos pueden ser una dirección individual, un rango CIDR o un rango de IP. El proyecto también incluye un comprobador de relés de modelos y API, así como una CLI skill-scan que puede ejecutarse en pipelines de CI/CD.
A.I.G se ejecuta mediante Docker Compose y ofrece una interfaz web en el puerto 8088, junto con una API Swagger. El proyecto está pensado para uso interno y sus mantenedores desaconsejan exponerlo en redes públicas porque no cuenta con autenticación.
Funciones clave
- 01Analiza servidores MCP y Agent Skills a partir de código fuente o URL remotas en 14 categorías de riesgo.
- 02Identifica más de 100 componentes de frameworks de IA y los compara con más de 2000 reglas de CVE.
- 03Ejecuta evaluaciones de jailbreak con múltiples ataques y compara los resultados entre modelos.
- 04Ofrece una CLI skill-scan instalable con pip para pipelines de CI/CD.
- 05Incluye una interfaz web, documentación de la API Swagger y despliegue basado en Docker.
Casos de uso
- Auditar una instalación interna de vLLM, Ollama o ComfyUI para detectar CVE conocidas antes de ponerla a disposición de los usuarios.
- Comprobar si hay comportamientos maliciosos en servidores MCP o Agent Skills de terceros antes de instalarlos.
- Añadir comprobaciones de seguridad de Agent Skills a un pipeline de CI/CD empresarial.
- Ejecutar evaluaciones de jailbreak contra un endpoint de LLM para comparar la robustez de los modelos.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/Tencent/AI-Infra-Guard.git - 2
Entra en el directorio del proyecto
cd AI-Infra-Guard - 3
Inicia el servicio con Docker Compose (descarga imágenes preconstruidas)
docker-compose -f docker-compose.images.yml up -d - 4
Abre la interfaz web en http://localhost:8088
Antes de usarlo
- El README indica que no cuenta con autenticación y que no debe implementarse en redes públicas.
- Algunas funciones, como la versión Pro, requieren un código de invitación.
- La precisión del análisis de skills depende de una clave de API de LLM externo.
Temas
Preguntas frecuentes
- ¿Qué es AI-Infra-Guard?
- Plataforma integral de red teaming de IA de Tencent Zhuque Lab que analiza agentes de IA, servidores MCP, Agent Skills e infraestructura de IA en busca de riesgos de seguridad. AI-Infra-Guard (A.I.G) es una plataforma de pruebas de seguridad para sistemas de IA. Cubre varias áreas de análisis: ClawScan, para detectar riesgos de seguridad en OpenClaw; Agent Scan, para flujos de trabajo de agentes (incluidos los agentes de Dify y Coze); análisis de servidores MCP y Agent Skills a partir de código fuente o URL remotas; análisis de vulnerabilidades de infraestructura de IA en servicios activos; y evaluación de jailbreaks de LLM mediante distintos métodos de ataque.
- ¿AI-Infra-Guard es gratuito? ¿Qué licencia tiene?
- AI-Infra-Guard es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AI-Infra-Guard sigue mantenido?
- Mantenimiento activo. El último commit de AI-Infra-Guard fue el 22 oct 2026.
- ¿Para qué puedo usar AI-Infra-Guard?
- Auditar una instalación interna de vLLM, Ollama o ComfyUI para detectar CVE conocidas antes de ponerla a disposición de los usuarios. Comprobar si hay comportamientos maliciosos en servidores MCP o Agent Skills de terceros antes de instalarlos. Añadir comprobaciones de seguridad de Agent Skills a un pipeline de CI/CD empresarial. Ejecutar evaluaciones de jailbreak contra un endpoint de LLM para comparar la robustez de los modelos.
- ¿Cómo se instala AI-Infra-Guard?
- Clona el repositorio: git clone https://github.com/Tencent/AI-Infra-Guard.git Entra en el directorio del proyecto: cd AI-Infra-Guard Inicia el servicio con Docker Compose (descarga imágenes preconstruidas): docker-compose -f docker-compose.images.yml up -d Abre la interfaz web en http://localhost:8088
- ¿Dónde consigo AI-Infra-Guard?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Tencent/AI-Infra-Guard
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un escáner de código abierto para línea de comandos que prueba LLM en busca de fallos como prompt injection, filtraciones de datos, jailbreaks y respuestas tóxicas.
Herramienta de Python de Cisco que analiza servidores MCP, herramientas, prompts y código fuente en busca de amenazas de seguridad con reglas YARA, análisis con LLM y Cisco AI Defense.
Framework open source de Python para hacer red teaming a sistemas LLM y agentes de IA, simular ataques, detectar vulnerabilidades y aplicar guardrails en producción.
Toolkit de Python de código abierto para añadir guardrails programables a aplicaciones conversacionales basadas en LLM y controlar temas, flujos de diálogo y respuestas.
Escáner de seguridad en Rust que audita servidores MCP y archivos de skills para detectar prompt injection, envenenamiento de herramientas, filtraciones de secretos y riesgos de la cadena de suministro.