Ugrás a fő tartalomhoz
Vissza a bloghoz

AI-ágensek védelme: OWASP Agentic Top 10, MCP és fő intézkedések

Frissítve: November 19, 2026Olvasási idő: 8 perc


Egy nagy nyelvi modellre (LLM) épülő AI-ágens nem csupán kérdésekre válaszol. Tervez, eszközöket hív meg, adatokat olvas és ír, és néha más ágensekkel is kommunikál. Ez minden modellgyengeség tétjét megemeli: egy prompt injection támadás, amely egy chatbotban csak rossz választ eredményezne, egy ágenst arra vehet rá, hogy e-mailt küldjön, rekordokat módosítson vagy kódot futtasson. Ez az útmutató az OWASP Top 10 ágensalapú alkalmazásokhoz listát és a gyakorlati intézkedéseket tárgyalja, beleértve a Model Context Protocol (MCP) biztonságát is.

Miért van szükségük az ágenseknek saját biztonsági modellre

A NIST AI 100-2e2025 az ágenst olyan szoftverként írja le, amely „iteratív módon promptokat küld egy modellnek”, feldolgozza annak kimeneteit, például egy függvény meghívásához, és az eredményeket visszacsatolja a következő promptba. Az OWASP Top 10 LLM-alkalmazásokhoz 2026 itt húzza meg a határt: a modellt komponensként kezeli, és amint a modell eszközökkel, memóriával és a további rendszerekre kiható következményekkel cselekszik, az OWASP az ágensalapú alkalmazásokra vonatkozó listájára utal.

Ez a lista egy olyan elvet is bevezet, amelyet érdemes elsőként átvenni: a legkisebb önállóság elvét (least agency). Az OWASP azt tanácsolja a szervezeteknek, hogy „kerüljék a szükségtelen önállóságot”, mert az ágensszerű működés ott, ahol nincs rá szükség, „növeli a támadási felületet anélkül, hogy értéket teremtene”.

Az OWASP Top 10 ágensalapú alkalmazásokhoz

Az OWASP GenAI Security Project 2025. december 9-én tette közzé az OWASP Top 10 ágensalapú alkalmazásokhoz listát. A tíz bejegyzés:

  • ASI01: Agent Goal Hijack (az ágens céljának eltérítése). A befecskendezett tartalom átirányítja az ágens céljait vagy terveit.
  • ASI02: Tool Misuse and Exploitation (eszközökkel való visszaélés és kihasználásuk). Az ágens legitim eszközöket nem biztonságos módon használ.
  • ASI03: Identity and Privilege Abuse (visszaélés identitással és jogosultságokkal). Delegált vagy örökölt hitelesítő adatokkal élnek vissza.
  • ASI04: Agentic Supply Chain Vulnerabilities (az ágensalapú ellátási lánc sérülékenységei). Egy eszköz, MCP-szerver, prompt vagy ágens rosszindulatú, vagy illetéktelenül módosították.
  • ASI05: Unexpected Code Execution (RCE) (váratlan kódfuttatás). Generált vagy befecskendezett kód fut az Ön rendszerein.
  • ASI06: Memory & Context Poisoning (memória- és kontextusmérgezés). A tárolt memória vagy a visszakeresett kontextus megfertőződik.
  • ASI07: Insecure Inter-Agent Communication (nem biztonságos kommunikáció az ágensek között). Az ágensek közötti üzeneteket meghamisítják vagy módosítják.
  • ASI08: Cascading Failures (láncreakciószerű hibák). Egyetlen hiba szétterjed az ágenseken és a munkafolyamatokon.
  • ASI09: Human-Agent Trust Exploitation (az ember ágensbe vetett bizalmának kihasználása). Az emberek túlságosan megbíznak egy magabiztosnak tűnő ágensben.
  • ASI10: Rogue Agents (elszabadult ágensek). Egy ágens eltávolodik a rendeltetésszerű funkciójától vagy hatókörétől.

Adjon az ágenseknek minimális jogosultságot és szűk hatókörű hitelesítő adatokat

Az OWASP LLM01:2026 bejegyzése megjegyzi, hogy a legtöbb nyilvántartott, nagy hatású prompt injection incidens azért vált súlyossá, mert a kompromittált modell eszközökön keresztül a felhasználó jogosultsági szintjén cselekedhetett. Az ASI03 ágensenkénti identitásokat és „feladatonként rövid élettartamú, szűk hatókörű tokeneket” javasol, az ASI02 pedig eszközönkénti profilokat hatókörökkel, kéréskorlátokkal és a kimenő forgalomra vonatkozó engedélyezőlistákkal. Az eszközöket a felhasználó saját kontextusában, minimális OAuth-hatókörrel futtassa, ne egy megosztott, magas jogosultságú fiókon keresztül.

Az Invariant Labs megmutatta, miért számít a hatókör: egy rosszindulatú GitHub-issue eltéríthetett egy, a GitHub MCP-szerveréhez csatlakoztatott ágenst, és kiszivárogtathatta a felhasználó privát tárolóinak adatait. A kutatók szerint ez „nem magának a GitHub MCP-szerver kódjának a hibája”, hanem architekturális probléma, és azt javasolták, hogy minden munkamenetet egyetlen tárolóra korlátozzanak.

A Meta ágensekre vonatkozó kettes szabálya (Agents Rule of Two) gyors tervezési ellenőrzést kínál: egy munkameneten belül egy ágens legfeljebb kettőt kombinálhat a következők közül: nem megbízható bemenetek feldolgozása, hozzáférés érzékeny rendszerekhez vagy privát adatokhoz, valamint az állapot módosítása vagy kifelé irányuló kommunikáció. Ha mindhárom kell neki, a Meta szerint „nem szabad engedni, hogy önállóan működjön”.

Használjon engedélyezőlistákat és a modellen kívüli szabályellenőrzést

Kódban döntse el, ne a promptban, hogy mit tehet az ágens. Feladatonként vegye engedélyezőlistára az eszközöket, azokat a hálózati célpontokat, amelyeket az ágens elérhet, és azokat a parancsokat, amelyeket kérdés nélkül futtathat, minden mást pedig tiltson le. Az ASI02 egy szabályérvényesítési pontot (policy enforcement point) ír le, amely a tervező komponens kimenetét nem megbízhatóként kezeli, és egy eszköz futtatása előtt ellenőrzi a szándékot és az argumentumokat, érvényesíti a sémákat és a kéréskorlátokat, valamint rövid élettartamú hitelesítő adatokat ad ki.

Futtassa sandboxban az ágens kódját

Ha egy ágens kódot ír vagy futtat, számoljon azzal, hogy a kód egy része rosszindulatú lesz (ASI05). Az OWASP tanácsa: soha ne futtasson kódot rootként, futtassa sandboxolt konténerekben, szigorú korlátokkal, a hálózati hozzáférést is beleértve, és validációs kapukkal válassza el a kódgenerálást a végrehajtástól. Az Anthropic a kódoló ágense sandboxolásáról szóló írásában hozzáteszi, hogy a hatékony sandboxoláshoz a fájlrendszer és a hálózat elkülönítésére is szükség van, mert hálózati elkülönítés nélkül egy kompromittált ágens „kiszivárogtathatna olyan érzékeny fájlokat, mint az SSH-kulcsok”.

Visszafordíthatatlan műveletek előtt kérdezzen meg egy embert

Kérjen jóváhagyást mindenhez, amit nehéz visszacsinálni, vagy ami a rendszeren kívül is látható: adatok törléséhez, pénz átutalásához, közzétételhez vagy üzenetek küldéséhez. Az ASI02 azt javasolja, hogy jóváhagyás előtt mutasson egy próbafuttatást (dry run) vagy a művelet diffjét. A jóváhagyási kérések legyenek elég ritkák ahhoz, hogy számítsanak: az OWASP figyelmeztet, hogy a jóváhagyási fáradtság gyengíti az ítélőképességet, az ASI09 pedig olyan ágenseket ír le, amelyek rábeszélik az ellenőrzőket káros műveletek jóváhagyására.

Kezelje nem megbízhatóként az MCP-szervereket és az eszközleírásokat

Az MCP megkönnyíti az eszközök ágenshez csatlakoztatását, ami az eszközöket ellátási láncbeli kockázattá teszi. Az MCP-specifikáció kimondja, hogy a klienseknek „KÖTELEZŐ nem megbízhatóként kezelniük az eszközannotációkat, kivéve, ha megbízható szerverektől származnak”, és hogy „mindig AJÁNLOTT, hogy a folyamatban legyen egy ember, aki megtagadhatja az eszközhívásokat”.

Az Invariant Labs az eszközmérgezést (tool poisoning) olyan, eszközleírásokba rejtett utasításokként írja le, amelyek „a felhasználók számára láthatatlanok, az AI-modellek számára viszont láthatók”, és figyelmeztet, hogy egy szerver a jóváhagyás után is módosíthatja a leírást. Az OWASP ASI04 bejegyzése egy npm-en közzétett rosszindulatú MCP-szervert említ, amely egy legitim e-mail-integrációnak adta ki magát, és titokban a támadónak másolta az e-maileket.

Gyakorlati lépések:

  • Az MCP-szervereket megbízható forrásokból telepítse, rögzítse a verziókat, és ellenőrizze a hasheket.
  • Vizsgálja át az eszközleírásokat rejtett utasítások után kutatva, és tegye ezt meg újra, amikor megváltoznak.
  • Helyi szervereknél futtatás előtt mutassa meg a pontos parancsot, és a szervert minimális jogosultságokkal, sandboxban indítsa el, ahogyan az MCP biztonsági ajánlott gyakorlatai javasolják.
  • Soha ne adjon tovább tokeneket: az MCP-szerverek „NEM FOGADHATNAK EL olyan tokeneket, amelyeket nem kifejezetten az adott MCP-szerver számára bocsátottak ki”.
  • Kezdje szűk OAuth-hatókörökkel, és csak akkor adjon hozzá újabbakat, ha egy művelethez szükség van rájuk.

A saját tempóban végezhető AI-biztonság: LLM-alkalmazások és AI-ágensek védelme kurzus 4. modulja az AI-ágensek, az eszközök és az MCP-szerverek védelmével foglalkozik.

Tartsa tisztán az ágens memóriáját

A memória lehetővé teszi, hogy egy támadás munkameneteken átívelően fennmaradjon (ASI06). Ellenőrizze, mi kerül a memóriába, felhasználónként és feladatonként tartsa külön a memóriát, az ellenőrizetlen bejegyzéseket hagyja lejárni, és ne engedje, hogy az ágens saját kimenetei automatikusan visszakerüljenek a megbízható memóriába. Az OWASP LLM01:2026 bejegyzése hozzáteszi: a memóriába írást kezelje kiemelt jogosultságú műveletként, és naplózza az egyes írások mögötti promptot.

Naplózza az ágens műveleteit, és tartson fenn módot a leállítására

Vezessen manipulációt jelző (tamper-evident) naplókat az eszközhívásokról, a jóváhagyásokról és az ágensek közötti üzenetekről, hogy ki tudja vizsgálni az eseményeket, és vissza tudja állítani a változtatásokat (ASI08, ASI10). Győződjön meg arról, hogy gyorsan le tudja állítani az ágenst: az OWASP az elszabadult ágensekhez vészleállító kapcsolókat (kill switch) és a hitelesítő adatok visszavonását, az elszabaduló futtatásokhoz pedig lépés-, idő- és költségkorlátos áramkörmegszakítókat (circuit breaker) sorol fel. Tesztelje a leállítási folyamatot, mielőtt szüksége lenne rá, és rendszeresen végezzen red teaminget az ágenseken, kizárólag olyan rendszereken, amelyek az Ön tulajdonában vannak, vagy amelyek tesztelésére írásos engedélye van, és ellenőrizze, hogy a modellszolgáltatója feltételei megengedik-e a biztonsági tesztelést.

Mit mondanak az uniós szabályok (háttér-információ, nem jogi tanácsadás)

  • A mesterséges intelligenciáról szóló uniós rendelet szerint nem minden AI-rendszer nagy kockázatú: általánosságban csak azok, amelyeket a III. mellékletben felsorolt célra használnak (kivételekkel), vagy amelyek az I. mellékletben felsorolt uniós jogszabályok hatálya alá tartozó termék biztonsági alkotórészei (vagy maguk is ilyen termékek), ha az adott termékhez harmadik fél általi megfelelőségértékelés szükséges.
  • A nagy kockázatú AI-rendszerek esetében a 15. cikk „megfelelő szintű pontosságot, stabilitást és kiberbiztonságot” ír elő. A 15. cikk (5) bekezdése ehhez hozzáteszi a rendszer használatának, kimeneteinek vagy teljesítményének megváltoztatására irányuló, jogosulatlan harmadik felek általi kísérletekkel szembeni ellenálló képességet, és adott esetben felsorolja az adatmérgezés, a modellmérgezés, a támadó szempontú példák (a modell kijátszása), valamint a bizalmasság elleni támadások vagy a modellhibák elleni intézkedéseket.
  • Az (EU) 2026/1744 rendelet, vagyis a mesterséges intelligenciáról szóló digitális omnibusz csomag (Digital Omnibus on AI) nyomán, amely 2026. július 27-én lépett hatályba, a nagy kockázatú rendszerekre vonatkozó kötelezettségeket a III. melléklet szerinti rendszerekre 2027. december 2-től, az I. melléklet hatálya alá tartozó termékekben lévő rendszerekre pedig 2028. augusztus 2-től kell alkalmazni.
  • Egyes szabályok már most is érvényesek: az 50. cikk értelmében 2026. augusztus 2-től azoknak a szolgáltatóknak, amelyek közvetlenül emberekkel kapcsolatba lépő AI-rendszereket kínálnak, gondoskodniuk kell arról, hogy ezek az emberek tájékoztatást kapjanak arról, hogy AI-val állnak kapcsolatban, kivéve, ha ez nyilvánvaló.
  • A kiberrezilienciáról szóló rendelet az uniós piacon forgalomba hozott, digitális elemeket tartalmazó termékekre vonatkozik, a szoftvereket is beleértve, ezért ellenőrizze, hogy az ágense ilyen termékként kerül-e forgalomba, vagy szolgáltatásként működik. A rendelet 2024. december 10-én lépett hatályba. A gyártóknak az aktívan kihasznált sérülékenységek és a súlyos események bejelentésére vonatkozó kötelezettségeit 2026. szeptember 11-től, a fő kötelezettségeket pedig 2027. december 11-től kell alkalmazni.

Az, hogy mindez vonatkozik-e az Ön ágensére, jogi tanácsadóra tartozó kérdés.

Hogyan tovább

Ha még csak most kezd ágenseket építeni, az alapokat az AI-ágens építéséről szóló útmutatónk (angol nyelven) és a saját tempóban végezhető Ágensalapú AI: Bevezetés az ágensfejlesztésbe kurzus mutatja be.

E készségek strukturált elsajátításának egyik módja az AI-biztonság: LLM-alkalmazások és AI-ágensek védelme kurzus: saját tempóban végezhető, középhaladó szintű és 40 órás. Kitér az AI-ellátási lánc biztonságára és az uniós szabályokra, a záróprojektjében pedig Önnek kell megtámadnia, kijavítania és újratesztelnie egy AI-ágenst.

Tanuljon meg keresett tech készségeket online a Code Labs Academyvel

Tanuljon meg keresett tech készségeket online a Code Labs Academyvel

Csatlakozzon támogató közösségünkhöz, hozza ki magából a legtöbbet, és indítsa el tech karrierjét.

Jelentkezzen most

Gyakran ismételt kérdések

Mi az OWASP Top 10 ágensalapú alkalmazásokhoz?

Az AI-ágensek tíz legnagyobb hatású biztonsági kockázatát tartalmazó lista, amelyet az OWASP GenAI Security Project 2025 decemberében tett közzé. Bejegyzései az ASI01 Agent Goal Hijacktől az ASI10 Rogue Agentsig terjednek, és mindegyik példákat és kockázatcsökkentő intézkedéseket tartalmaz.

Mit jelent a legkisebb önállóság elve az AI-ágenseknél?

A legkisebb önállóság (least agency) a legkisebb jogosultság elvének az OWASP által javasolt kiterjesztése: csak annyi önállóságot adjon az ágensnek, amennyire a feladatához szüksége van. A szükségtelen ágensszerű működés növeli a támadási felületet anélkül, hogy bármilyen értéket teremtene.

Biztonságos az MCP-szerverek használata?

Kezelje őket úgy, mint bármely harmadik féltől származó kódot, mert a szerver eszközei és az eszközleírások rejtett utasításokat hordozhatnak. Megbízható forrásból telepítse őket, rögzítse és ellenőrizze a verziókat, vizsgálja át az eszközleírásokat, a helyi szervereket sandboxban futtassa, és gondoskodjon arról, hogy egy ember megtagadhassa az eszközhívásokat.

Kérjen-e jóváhagyást egy AI-ágens minden művelet előtt?

Nem. A nagy hatású vagy visszafordíthatatlan műveletek, például adatok törlése, pénz átutalása vagy üzenetek küldése előtt kérdezzen meg egy embert, az alacsony kockázatú, visszafordítható műveleteket pedig hagyja lefutni. A túl sok jóváhagyási kérés jóváhagyási fáradtsághoz vezet, ami gyengíti az ellenőrzést.

Minden AI-ágens nagy kockázatú a mesterséges intelligenciáról szóló uniós rendelet szerint?

Nem. Általánosságban csak azok az AI-rendszerek nagy kockázatúak, amelyeket a rendelet III. mellékletében felsorolt célra használnak (kivételekkel), vagy amelyek az I. mellékletben felsorolt uniós jogszabályok hatálya alá tartozó termék biztonsági alkotórészei (vagy maguk is ilyen termékek), ha az adott termékhez harmadik fél általi megfelelőségértékelés szükséges. Az, hogy egy adott ágens ezek közé tartozik-e, jogi tanácsadóra tartozó kérdés.

Karrierszolgáltatások

Személyre szabott karriertámogatás a tech-pályakezdéshez. Önéletrajz-áttekintés, próbainterjúk és iparági betekintés segítik új készségeid magabiztos bemutatását.

Fedezd fel