Så säkrar du AI-agenter: OWASP Agentic Top 10, MCP och viktiga skydd
Senast uppdaterad: November 19, 2026Lästid: 8 min
En AI-agent, byggd kring en stor språkmodell (LLM), gör mer än att svara på frågor. Den planerar, anropar verktyg, läser och skriver data och pratar ibland med andra agenter. Det gör varje svaghet i modellen allvarligare: en promptinjektion som bara skulle ge ett dåligt svar i en chattbot kan få en agent att skicka e-post, ändra poster eller köra kod. Den här guiden går igenom OWASP Top 10 för agentiska applikationer och praktiska skyddsåtgärder, inklusive säkerhet för Model Context Protocol (MCP).
Varför agenter behöver en egen säkerhetsmodell
NIST AI 100-2e2025 beskriver en agent som programvara som ”iterativt promptar en modell”, bearbetar dess utdata, till exempel för att anropa en funktion, och matar tillbaka resultaten i nästa prompt. OWASP Top 10 för LLM-applikationer 2026 drar gränsen just där: listan behandlar modellen som en komponent, och när modellen agerar med verktyg, minne och konsekvenser längre fram i kedjan hänvisar OWASP till sin lista för agentiska applikationer.
Den listan lägger till en princip som är värd att anamma först: minsta möjliga handlingsfrihet (least agency). OWASP råder organisationer att ”undvika onödig autonomi”, eftersom agentiskt beteende där det inte behövs ”utökar attackytan utan att tillföra värde”.
OWASP Top 10 för agentiska applikationer
OWASP GenAI Security Project publicerade OWASP Top 10 för agentiska applikationer den 9 december 2025. De tio posterna:
- ASI01: Agent Goal Hijack (kapning av agentens mål). Injicerat innehåll styr om agentens mål eller planer.
- ASI02: Tool Misuse and Exploitation (missbruk och utnyttjande av verktyg). Agenten använder legitima verktyg på osäkra sätt.
- ASI03: Identity and Privilege Abuse (missbruk av identitet och behörigheter). Delegerade eller ärvda inloggningsuppgifter missbrukas.
- ASI04: Agentic Supply Chain Vulnerabilities (sårbarheter i den agentiska leveranskedjan). Verktyg, MCP-servrar, promptar eller agenter är skadliga eller manipulerade.
- ASI05: Unexpected Code Execution (RCE) (oväntad kodkörning). Genererad eller injicerad kod körs på dina system.
- ASI06: Memory & Context Poisoning (förgiftning av minne och kontext). Lagrat minne eller hämtad kontext korrumperas.
- ASI07: Insecure Inter-Agent Communication (osäker kommunikation mellan agenter). Meddelanden mellan agenter förfalskas eller ändras.
- ASI08: Cascading Failures (kaskadfel). Ett fel sprider sig över agenter och arbetsflöden.
- ASI09: Human-Agent Trust Exploitation (utnyttjande av människors förtroende för agenter). Människor litar för mycket på en agent som låter säker på sin sak.
- ASI10: Rogue Agents (skenande agenter). En agent glider bort från sin avsedda funktion eller sitt avsedda omfång.
Ge agenter minsta möjliga behörighet och avgränsade inloggningsuppgifter
OWASP:s post LLM01:2026 konstaterar att de flesta dokumenterade promptinjektionsincidenter med stor påverkan blev allvarliga eftersom den komprometterade modellen kunde agera via verktyg med användarens behörighetsnivå. ASI03 rekommenderar identiteter per agent och ”kortlivade, snävt avgränsade tokens per uppgift”; ASI02 rekommenderar profiler per verktyg med behörighetsomfång, hastighetsbegränsningar och tillåtelselistor för utgående trafik. Kör verktyg i användarens egen kontext med minsta möjliga OAuth-omfång, inte via ett delat konto med höga behörigheter.
Invariant Labs visade varför omfånget spelar roll: ett skadligt GitHub-issue kunde kapa en agent som var ansluten till GitHubs MCP-server och exponera data från användarens privata repon. De beskrev det som ”inte en brist i själva koden i GitHubs MCP-server” utan som ett arkitektoniskt problem och föreslog att varje session begränsas till ett enda repo.
En snabb designkontroll är Metas Agents Rule of Two: i en och samma session bör en agent kombinera högst två av följande tre: att bearbeta obetrodd indata, att komma åt känsliga system eller privata data, och att ändra tillstånd eller kommunicera externt. Om den behöver alla tre säger Meta att den ”inte bör tillåtas att arbeta autonomt”.
Använd tillåtelselistor och en policykontroll utanför modellen
Bestäm i kod, inte i prompten, vad agenten får göra. Ha tillåtelselistor för verktygen i varje uppgift, för de nätverksdestinationer agenten kan nå och för de kommandon den får köra utan att fråga, och neka allt annat. ASI02 beskriver en kontrollpunkt som upprätthåller policyer (policy enforcement point): den behandlar planerarens utdata som obetrodda, kontrollerar avsikt och argument, upprätthåller scheman och hastighetsbegränsningar och utfärdar kortlivade inloggningsuppgifter innan ett verktyg körs.
Kör agentens kod i en sandlåda
Om en agent skriver eller kör kod bör du räkna med att en del av den är fientlig (ASI05). OWASP:s råd: kör aldrig som root, kör kod i sandlådade containrar med strikta begränsningar, även av nätverksåtkomsten, och skilj kodgenerering från körning med valideringssteg. Anthropics genomgång av hur företaget sandlådar sin kodagent tillägger att effektiv sandlådning kräver isolering av både filsystem och nätverk, eftersom en komprometterad agent utan nätverksisolering ”skulle kunna exfiltrera känsliga filer som SSH-nycklar”.
Fråga en människa före åtgärder som inte går att ångra
Kräv godkännande före allt som är svårt att ångra eller som syns utanför systemet: att radera data, flytta pengar, publicera eller skicka meddelanden. ASI02 föreslår att du visar en testkörning (dry run) eller en diff av åtgärden före godkännandet. Håll frågorna så sällsynta att de fortfarande spelar roll: OWASP varnar för att godkännandetrötthet försämrar omdömet, och ASI09 beskriver agenter som övertalar granskare att godkänna skadliga åtgärder.
Behandla MCP-servrar och verktygsbeskrivningar som obetrodda
MCP gör det enkelt att koppla in verktyg i en agent, vilket gör verktygen till en risk i leveranskedjan. MCP-specifikationen säger att klienter ”MÅSTE betrakta verktygsannoteringar som obetrodda om de inte kommer från betrodda servrar” och att det ”BÖR alltid finnas en människa i loopen med möjlighet att neka verktygsanrop”.
Invariant Labs beskriver verktygsförgiftning som instruktioner i verktygsbeskrivningar som ”är osynliga för användare men synliga för AI-modeller”, och varnar för att en server kan ändra en beskrivning efter att du har godkänt den. OWASP:s ASI04 nämner en skadlig MCP-server på npm som utgav sig för att vara en legitim e-postintegration och i hemlighet kopierade e-post till angriparen.
Praktiska steg:
- Installera MCP-servrar från källor du litar på, lås versioner och verifiera hashar.
- Granska verktygsbeskrivningar efter dolda instruktioner, och gör det igen när de ändras.
- För lokala servrar: visa exakt vilket kommando som ska köras innan det körs, och starta servern med minimala behörigheter i en sandlåda, som MCP:s bästa praxis för säkerhet rekommenderar.
- Skicka aldrig vidare tokens: MCP-servrar ”FÅR INTE acceptera några tokens som inte uttryckligen har utfärdats för MCP-servern”.
- Börja med snäva OAuth-omfång och lägg bara till fler när en operation kräver dem.
Modul 4 i kursen AI-säkerhet: säkra LLM-appar och AI-agenter, som du går i egen takt, handlar om att säkra AI-agenter, verktyg och MCP-servrar.
Håll agentens minne rent
Minnet gör att en attack kan leva kvar mellan sessioner (ASI06). Validera det som skrivs till minnet, håll minnet separat per användare och per uppgift, låt poster som inte har verifierats löpa ut och låt inte agentens egna utdata flöda tillbaka in i betrott minne automatiskt. OWASP:s post LLM01:2026 tillägger: behandla skrivningar till minnet som privilegierade och logga prompten bakom varje skrivning.
Logga agentens åtgärder och ha ett sätt att stoppa agenten
Spara loggar som inte kan ändras obemärkt över verktygsanrop, godkännanden och meddelanden mellan agenter, så att du kan utreda och rulla tillbaka (ASI08, ASI10). Se till att du snabbt kan stoppa en agent: OWASP listar nödstopp (kill switches) och återkallande av inloggningsuppgifter för skenande agenter, och kretsbrytare med gränser för antal steg, tid och kostnad för okontrollerade körningar. Testa stoppvägen innan du behöver den, och utsätt agenter för red teaming regelbundet, men bara på system som du äger eller har skriftligt tillstånd att testa, och kontrollera att villkoren hos leverantören av din modell tillåter säkerhetstester.
Vad EU:s regler säger (bakgrund, inte juridisk rådgivning)
- Alla AI-system räknas inte som system med hög risk enligt EU:s AI-akt: i stora drag gäller det bara system som används för ett ändamål som förtecknas i bilaga III (med undantag), eller som är en säkerhetskomponent i en produkt som omfattas av de EU-lagar som anges i bilaga I (eller själva är en sådan produkt) när produkten måste genomgå en tredjepartsbedömning av överensstämmelse.
- För AI-system med hög risk kräver artikel 15 ”en lämplig nivå avseende riktighet, robusthet och cybersäkerhet”. Artikel 15 punkt 5 lägger till att systemen ska vara resilienta mot försök av obehöriga tredje parter att ändra deras användning, utdata eller prestanda, och anger, när det är lämpligt, åtgärder mot dataförgiftning, modellförgiftning, antagonistiska exempel (modellkringgående) samt sekretessangrepp eller modellfel.
- Efter förordning (EU) 2026/1744, den digitala omnibusförordningen om AI (i kraft sedan den 27 juli 2026), gäller skyldigheterna för system med hög risk från och med den 2 december 2027 för system enligt bilaga III och från och med den 2 augusti 2028 för system i produkter som omfattas av bilaga I.
- Vissa regler gäller redan: enligt artikel 50 måste leverantörer av AI-system som interagerar direkt med människor sedan den 2 augusti 2026 se till att dessa människor får veta att de har att göra med en AI, om det inte är uppenbart.
- Cyberresiliensakten gäller produkter med digitala element, inklusive programvara, som släpps ut på EU-marknaden, så kontrollera om din agent levereras som en sådan produkt eller körs som en tjänst. Akten trädde i kraft den 10 december 2024. Tillverkarnas skyldigheter att rapportera aktivt utnyttjade sårbarheter och allvarliga incidenter gäller från och med den 11 september 2026, och de huvudsakliga skyldigheterna gäller från och med den 11 december 2027.
Huruvida något av detta gäller din agent är en fråga för en jurist.
Nästa steg
Om du är ny på att bygga agenter går vår guide om hur man bygger en AI-agent (på engelska) och kursen Agentisk AI: Introduktion till Agentutveckling, som du går i egen takt, igenom grunderna.
Ett strukturerat sätt att bygga upp de här färdigheterna är kursen AI-säkerhet: säkra LLM-appar och AI-agenter: i egen takt, på mellannivå och 40 timmar lång. Den tar upp säkerhet i AI-leveranskedjan och EU:s regler, och i slutprojektet angriper, åtgärdar och testar du om en AI-agent.

Lär dig efterfrågade techfärdigheter online med Code Labs Academy
Gå med i vår stöttande gemenskap, lås upp din potential och påbörja en givande karriär inom tech.
Ansök nu