周一,一家专注于模型上下文协议(MCP)安全的初创公司Runlayer正式从隐身模式中走出,获得了来自Khosla Ventures的Keith Rabois和Felicis的1100万美元种子轮融资。
这家公司由三度创业的Andrew Berman创立,他此前曾创办了婴儿监护器制造商Nanit,以及在2024年被Zapier收购的AI视频会议工具Vowel。
自Runlayer四个月前以隐身模式推出产品以来,已经签约了数十家客户,包括Gusto、Rippling、dbt Labs、Instacart、Opendoor和Ramp等八家独角兽公司或上市公司。此外,据Berman向TechCrunch透露,公司还成功邀请到了MCP协议的首席创建者David Soria Parra作为天使投资人和顾问。
Parra的团队在Anthropic于2024年11月将该协议作为开源项目发布。MCP此后已成为允许智能体连接其独立工作所需数据和系统的事实标准。该协议允许智能体在无人监督的情况下访问数据、移动数据、修改数据并执行业务流程。
该协议现已得到所有主要模型制造商的支持,包括OpenAI、微软、亚马逊云服务、谷歌,以及数千家技术和企业公司;仅举几例:Atlassian、Asana、Stripe、Block,还有从银行到消费品制造商等各行各业的公司。
Runlayer首席执行官Berman对TechCrunch表示:"每个人都在谈论AI,但AI的实际价值完全取决于它能够访问的工具和资源。"
问题是,MCP协议本身并未包含太多现成的安全功能,因此许多MCP实现已被发现在多个方面存在漏洞。
最典型的例子可能是GitHub和Asana。今年5月,Invariant Labs的研究人员在MCP服务器中发现了一个提示注入漏洞,使他们能够从私有GitHub仓库中获取数据(这些本不应该向公众开放的仓库)。Asana在6月发现并修复了其MCP服务器中的一个漏洞,该漏洞可能会暴露客户数据。此后,在常见MCP服务器设置中又发现了许多其他类型的攻击。
正如预期的那样,此类安全问题催生了众多MCP安全产品,包括来自CloudFlare、Docker和Wiz等知名公司的产品,以及众多专注于更具体产品的初创公司。
目前最常见的MCP安全产品类型是网关,本质上是一个用于识别智能体并控制其对应用程序访问的安全层。
Runlayer计划通过成为一个集网关与威胁检测、可观测性、企业开发和详细权限管理等功能于一体的全方位安全工具,在这个拥挤的市场中脱颖而出。威胁检测功能分析每个MCP请求;可观测性功能监控IT部门许可的所有MCP服务器上的智能体活动;企业开发功能让IT部门为企业用户构建定制AI自动化;详细权限管理与Okta和Entra等现有身份提供商协作。
与开源Obot等其他竞争对手类似,Runlayer为业务用户提供了一个类似Okta的目录,展示IT部门允许智能体访问的预审核MCP服务器。Runlayer将智能体的应用程序权限与人类用户的权限相匹配。例如,一些人可能对财务系统只有只读访问权限,一些人有写入权限(修改数据的能力),而其他人则完全没有访问权限。
Berman认为Runlayer不仅在产品广度上,更在团队经验上脱颖而出。他创立这家初创公司是因为在将Vowel出售给Zapier后,他成为了Zapier的AI总监,并构建了首批MCP服务器之一,当时与OpenAI和Anthropic密切合作。
"我们看到协议存在什么问题?首先是安全风险,因为它被采用得太快了,"他说。在可观测性和审计等领域存在"盲点",这使得企业向用户推广变得风险重重。
因此在8月,"我们辞去了工作。我们签下了规范创建者David Soria Parra,在四个月内,我们签约了八家独角兽公司,"他和来自Zapier的联合创始人Tal Peretz和Vitor Balocco如是说。
据Berman介绍,公司的其他顾问和投资者还包括Cursor安全负责人Travis McPeak,以及Neon创始人Nikita Shamgunov。
Q&A
Q1:MCP协议是什么?它为什么重要?
A:MCP(模型上下文协议)是由Anthropic于2024年11月发布的开源协议,现已成为允许智能体连接其独立工作所需数据和系统的事实标准。该协议允许智能体在无人监督的情况下访问、移动、修改数据并执行业务流程,现已得到OpenAI、微软、谷歌等主要模型制造商支持。
Q2:MCP协议存在哪些安全问题?
A:MCP协议本身并未包含太多现成的安全功能,因此许多MCP实现存在多种漏洞。最典型的例子是GitHub和Asana,前者被发现存在提示注入漏洞,可能泄露私有仓库数据;后者在6月修复了可能暴露客户数据的漏洞。这些安全问题使得企业推广智能体应用面临风险。
Q3:Runlayer如何解决MCP安全问题?
A:Runlayer提供全方位MCP安全解决方案,结合网关功能与威胁检测、可观测性、企业开发和详细权限管理。它分析每个MCP请求,监控所有智能体活动,支持定制AI自动化,并与Okta等身份提供商协作,将智能体权限与人类用户权限相匹配,为企业提供安全可控的智能体部署环境。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。