✓ Bertahan Peringkat 1 dari 18 usulanIndie Keamanan 4 Nov 2026

Deteksi manipulasi untuk konfigurasi AI agent dan server MCP

Terus-menerus memindai mesin developer untuk plugin agent yang terpasang diam-diam, hook yang menyetujui dirinya sendiri, dan endpoint MCP remote yang tidak sah di Claude Code, Codex, dan Cursor.

Buka diskusinya ↗

Ringkasan siap tempel untuk Claude Code, Cursor, atau agen coding lainnya (dalam bahasa Inggris).

I want to build a small, bootstrappable product. Help me plan and start the MVP.

Product: Tamper detection for AI agent configs and MCP servers
What it is: Continuously scans developer machines for silently installed agent plugins, self-approved hooks, and rogue remote MCP endpoints in Claude Code, Codex, and Cursor.
Who pays: Platform/security engineering leads at 100–2,000 person software companies rolling out AI coding agents; $200–800/mo team plan or $5–15/seat from the security tooling budget.
Closest alternatives: mcp-scan (Invariant Labs/Snyk), Snyk / Cisco AI security posture tools, generic EDR like CrowdStrike or Defender for Endpoint
The gap: Existing tools are point-in-time MCP scanners or generic endpoint agents; none continuously watch the actual agent-host config files (plugin marketplaces, hooks.state trusted hashes, MCP endpoint registrations) across a fleet of dev machines, diff them, alert on self-approval patterns, and offer one-click rollback.
Why now: The MCP/agent-plugin ecosystem exploded in the last ~12 months and this exact incident (1464 points, top of HN) just demonstrated a mainstream vendor abusing the installation surface; agent host trust models are new and unguarded.
Moat to build toward: A growing rule corpus of agent-host file formats, trust-record schemas, and known-bad installer behaviors across Claude Code/Codex/Cursor and future hosts; org-wide baseline data creates switching cost.
Biggest risk: Agent hosts (Anthropic, OpenAI) harden their own installers and ship built-in integrity checks, commoditizing the detection layer.

First three steps:
1. Build a CLI that snapshots and diffs ~/.codex, ~/.claude, and Cursor config trees, flagging new plugins, hooks, trusted_hash entries, and remote MCP URLs.
2. Ship a detection ruleset for self-approval patterns (installer writing its own trust record) plus a rollback/uninstall command per host.
3. Add a lightweight team mode that uploads diffs to a dashboard with alerts for security leads.

Start by asking me up to five questions about constraints (stack, budget, timeline), then propose the smallest version a paying customer would use, and scaffold it.

Total6.5/10

Masalah7

Kesediaan membayar6

Waktu8

Celah pasar6

Parit pertahanan5

Kelayakan7

Pro

Siapa yang membayar

Pimpinan platform dan security engineering di perusahaan software berukuran 100 sampai 2.000 orang yang sedang menerapkan AI coding agent; paket tim $200-800/bln atau $5-15 per seat dari anggaran security tooling.

Apa kata orang · 3

Installer Postman otomatis memasang plugin ke Codex dan Claude Code, menulis trusted_hash miliknya sendiri untuk menyetujui hook startup-nya, dan mendaftarkan endpoint MCP remote tanpa persetujuan pengguna. Dari artikel ↗
Komentator menyebut insiden ini sebagai pengelakan model kepercayaan agent harness, prompt injection, dan pendaftaran diam-diam endpoint MCP remote keluar. Baca komentarnya ↗
Komentator lain menemukan Postman mem-proxy permintaan yang berisi data sensitif tanpa izin, dan baru ketahuan lewat aturan firewall. Baca komentarnya ↗

Diparafrasekan dari diskusi. Ikuti tautan untuk komentar aslinya.

Pesaing dan celah

mcp-scan (Invariant Labs/Snyk)Snyk / Cisco AI security posture toolsgeneric EDR like CrowdStrike or Defender for Endpoint

Alat yang ada hanya berupa pemindai MCP sekali jalan atau agen endpoint generik. Belum ada yang terus mengawasi file konfigurasi agent host yang sebenarnya (marketplace plugin, hooks.state berisi trusted hash, pendaftaran endpoint MCP) di seluruh armada mesin developer, lalu membandingkan perubahannya, memberi peringatan untuk pola self-approval, dan menawarkan rollback satu klik.

Mengapa sekarang

Ekosistem MCP dan plugin agent berkembang pesat dalam sekitar 12 bulan terakhir. Insiden ini (1464 poin, teratas di HN) baru saja menunjukkan vendor arus utama menyalahgunakan permukaan instalasi, sementara model kepercayaan agent host masih baru dan belum terlindungi.

Parit pertahanan · 5/10

Korpus aturan yang terus bertambah berisi format file agent host, skema trust record, dan perilaku installer berbahaya yang sudah diketahui di Claude Code, Codex, Cursor, serta host di masa depan. Data baseline seluruh organisasi menciptakan biaya pindah yang tinggi.

Kontra

Tim merah: mcp-scan bersifat sekali jalan dan EDR tidak spesifik untuk agent host. Membandingkan trust record agent secara terus-menerus di level armada, dengan rollback, adalah celah nyata yang baru saja terbukti dan waktunya sangat tepat.
Yang bisa membuatnya gagal: Penyedia agent host (Anthropic, OpenAI) memperketat installer mereka sendiri dan menambahkan pemeriksaan integritas bawaan, sehingga lapisan deteksi menjadi komoditas.

Mulai

Tiga langkah pertama: Bangun CLI yang membuat snapshot dan membandingkan pohon konfigurasi ~/.codex, ~/.claude, dan Cursor, lalu menandai plugin, hook, entri trusted_hash, dan URL MCP remote yang baru.
Rilis ruleset deteksi untuk pola self-approval (installer menulis trust record miliknya sendiri) beserta perintah rollback atau uninstall per host.
Tambahkan mode tim ringan yang mengunggah diff ke dashboard dengan peringatan untuk security lead.
Diskusi asli: Postman silently auto-installs AI plugins and attempts to share all API data ↗ 1.464 poin477 komentarDari ceritaArtikel tertaut

Diterjemahkan dari bahasa Inggris. Baca versi asli

#	Skor	Ide	Jalur	Kategori	Masalah	Bayar	Waktu	Celah	Parit	Layak
1	6.4	Platform operasi untuk armada build Mac headlessSoftware operasi armada yang mengotomatiskan pemulihan, unlock, dan imaging untuk rak Mac headless yang dipakai sebagai node build CI.	Indie	DevTools	7	6	7	6	5	7
2	6.2	Pengujian adversarial berkelanjutan untuk stack pertahanan fraudLayanan red-team yang menyerang aturan dan model fraud Anda dengan simulasi penipu adaptif, dan mengukur seberapa cepat setiap pertahanan berhasil ditembus sebelum penyerang sungguhan menemukannya.via Show HN	Venture	Keamanan	7	6	6	7	5	5

Pro

Kontra

Mulai

Lainnya dari edisi ini