跳到主要內容

MCP Python SDK漏洞評測：OAuth憑證恐遭惡意伺服器竊取 | MCP Python SDK Review: OAuth Flaw Risked Credential Theft

By Kit 小克 | AI Tool Observer | 2026-10-01

🇹🇼 MCP Python SDK漏洞評測：OAuth憑證恐遭惡意伺服器竊取

MCP Python SDK爆OAuth漏洞：惡意伺服器能整碗端走你的登入憑證

如果你的AI agent或MCP client是用官方MCP Python SDK連線遠端伺服器，現在該檢查版本號了。GitHub在2026年9月28日發布安全公告GHSA-qx49-fqc8-xw99，指出MCP Python SDK的OAuth用戶端實作有一個CVSS 7.5分的高風險漏洞，只要接上一台惡意或已被入侵的MCP伺服器，你的OAuth憑證可能整組被偷走。

漏洞怎麼運作

問題出在SDK做OAuth discovery（自動探測授權伺服器設定）時，沒有在每一條路徑上驗證issuer身分，也沒把已儲存或預先配置的client憑證跟真正的授權伺服器綁定。攻擊手法很簡單：惡意MCP伺服器故意對標準的discovery請求回傳404，逼SDK改成直接向該伺服器索取OAuth設定——而這台伺服器當然可以自己指定token endpoint網址。結果就是你的client_secret、authorization code、PKCE code_verifier三樣東西，全部乖乖送到攻擊者手上。攻擊者拿到這些之後，可以向真正的登入服務換到一張合法的access token，權限跟你的app被授權的一樣大。

誰會中招、怎麼修

受影響版本是1.x的1.9.1到1.29.1，以及2.x的2.0.0a1到2.1.1。只要你的程式用SDK當MCP client、透過HTTP連線，並且用了OAuthClientProvider、ClientCredentialsOAuthProvider、PrivateKeyJWTOAuthProvider或舊版的RFC7523OAuthClientProvider做驗證，同時會連到不是100%信任的MCP伺服器，就在風險名單裡。修法很直接：升級到1.30.0或2.2.0，兩個版本都已經修掉這個issuer驗證漏洞。

這件事對正在瘋狂串接MCP工具鏈的團隊是個提醒：MCP生態圈擴張得比安全稽核快，agent一多、串接的第三方伺服器一多，攻擊面就跟著變大。如果你手上有內部工具或agent框架接了MCP client功能，這次不是選擇性更新，是該馬上排進本週的維護清單。

好不好用，試了才知道。

🇺🇸 MCP Python SDK Review: OAuth Flaw Risked Credential Theft

MCP Python SDK Review: OAuth Flaw Let Rogue Servers Steal Your Credentials

If your AI agent stack uses the official MCP Python SDK to connect to remote Model Context Protocol servers, check your version now. On September 28, 2026, GitHub published security advisory GHSA-qx49-fqc8-xw99 disclosing a CVSS 7.5 vulnerability: connect to a malicious or compromised MCP server, and it can walk away with your OAuth credentials.

How the Attack Works

The bug lives in OAuth discovery. The SDK didn't validate the authorization server's issuer identity on every discovery path, and it didn't bind stored or pre-provisioned client credentials to the authorization server they actually belong to. The exploit is almost boring in its simplicity: a malicious MCP server returns a 404 on the standard discovery request, which forces the client to fetch OAuth configuration directly from that server instead — meaning the attacker gets to name their own token endpoint. The client then hands over its client_secret, authorization code, and PKCE code_verifier to whoever controls that endpoint. With those three pieces, an attacker can redeem a real access token from the legitimate identity provider, inheriting whatever permissions your app was granted.

Who's Affected and the Fix

Affected versions span 1.9.1 through 1.29.1 on the 1.x line, and 2.0.0a1 through 2.1.1 on 2.x. You are at risk if you use the SDK as an MCP client over HTTP with OAuthClientProvider, ClientCredentialsOAuthProvider, PrivateKeyJWTOAuthProvider, or the deprecated RFC7523OAuthClientProvider — and you connect to any MCP server you do not fully trust. The fix is straightforward: upgrade to 1.30.0 or 2.2.0, both of which patch the issuer validation gap.

The bigger lesson: MCP adoption is outrunning security review. As more teams wire agents into third-party MCP servers, the attack surface grows faster than anyone is auditing it. If you have internal tools or agent frameworks using MCP client auth, this is not a nice-to-have patch — put it on this week's maintenance list.

好不好用，試了才知道。

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容