LLM 에이전트 연결의 위협: 정적 분석을 통한 MCP 서버 보안 진단 = Threats in LLM Agent Connectivity: Security Diagnosis of MCP Servers via Static Analysis

국문 초록 (Abstract)

최근 AI 시스템의 기능 확장을 위해 Model Context Protocol (MCP)의 채택이 증가하고 있으나, 그 구현체의 보안에 대한 실증적 연구는 부족하다. 본 연구는 251개의 MCP 서버와 113개의 비MCP 서버 (비교군)를 정적 분석하여 MCP 생태계의 고유한 보안 취약성 프로파일을 도출하였다. 분석 결과, MCP 구현체에서 총 15개 유형의 취약점이 일관되게 발견되었으며, 이는 (1) 설정 및 민감 정보의 하드코딩, (2) 안전하지 않은 외부 프로세스 호출, (3) 신뢰할 수 없는 코드 및 예외 처리라는 세 가지 패턴으로 유형화되었다. 또한 군집 분석을 통해 MCP 서버들이 취약점 패턴에 따라 구조적으로 유형화됨을 확인하였다. 본 연구는 MCP 생태계의 잠재적 위험을 진단하고, 개발 단계에서 적용 가능한 구체적인 보안 가이드라인을 제시한다.

다국어 초록 (Multilingual Abstract)

As the adoption of the Model Context Protocol (MCP) expands to enhance AI system capabilities, empirical research on the security of its implementations remains insufficient. This study derives a unique security vulnerability profile of the MCP ecosystem by statically analyzing 251 MCP servers and 113 Non-MCP servers (control group). The analysis results reveal that 15 types of vulnerabilities were consistently found in MCP implementations. Through comparative analysis, we identified three critical patterns: (1) Hardcoding of configuration and sensitive information, (2) Unsafe external process calls, and (3) Unreliable code and exception handling. Furthermore, cluster analysis demonstrated that MCP servers can be categorized into distinct groups based on these vulnerability patterns. This study diagnoses potential risks in the MCP ecosystem and suggests specific security guidelines to be considered during the development phase.