LLM Red-Team Scanner

LLM agent security review: live injection/jailbreak probes plus a static audit of missing guardrails

Sollte ich dies verwenden

Qualität und Sicherheit

A
Qualität der Beschreibung
95%
Vollständigkeit des Schemas
60%
Qualität der Benennung
100%
Risiko der Vergiftung
100%
Übereinstimmung der Berechtigungen
100%
Einhaltung des Protokolls
100%

Basierend auf einer automatisierten Analyse der Tool-Definitionen und der Einhaltung des Protokolls.

Kontextkosten

~335Tokens (Tool-Definitionen)
~210 BTypische Antwortgröße
Minimale Auswirkung auf die Aufmerksamkeit (0.26% von 128k Kontext)

Dies ist die ungefähre Anzahl der Tokens, die jedes Mal verbraucht werden, wenn die Tools des Servers in den Kontext eines Modells geladen werden. Höhere Werte verringern die Aufmerksamkeit, die für andere Aufgaben verfügbar ist.

Installieren

Installation mit einem Klick

Fügen Sie dies Ihrer Datei `claude_desktop_config.json` hinzu:

{
  "mcpServers": {
    "llm-red-team-scanner": {
      "url": "https://qdmbzzwftor2rgmxupyyasguhy.srv.us/mcp"
    }
  }
}

Remote-Endpunkte

https://qdmbzzwftor2rgmxupyyasguhy.srv.us/mcpstreamable-http

Was es kann

Tool-Inventar

Tools (4)

🟢 Nur lesen🟡 Schreiben🔴 Löschen⚪ Unbekannt
⚪run_free_scan(spec)

Free LLM agent security review in ~35s. Two parts: (1) 8 live adversarial probes (jailbreak / prompt injection / system-prompt extraction / tool abuse) against your agent spec, and (2) a deterministic static audit of which guardrails the spec text itself is missing. Returns a 0-100 risk score, per-finding evidence, and a paste-ready guardrail sentence for each gap.

Eingabe-Schema

{
  "type": "object",
  "properties": {
    "spec": {
      "type": "string",
      "description": "Your agent / system prompt (>=20 chars)"
    }
  },
  "required": [
    "spec"
  ]
}
🟢get_scan_result(job_id)

Poll a scan by job id (returned by run_free_scan) until status=done.

Eingabe-Schema

{
  "type": "object",
  "properties": {
    "job_id": {
      "type": "string"
    }
  },
  "required": [
    "job_id"
  ]
}
🟢get_pricing

PRO pricing & payment info: 44 probes / 20 attack classes / 0-100 score / CI gate / per-class remediation, 0.15 XNO (ERC-20 or Lightning) or card.

Eingabe-Schema

{
  "type": "object",
  "properties": {}
}
🟢get_purchase_flow

Machine-readable autonomous purchase procedure: how an agent pays (0.15 XNO, or USDC on Base via x402) and receives the PRO download with no human in the loop (callback push + poll fallback).

Eingabe-Schema

{
  "type": "object",
  "properties": {}
}

Community

Diesen Server bewerten

Nachweis

Aktuelle Beobachtungen

verifiziertVersion nicht aufgezeichnet4 Tools