[论文解读] Security Threat Modeling for Emerging AI-Agent Protocols: A Comparative Analysis of MCP, A2A, Agora, and ANP

Zeynab Anbiaee, Mahdi Rabbani+5 more|arXiv (Cornell University)|Feb 11, 2026

Access Control and Trust被引用 0

一句话总结

本论文围绕四种新兴 AI-代理协议（MCP、A2A、Agora、ANP）进行以协议为中心的威胁建模和定性风险评估，并提供一个以测量为驱动的 MCP 案例研究，以说明多服务器工具执行中的安全风险。

ABSTRACT

The rapid development of the AI agent communication protocols, including the Model Context Protocol (MCP), Agent2Agent (A2A), Agora, and Agent Network Protocol (ANP), is reshaping how AI agents communicate with tools, services, and each other. While these protocols support scalable multi-agent interaction and cross-organizational interoperability, their security principles remain understudied, and standardized threat modeling is limited; no protocol-centric risk assessment framework has been established yet. This paper presents a systematic security analysis of four emerging AI agent communication protocols. First, we develop a structured threat modeling analysis that examines protocol architectures, trust assumptions, interaction patterns, and lifecycle behaviors to identify protocol-specific and cross-protocol risk surfaces. Second, we introduce a qualitative risk assessment framework that identifies twelve protocol-level risks and evaluates security posture across the creation, operation, and update phases through systematic assessment of likelihood, impact, and overall protocol risk, with implications for secure deployment and future standardization. Third, we provide a measurement-driven case study on MCP that formalizes the risk of missing mandatory validation/attestation for executable components as a falsifiable security claim by quantifying wrong-provider tool execution under multi-server composition across representative resolver policies. Collectively, our results highlight key design-induced risk surfaces and provide actionable guidance for secure deployment and future standardization of agent communication ecosystems.

研究动机与目标

• 为 MCP、A2A、Agora 与 ANP 构建一个结构化的威胁建模分析，以识别特定协议与跨协议的风险。
• 引入一个定性风险评估框架，评估在创建、运行和更新阶段的可能性、影响及总体风险。
• 提供一个以测量为驱动的 MCP 案例研究，形式化并量化关于可执行组件缺失强制性验证/鉴证的可证伪的安全主张。
• 为安全部署和未来 AI 代理通信生态系统的标准化提供可操作的指导。
• 促进跨协议比较，以为安全设计和标准化工作提供参考。

提出的方法

• 对四种 AI-代理协议进行架构与威胁狩猎分析，以识别设计引发的风险面与信任边界问题。
• 开发一个包含 12 项的协议级风险分类法，评估覆盖生命周期阶段（创建、运行、更新）。
• 使用可能性与影响评分的定性风险评估框架来评估安全姿态。
• 以测量驱动的 MCP 案例研究，在多服务器组合下对解析器策略下错误提供者的工具执行进行量化。
• 将发现综合为设计建议和面向代理通信生态系统的标准化指引。

实验结果

研究问题

• RQ1 MCP、A2A、Agora 与 ANP 在协议特异性与跨协议方面有哪些风险面？
• RQ2 如何通过生命周期感知的定性风险评估来表征 AI-代理协议的安全姿态？
• RQ3 对于安全的代理间通信和标准化，哪些可操作的设计与部署指南可以产生？
• RQ4 是否有一个量化的 MCP 案例研究来衡量关于可执行组件缺失强制性验证/鉴证的风险？
• RQ5 这四种协议的风险画像如何进行对比，以为整个生态系统的安全实践提供参考？

主要发现

• 结构化的威胁建模分析揭示了四种协议中的设计引发的风险面。
• 提出并在创建、运行和更新阶段评估了 12 项协议级风险分类法。
• 引入一个定性风险评估框架，用以判断可能性、影响和总体风险以评估协议安全性。
• 一个以测量驱动的 MCP 案例研究正式化关于缺少强制性验证/鉴证的可证伪安全主张，并在多服务器组合下量化错误提供者的工具执行。
• 结果强调跨协议的脆弱性，并为安全部署与代理通信生态系统的标准化提供可操作的指导。