Tillbaka till Nyheter
SäkerhetAI Understanding genomgång

AIR lämnar stealth med en plattform för att kontrollera AI-agent tillägg och åtgärder

AIR säger att det har kommit ur smyg med en säkerhetsplattform utformad för att inspektera kompetens, plugins, MCP:er och andra tillägg som AI-agenter använder, och sedan övervaka agentaktivitet under körning.

5 min readRead the linked source
Source-provided image accompanying AIR exits stealth with a platform to vet AI-agent add-ons and actions
KällhänvisningKälla inspelad
Förläggare
air.security
Källlänk
air.securityhttps://www.air.security/
Källtyp
Länkad källa – status för primär källa har inte fastställts.
SammanhangFörstå detta på 60 sekunder

Börja här

Nyckeltermer

MCP (Model Context Protocol)
Ett öppet protokoll som låter AI-applikationer ansluta till externa verktyg, datakällor och kontextleverantörer på ett standard sätt.
AI-agent
Ett mjukvarusystem som kan observera, resonera och vidta åtgärder för att uppnå ett mål, ofta med hjälp av verktyg och minne.
Fråga
Inmatningsinstruktionerna och sammanhanget som tillhandahålls till en generativ modell.
Testa dig självAI Agents Quiz
Source video from air.security · shown with attribution.

Vad hände

AIR tillkännagav den 1 september 2026 att det var på väg ur smyg med en säkerhetsplattform för AI-agenter. Företaget beskriver sin kärnprodukt som en "kontextbrandvägg" som analyserar indata som kommer in i en agent från kompetens, MCP:er, plugins, webbplatser och intern data.

AIR säger att det dök upp ur smyg den 1 september 2026, med en plattform som specifikt syftar till att säkra AI-agenter och de externa komponenter de använder. Dess centrala produktbeskrivning är en "kontextbrandvägg" placerad mellan en agent och omvärlden. AIR säger att systemet kontinuerligt analyserar och filtrerar indata som kommer in i en agents sammanhang, inklusive färdigheter, MCP:er, plugins, webbplatser och interna data, med målet att stoppa hot innan de når agenten.

Företaget delar upp plattformen i fyra delar. AIR Control beskrivs som styr en organisations agentflotta, inklusive sanktionerade och "skuggagenter", genom policyer som täcker konfiguration, identitet och behörigheter. AIR Filter presenteras som en tilläggsbrandvägg som kontrollerar färdigheter, plugins, MCP:er och subagenter innan installationen. AIR Defend är avsett att övervaka agentåtgärder och upptäcka, svara på och skydda mot hot i realtid. AIR Marketplace beskrivs som en källa till förhandsgranskade externa och certifierade interna tillägg.

AIR ramar in färdigheter, plugins och MCP:er som applikationslagret kring AI-agenter. I dess terminologi är färdigheter återanvändbara instruktioner, plugins-paketfärdigheter och andra komponenter, och MCP:er tillhandahåller externa verktyg, data och åtgärder. Företaget säger att dessa tillägg kan innehålla dolt beteende, snabba injektioner, överdrivna behörigheter, obehöriga åtgärder, externt laddade instruktioner, dataexfiltreringsvägar eller svagheter i försörjningskedjan. Dessa är AIRs produkt- och hotmodellpåståenden; den medföljande källan inkluderar inte oberoende testning av plattformen.

Källan innehåller också ett AIR-forskningsinlägg daterat den 27 augusti 2026, med titeln "MCPJacking: 155 Hijackable MCPs Discovered Live in the Official MCP Marketplace." AIR säger att dess forskare hittade 155 MCP:er som förlitade sig på utgångna domäner, registrerade dessa domäner, publicerade ersättnings MCP:er och fick fjärrexekvering av omedelbara agenter som litade på dem. Sidan identifierar inte den berörda marknadsplatsen i den medföljande texten, beskriver inte hela undersökningsmetoden eller ger en oberoende bekräftelse. Källan anger inte heller investerarna, villkoren eller slutdatumet för höjningen på 50 miljoner dollar som nämns i kandidatrubriken.

Källinformation: air.security ↗

Varför det spelar roll

AI-agenter är alltmer beroende av externa verktyg och instruktioner, vilket skapar en säkerhetsyta som AIR säger att konventionell skanning kan missa. Företagets tillvägagångssätt fokuserar på innehållet och behörigheterna kring en agent, såväl som de åtgärder den vidtar.

Den praktiska frågan som AIR tar upp är att en AI-agents beteende kan bero på mer än dess underliggande modell. Instruktioner, verktygsdefinitioner, behörigheter och hämtad information kan påverka vad agenten gör. Om dessa komponenter är komprometterade eller alltför breda, kan en betrodd agent förmås att vidta åtgärder som operatören inte hade för avsikt. Det gör säkerheten för det omgivande agentekosystemet relevant för organisationer som distribuerar agenter, inte bara säkerheten för själva modellen.

AIR:s produktdesign speglar ett livscykelsynsätt. Det står att tillägg bör kontrolleras före distribution, efter uppdateringar och när de körs. Det är viktigt eftersom ett tillägg kan ändras över tiden, och en engångsgranskning kanske inte fångar upp senare ändringar eller körtidsbeteende. AIR:s föreslagna kombination av upptäckt, policykontroller, förinstallationskontroll och körtidsskydd kan ge organisationer flera punkter där de kan begränsa en agent, även om källan inte visar hur dessa kontroller fungerar i praktiken.

Företagets MCPjacking-varning, om den replikeras, skulle illustrera ett problem i leveranskedjan för AI-agenter: ett beroende som verkar legitimt kan bli farligt när dess underliggande externa resurs går ut eller byter ägare. AIR säger att problemet påverkade officiella marknadsplatsposter och kunde tillåta snabbkörning på distans. Det påståendet pekar på en förvaltningsfråga för marknadsplatser och företag: vem verifierar ägande, underhåll och beteende hos de externa tjänster som agenter får lita på?

Det finns viktiga gränser för vad detta tillkännagivande fastställer. AIR tillhandahåller inga kunddistributioner, antal blockerade attacker, falska positiva frekvenser, oberoende granskning, prissättning, tillgänglighetstidtabell eller detaljerad förklaring av hur dess filter skiljer skadliga instruktioner från legitima agentbeteende. Dess säkerhetsanspråk bör därför behandlas som företagets redogörelse för sin produkt och forskning, snarare än som bevis på att plattformen har visat effektivitet i alla företagsmiljöer.

Interactive Mechanism

Interaktiv mekanism: hur det faktiskt fungerar

Utforska den underliggande tekniken bakom denna utveckling interaktivt.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Interaktiv konceptkontroll+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Vad du ska titta på härnäst

De viktigaste obesvarade frågorna är om AIR:s kontroller används i produktionen, hur ofta de blockerar verkliga hot och hur företagets påståenden om sårbara MCP:er tål oberoende verifiering. Den medföljande källan tillhandahåller inte kunder, prissättning, testmetodik eller teknisk prestandadata.

Se först efter konkreta bevis på implementering. AIR säger att de erbjuder demos och tidig åtkomst, men den medföljande källan namnger inte kunder eller beskriver en allmänt tillgänglig version. Användbara uppföljningsbevis skulle omfatta de miljöer som omfattas, vilka typer av agenter och tillägg som stöds, de behörigheter som AIR kan kontrollera och om organisationer kan inspektera eller överklaga beslut om automatiska blockering.

För det andra, se efter oberoende granskning av MCPjacking-forskningen. Källan säger att 155 MCP:er kunde kapas eftersom de var beroende av utgångna domäner, men den ger ingen lista, reproduktionsdetaljer eller marknadsplatsens svar. Verifiering skulle klargöra hur utbrett problemet var, om de berörda posterna förblir sårbara och om resultatet återspeglar en bredare systemisk svaghet eller en begränsad uppsättning beroenden.

För det tredje, titta på hur AIR mäter körtidsskydd. Företaget säger att AIR Defend kan upptäcka, svara på och skydda mot varje åtgärd som en agent vidtar, men källan ger inga definitioner eller prestandaresultat. Viktiga frågor inkluderar vilka åtgärder som är observerbara, hur snabbt ingripanden sker, vad som händer när systemet är osäkert och om övervakning inför förseningar eller begränsar legitima agenters kapacitet.

Slutligen, titta på företagets finansiering och kommersiella utveckling separat från dess tekniska påståenden. Kandidatrubriken rapporterar en höjning på 50 miljoner dollar, medan AIR-källan som tillhandahålls här inte anger den runda storleken, investerarna eller användningen av intäkterna. Uppföljningsrapportering bör verifiera dessa villkor och avgöra om finansieringen stöder forskning, marknadsplatsexpansion, företagsförsäljning eller bredare utveckling av runtime-säkerhet.

Relaterade guider och frågesporter

AI-agenterAI-etikAI-modeller förklarasTesta vad du vet – prova ett gratis AI-quizSlå upp en AI-term i vår ordlistaFölj AI-regleringen
Hittade du detta användbart?