Tornar al BlogSeguretat de la IA

Seguretat de servidors MCP el 2026: 8.000 exposats, 492 sense autenticacio

Mes de 8.000 servidors Model Context Protocol estan exposats publicamente. 492 no tenen cap autenticacio. El 36,7% son vulnerables a SSRF. Protegiu les dades personals a les vostres eines MCP.

March 16, 20267 min llegit
MCP serverModel Context ProtocolAI securityPII protectionCursorClaude Desktopdeveloper security

L'ecosistema MCP va creixer rapid, la seguretat no

El Model Context Protocol es va llancar a finals del 2024. En menys de 18 mesos es va convertir en la manera estandard de connectar les eines d'IA a sistemes externs. El marc del 2026, l'ecosistema cobreix connectors de bases de dades, servidors de fitxers, ponts de GitHub, clients de Slack, eines de correu electronic i centenars de servidors especifics del domini.

La corba de creixement es pronunciada. El panorama de seguretat no ho es.

A partir del marc del 2026, mes de 8.000 servidors MCP es troben a la internet publica. Els investigadors van trobar 492 amb zero autenticacio: cap clau d'API, cap OAuth, cap filtre IP. Qualsevol client HTTP pot cridar-los. El 36,7% dels servidors mostrejats son oberts a SSRF (Server-Side Request Forgery). Aixo significa que un atacant que controla l'entrada de l'eina pot arribar als recursos de la xarxa interna.

En el mateix periode, es van presentar mes de 30 CVEs en 60 dies. Aquesta taxa mostra tant la novetat de l'ecosistema com la quantitat d'atencio que rep per part dels investigadors.

Per que el protocol crea risc de dades personals

MCP dona als assistents d'IA el poder d'actuar sobre les dades. Tambe es per aixo que es un risc de dades personals.

Quan un desenvolupador fa servir Cursor o Claude Desktop amb un connector de base de dades, la IA escriu SQL a partir de text pla. Aquestes consultes retornen files reals: noms, correus electronics, dades de pagament o altres dades personals. Aquestes dades es mouen a traves d'una cadena:

  1. Servidor de base de dades - finestra de context de l'assistent d'IA
  2. Finestra de context - sistemes de registre del proveidor del model
  3. Historial de conversa - maquina local del desenvolupador
  4. Sessions de depuracio - altres eines d'IA quan el desenvolupador enganxa el context

Cap d'aquests passos es una infraccio. Aixo es com funciona el sistema. Pero les dades personals acaben en multiples llocs no dissenyats per contenir-les, sovint sense xifratge entre el servidor i el client d'IA.

CVE-2026-25253 (CVSS 8.8), publicat el febrer del 2026, va mostrar un vector d'atac. Un endpoint malicis podia injectar instruccions ocultes a les seves respostes. Aquestes instruccions deien a la IA connectada que extragues dades d'altres eines actives. Un desenvolupador que usa un endpoint comunitari maliciós al costat del seu propi connector de base de dades podria filtrar tota la base de dades.

Els 492 servidors sense autenticacio

Els 492 servidors oberts son un problema diferent del CVE-2026-25253. No van ser hackejats. Van ser mal configurats.

La majoria estaven pensats per executar-se localment. Algu els va exposar via reenviament de ports o un desplegament al nubol sense controls d'acces.

El que solen exposar aquests servidors:

  • Eines del sistema de fitxers amb acces de lectura a les carpetes de l'usuari
  • Connectors de base de dades amb credencials en directe a la configuracio
  • Eines de correu electronic vinculades a bussies reals
  • Eines d'execucio de codi: codi arbitrari, sense autenticacio, sense limits

Els desenvolupadors gairebe amb seguretat no pretenien exposar-los. Pero Cursor i Claude Desktop es connecten a qualsevol URL de la configuracio. No hi ha cap comprovacio integrada de si un servidor es local o public.

La solucio MCP d'anonym.legal

La solucio estructural per al risc de dades personals en els pipelines d'eines es anonimitzar les dades abans que arribin a cap crida que les enviara a un LLM. Aixo es el que proporciona el servidor MCP d'anonym.legal.

Exposarsa 7 eines:

EinaProposit
analyze_textDetectar entitats de dades personals i retornar les seves posicions i tipus
anonymize_textEliminar o pseudonimitzar les dades personals detectades
deanonymize_textRevertir la pseudonimitzacio utilitzant la vostra clau de xifratge
anonymize_batchProcessar multiples textos en una sola crida
get_supported_entitiesLlistar tots els mes de 285 tipus d'entitat per a un idioma determinat
get_supported_languagesLlistar els 48 idiomes compatibles
health_checkVerificar la connectivitat

Quan un assistent d'IA te configurat tant el servidor d'anonym.legal com un connector de base de dades, el desenvolupador pot instruir: "Abans de mostrar qualsevol dada de client, crida anonymize_text sobre el resultat." La IA gestiona l'orquestracio. Les dades personals mai arriben a la sortida visible ni a l'historial de conversa en forma identificable.

Configuracio a Cursor IDE

Per afegir el servidor d'anonym.legal a Cursor:

// .cursor/mcp.json
{
  "mcpServers": {
    "anonym-legal": {
      "url": "https://anonym.legal/mcp",
      "transport": "sse",
      "headers": {
        "Authorization": "Bearer LA_VOSTRA_CLAU_API"
      }
    }
  }
}

Una vegada configurat, demaneu a Cursor: "Analitza aquest tiquet de suport per detectar dades personals abans d'enganxar-lo al seguidor." Cursor crida analyze_text, retorna la llista d'entitats, i decidiu si voleu anonimitzar abans d'enganxar.

Configuracio a Claude Desktop

// claude_desktop_config.json
{
  "mcpServers": {
    "anonym-legal": {
      "command": "npx",
      "args": ["-y", "@anonym-legal/mcp-server"],
      "env": {
        "ANONYM_API_KEY": "LA_VOSTRA_CLAU_API"
      }
    }
  }
}

Amb aquesta configuracio, Claude Desktop pot anonimitzar qualsevol text abans d'incloure'l a les crides d'eines enviades a altres servidors. L'anonimitzacio s'executa a la vostra sessio. Les dades personals mai arriben als servidors d'Anthropic en forma identificable.

Reforcar la vostra configuracio

Mes enlla d'usar anonym.legal, apliqueu aquests passos. Vegeu tambe la nostra visio general de seguretat i el centre de compliment.

Auditeu la vostra llista d'eines. Comproveu cada entrada de la vostra configuracio. Per a cadascuna, pregunteu-vos: confieu en l'operador? Sabeu quines dades pot arribar a veure?

Preferiu local sobre remot. Els servidors locals s'executen via stdio. No creen cap exposicio de xarxa. Feu servir servidors remots nomes quan no existeixi cap opcio local.

Verifiqueu l'autenticacio. Cada servidor remot hauria de requerir una clau d'API o un token OAuth. Si no ho fa, no el feu servir amb dades d'usuari reals.

Separeu el desenvolupament de la produccio. Manteniu configuracions separades per al treball de desenvolupament (dades de prova, sense dades personals) i qualsevol flux que toqui usuaris reals.

Activeu el registre d'auditoria. Si es compatible amb registres, activeu-los. Sapigueu quines dades van passar per cada crida.

Vegeu la nostra pagina de funcions MCP per a una llista completa de tipus d'entitat i idiomes.

Els mes de 30 CVEs en 60 dies demostren que el protocol esta sota un escrutini actiu. Apareixeran nous errors. Pero la defensa principal, anonimitzar abans que les dades arribin a cap crida a un LLM, funciona contra qualsevol CVE especific que aparegui a continuacio.

Configurar el servidor d'anonym.legal a Cursor


anonym.legal processa l'anonimitzacio de dades personals al servidor utilitzant la vostra clau de xifratge. Les dades pseudonimitzades nomes son reversibles amb aquesta clau. Publicat per anonym.legal, certificat ISO 27001.

Fonts

  • Dades d'exposicio de servidors MCP de Shodan, marc del 2026 - mes de 8.000 servidors, 492 sense autenticacio
  • CVE-2026-25253, CVSS 8.8, injeccio entre servidors via Model Context Protocol
  • Dades SSRF: escaneig de recerca de seguretat d'endpoints accessibles publicamente, marc del 2026
  • Especificacio MCP d'Anthropic v1.2, seccio de consideracions de seguretat

Preparat per protegir les vostres dades?

Comenceu a anonimitzar PII amb més de 285 tipus d'entitats en 48 idiomes.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.