在关键基础设施中，操作技术环境通常无法进行主动扫描，但仍需系统反馈以进行风险评估和合规性管理。本文提出了一种非侵入式、基于MCP的多代理管道，该管道将自然语言系统描述转换为源验证的知识图谱和符合NIST OSCAL格式的审计准备文档，实现持续的自动合规管理。
该架构将基于大型语言模型（LLM）的推理与针对权威威胁情报源的确定性知识检索解耦，从而降低了虚假漏洞和虚构攻击路径的风险。在一个基于证据的合成场景中，该管道在水务公用事业的应用中达到了0.90的CVE召回率和完美的D3FEND召回率。它生成了符合架构的OSCAL系统安全计划和OSCAL安全评估报告。
然而，核心见解并不是通过MCP的基础消除了管道中的错误（例如，虚构现象），而是将错误转移到资产从自然语言描述提取的第一阶段。在这一阶段，单个错误提取的实体可能导致后续阶段生成真实但不相关的CVE，从而消耗时间和资源。但是，它使得剩余的风险可见、可验证，并适合进行高效的人工审查，因为基础设施（例如，版本号、操作系统等）通常是已知的。
博主点评： 该研究展示了如何利用MCP与多代理系统结合，有效应对关键基础设施中的合规挑战。通过将LLM推理与知识检索分离，显著降低了潜在的错误风险，为自动化合规管理提供了一种新的思路。尽管仍存在提取错误的风险，但其透明性为后续人工审查提供了便利。