27%。

這是 LLM 在推薦套件時「幻覺」的比例——每四個套件推薦裡，有一個可能根本不存在、已經被棄用，或者含有已知漏洞。

你可能會想：「有那麼嚴重嗎？跑個 npm install 失敗我就知道了啊。」問題不在不存在的套件——那種最好處理，裝不了就算了。真正危險的是那些「名字很像真的」的套件，裝得下去、跑得起來，但背後是 typosquatting 或已被 compromise 的版本。

Sonatype Guide 要解決的就是這件事：在 AI coding assistant 推薦任何依賴的當下，即時檢查這個推薦是否安全。

為什麼現有流程不夠

傳統的依賴安全檢查長這樣：寫完 code → commit → CI 跑 SAST/SCA → 發現問題 → 修。整個循環可能是幾小時到幾天。

但 AI coding agent 改變了時間軸。一個 Claude Code session 可能在 20 分鐘內生成 15 個檔案，引入 30 個新依賴。等 CI 跑完才發現問題，你已經在那個有問題的依賴上搭了三層邏輯了。拆的成本比一開始就攔住高十倍。

這個時間差就是 Sonatype Guide 要填的位置——不是取代 CI 裡的掃描，是在源頭把最明顯的問題先擋下來。

MCP Server 架構：怎麼做到「即時」

Sonatype Guide 的技術核心是一個 MCP Server。

如果你不熟 MCP（Model Context Protocol），可以把它想成一條高速公路的收費站。AI coding assistant 是車子，要去下載套件這個目的地。MCP Server 是收費站——車子經過的時候，它檢查你的車況、行照，確認沒問題才放行。整個過程對車子來說感覺不到延遲，但背後已經做完安全檢查了。

具體流程是這樣：

你在 Claude Code 裡說「幫我加一個 CSV parsing 的 library」。Claude 推薦了一個套件名稱。在 Claude 把推薦回傳給你之前，MCP Server 已經做了幾件事：查 Sonatype 的資料庫確認這個套件是否存在、版本是否最新、是否有已知 CVE、是否被標記為 malicious。如果有問題，Claude 會收到一個「這個不行，推薦其他的」的訊號。

整個攔截在毫秒等級完成，你幾乎感覺不到。

支援的工具和整合方式

這是 Sonatype Guide 最實用的部分——它不挑工具。

目前支援的 AI coding assistant 包括：Claude Code、Cursor、GitHub Copilot（VSCode 版）、Windsurf、JetBrains Junie、Kiro、Google Gemini Code Assist、OpenAI Codex（IDE Plugin 和 CLI 都支援）。

整合方式也很直覺。以 Claude Code 為例，你在 settings.json 裡加一個 MCP server 設定就好。不需要改工作流，不需要額外的 CLI 工具，不需要在 CI pipeline 加步驟。設定完就是背景跑著。

1
2
3
4
5
6
7
8
{
  "mcpServers": {
    "sonatype-guide": {
      "command": "npx",
      "args": ["-y", "@sonatype/guide-mcp-server"]
    }
  }
}

對，就這樣。一行指令的事。

實際效果和數字

Sonatype 自己的數據：使用 Guide 的企業，安全程式碼生成效率提升了三倍，安全修復和依賴升級的總成本降低超過五倍。

這些數字要打個折看——vendor 的自報數據都要打折。但即使打了五折，「安全修復成本降低 2.5 倍」在任何規模的團隊裡都是值得關注的數字。因為依賴升級的成本不只是找到問題的時間，是找到問題之後把上層所有依賴這個套件的邏輯都改掉的時間。越晚發現，成本指數級成長。

另一個值得注意的數字：LLM 幻覺套件的 27% 是 Sonatype 自己的研究數據。他們分析了主流 LLM 在程式碼生成任務中推薦的套件名稱，發現超過四分之一是無效的。這裡面包括完全虛構的名稱、已下架的套件、以及名稱高度相似但實際是惡意套件的 typosquatting 案例。

它不做什麼

講清楚邊界很重要。

Sonatype Guide 不做程式碼品質檢查。它不會告訴你這段 code 寫得好不好、有沒有 anti-pattern、效能怎麼樣。它專注在一件事：你用的套件安不安全。

它也不做 runtime 監控。部署之後的行為分析不是它的領域。它是 development time 的工具，在你寫 code 的當下保護你，不是在 production 保護你。

最後，它不是銀子彈。即使攔住了所有已知的有問題依賴，zero-day 漏洞、新發現的供應鏈攻擊還是可能穿過去。Sonatype Guide 降低的是「已知風險」的暴露面，不是消除所有風險。

什麼時候該用、什麼時候不用

用的場景很明確：你的團隊已經在用 AI coding assistant，而且 AI 生成的 code 比例越來越高。開發者可能一天引入幾十個新依賴，人工逐一檢查不現實。這時候一個背景跑的即時護欄，投入產出比非常好。

不用的場景：你的專案依賴很少且穩定，大部分是手寫 code，AI 輔助比例低。這種情況下 CI 裡的 SCA 掃描已經夠用，多一層 MCP Server 帶來的額外複雜度不值得。

還有一個中間地帶：個人 side project。理論上 Guide 的免費版就夠用，但如果你的 side project 不上 production、不處理用戶資料，依賴安全的優先級本來就低。省下設定的時間可能更有價值。

背後真正在變的事情是：AI coding tool 的生態系正在長出自己的安全層。

過去，「寫程式」和「確保安全」是兩個獨立的流程，由不同的工具、不同的團隊、在不同的時間點處理。AI coding agent 把寫程式的速度拉高了一個量級，但安全檢查還停在舊節奏上。Sonatype Guide 是第一批試著把安全檢查嵌進 AI 輔助流程本身的工具。

這個方向對不對？幾乎確定是對的。誰最後做得最好？還太早說。但工具的位置很清楚——坐在 AI 和開發者之間，當一個即時的品質關卡。

兩條線：AI 讓寫 code 變快，安全讓快不會變成災難。Sonatype Guide 是在這兩條線交會的地方放了一個 checkpoint。

原文來源：Sonatype Launches Guide to Enhance Safety in AI-Assisted Code Generation - InfoQ
原文來源：Sonatype Guide | AI Dependency Management & Intelligence