T-MAP：用轨迹感知进化搜索对 LLM Agent 做红队测试
T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search
AI 导读
韩国研究团队提出 T-MAP，一种轨迹感知的 MAP-Elites 进化搜索方法，用于对集成 MCP 的 LLM Agent 做红队测试。该方法通过 Cross-Diagnosis 从执行轨迹中提取成功与失败原因，并维护一张 Tool Call Graph 记录工具间转移的成功率，引导生成既能绕过护栏、又能通过真实工具调用实现有害目标的攻击提示。在 CodeExecutor、Slack、Gmail、Playwright、Filesystem 五个 MCP 环境中，T-MAP 平均攻击实现率（ARR）达 57.8%，高于 Zero-Shot、Multi-Trial、Iterative Refinement 和 Standard Evolution 等基线，并在 GPT-5.2、Gemini-3-Pro、Qwen3.5、GLM-5 等前沿模型上保持有效。
推荐理由
论文把攻击成功从文本层面推进到工具执行层面，并给出跨 MCP 环境与前沿模型的攻击实现率，可供 Agent 部署方评估工具链风险。