AI漏洞模式知识库
Frogeye 定位为面向软件开发者的 AI-powered security scanning 与 vulnerability detection 工具，核心资产是漏洞安全知识图谱，并通过 MCP 协议供 AI 编程助手或第三方 MCP host 调用。它更像嵌入开发与 AI Agent 工作流的轻量 SAST/漏洞模式检测服务，而不是完整企业级安全平台。
其防护类型主要是代码安全扫描、漏洞模式识别和知识图谱匹配。Free 与 Pro 层会将代码传至 Frogeye 服务器进行瞬时处理，声明不永久存储原始源码；Apex 则强调 local-first，代码留在本地环境，通过本地 MCP client 分析，仅上传匿名化数学 embedding 做相似模式匹配。管理侧，Pro 提供 Web dashboard、扫描历史、趋势分析和漏洞报告，但正文未披露实时告警、RBAC、审计日志或工单集成等能力。
合规方面，Frogeye 声明遵守 GDPR 与 CCPA，并承诺不出售个人数据、不永久存储原始代码；但未见 SOC 2、ISO 27001 等企业采购常见认证。集成方面支持 MCP 协议，可与 Claude、Cursor、GitHub Copilot 等第三方 AI 助手场景结合；账号注册依赖 GitHub OAuth 或 Google OAuth，付款通过 Stripe。价格清晰：免费层每日 50 次扫描，Pro 为 15 美元/月、每日 500 次，Apex 为 29 美元/月、500+ 次并支持本地 SDK。
优点是入门门槛低、免费层可匿名使用，MCP 设计贴合 AI 编程新工作流；Apex 对源码不上云的说明较细，适合重视代码隐私的团队。缺点也明显：服务不保证 uptime，扫描结果明确不构成安全审计或安全保证，误报漏报被视为可能发生；企业级合规、SLA、团队管理和告警能力披露不足。
Frogeye 适合个人开发者、小团队、AI 编程工具重度用户，以及希望在提交前快速发现常见漏洞模式的团队。若是大型企业、强合规行业或需要完整 DevSecOps 治理，仍应评估 Snyk、Semgrep、SonarQube、Checkmarx、Veracode 等替代品。中国访问未见官方说明；由于依赖 GitHub/Google OAuth、Stripe 和第三方 AI 助手，网络与支付体验可能存在不确定性。
本测评基于公开资料整理,不构成购买建议,请以 frogeye.ai 官网实际信息为准。
面向AI Agent安全修复，MCP场景有信息差。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。