SkillSpector：安装前扫描 AI Agent 技能的安全漏洞与恶意模式

核心能力与快速开始

★ 17453 · Python

能做什么

扫描 Git 仓库、URL、zip 文件、目录或单个 SKILL.md 文件；内置 71 个漏洞模式，覆盖提示注入、数据外泄、权限提升、供应链、过度代理、输出处理、系统提示泄露、记忆投毒、工具滥用、流氓 agent、反拒绝、触发器滥用、危险代码（AST）、污点追踪、YARA 签名、MCP 最小权限和 MCP 工具投毒等 17 个类别；两阶段分析（快速静态分析加可选 LLM 语义评估）；通过 OSV.dev 查询实时 CVE 数据并支持离线回退；输出终端、JSON、Markdown、SARIF 报告；生成 0-100 风险评分与严重度标签；支持基线/误报抑制，使重扫只报告新问题；可作为 MCP 服务器暴露 scan_skill 工具供 agent 调用。

适用场景

在安装 Claude Code、Codex CLI、Gemini CLI 等 AI agent 技能前进行安全审查；对技能仓库或压缩包做供应链风险与恶意模式检测；在 CI/CD 中通过 SARIF 输出集成扫描结果；在 agent 会话内通过 MCP 或 Pi/OpenCode 扩展把扫描作为运行时防护；批量并行扫描技能目录并生成多语言（中/日/韩）检测报告。

项目形态

可直接使用的工具

部署方式

可通过 uv/pip 从 Git 安装（CLI），也支持从源码安装；提供 Dockerfile 可构建镜像运行，无需本地 Python；MCP 模式支持 stdio 与 streamable HTTP/SSE 传输；LLM 分析需配置相应提供方凭据（如 OpenAI、Anthropic、Bedrock、NVIDIA build、Ollama 等），静态扫描可用 --no-llm 跳过。

主要依赖

Python 3.12+；使用 MCP 功能需安装 skillspector[mcp]；LLM 语义分析需要 OpenAI 兼容端点或受支持的提供方凭据（本地模型未经验证）。具体硬件与 API 成本未说明。

使用限制

材料提到 stdio 传输下存在 issue #199 所示的 initialize 挂起问题；默认批处理配置以 DeepSeek 为目标，该模型预计将停服，且贡献者无硬件测试本地模型；LLM 分析需外部提供方凭据与成本未说明；扫描为静态分析加可选语义评估，未说明覆盖所有攻击面。

许可证

Apache-2.0

最近推送

2026-09-17 06:48

资料检查：2026-09-17 07:00 · 卡片整理：2026-09-17 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在安装 Claude Code、Codex、Gemini CLI 等 AI agent 技能前，用 SkillSpector 扫描 Git 仓库、URL、zip、目录或单个文件，检测提示注入、数据外泄、供应链风险等漏洞，并输出终端、JSON、Markdown 或 SARIF 报告用于代码审查与 CI/CD 集成。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证