العودة إلى التحديثات
New releaseJul 31, 2026

SkillSpector v2.5.1

ماسح أمني لمهارات وكلاء الذكاء الاصطناعي. يكتشف الثغرات والأنماط الخبيثة والمخاطر الأمنية.

مشاركة

SkillSpector

ماسح أمني لمهارات وكلاء الذكاء الاصطناعي. اكتشف الثغرات والأنماط الخبيثة والمخاطر الأمنية قبل تثبيت مهارات الوكلاء.

Python 3.12+ License: Apache 2.0

نظرة عامة

تُنفَّذ مهارات وكلاء الذكاء الاصطناعي (المستخدمة في Claude Code وCodex CLI وGemini CLI وغيرها) بثقة ضمنية وبأدنى حد من التدقيق. في المجموعة الفرعية التي جرى تحليلها والبالغ عددها 31,132 مهارة من مجموعة بيانات البحث، تحتوي 26.1% من المهارات على ثغرات وتُظهر 5.2% نية خبيثة محتملة.

يساعدك SkillSpector في الإجابة عن السؤال: "هل تثبيت هذه المهارة آمن؟"

SkillSpector جزء من خط أنابيب NVIDIA Verified Skills، الذي يفحص مهارات الوكلاء ويقيّمها ويوقّعها قبل النشر. تُنشر المهارات التي تجتاز الفحص في كتالوج مهارات NVIDIA.

التوثيق

الميزات

  • مدخلات متعددة الصيغ: افحص مستودعات Git أو عناوين URL أو ملفات zip أو الأدلّة أو الملفات المفردة
  • 71 نمطًا للثغرات عبر 17 فئة: حقن التوجيهات، وتسريب البيانات، وتصعيد الصلاحيات، وسلسلة التوريد، والوكالة المفرطة، ومعالجة المخرجات، وتسريب توجيهات النظام، وتسميم الذاكرة، وإساءة استخدام الأدوات، والوكيل المارق، ومقاومة الرفض، وإساءة استخدام المحفّزات، والشيفرة الخطرة (AST)، وتتبّع التلوث، وتوقيعات YARA، وأقل صلاحية لـ MCP، وتسميم أدوات MCP
  • تحليل على مرحلتين: تحليل ساكن سريع + تقييم دلالي اختياري بـ LLM
  • عمليات بحث حية عن الثغرات: يستعلم SC4 من OSV.dev للحصول على بيانات CVE في الوقت الفعلي مع تراجع تلقائي إلى وضع عدم الاتصال
  • صيغ إخراج متعددة: تقارير Terminal وJSON وMarkdown وSARIF
  • تقييم المخاطر: درجة من 0 إلى 100 مع تصنيفات الخطورة وتوصيات واضحة
  • خط الأساس / كبت الإيجابيات الكاذبة: اقبل النتائج المعروفة عبر قاعدة glob أو خط أساس بالبصمات بحيث تُظهر عمليات إعادة الفحص المشكلات الجديدة فقط (التوثيق)

البدء السريع

التثبيت

إشعار البرمجيات مفتوحة المصدر: سيقوم هذا المشروع بتنزيل وتثبيت مشاريع برمجيات مفتوحة المصدر إضافية تابعة لجهات خارجية. راجع شروط الترخيص لهذه المشاريع مفتوحة المصدر قبل الاستخدام.

استخدم Python 3.12 أو 3.13 للتثبيت مع حزم YARA الجاهزة على المنصات المدعومة. تحدد الأمثلة أدناه الإصدار 3.13 صراحةً؛ راجع ملاحظات تثبيت Python للمفسّرات الأحدث. لعمليات التثبيت من المصدر، أنشئ بيئة افتراضية وفعّلها أولاً (تفترض جميع أهداف make أن البيئة الافتراضية مفعّلة). استخدم uv أو pip؛ يستخدم Makefile أداة uv إن كانت متاحة، وإلا يستخدم pip.

تثبيت سريع باستخدام uv (CLI فقط):

uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git
# Update later: uv tool update skillspector

إذا كنت تخطط لتشغيل skillspector mcp، فقم بتثبيت إضافة MCP وقت التثبيت:

uv tool install --python 3.13 'skillspector[mcp] @ git+https://github.com/NVIDIA/skillspector.git'

من المصدر:

# Clone the repository
git clone https://github.com/NVIDIA/skillspector.git
cd skillspector

# Create and activate virtual environment
uv venv --python 3.13 .venv && source .venv/bin/activate
# or: python3.13 -m venv .venv && source .venv/bin/activate

# Install for production use
make install

للمساهمة، اتبع إعداد التطوير لمفسّر Python مدعوم وتبعيات التطوير.

ملاحظات تثبيت Python

تُعلن الحزمة عن Python >=3.12,<3.16 في pyproject.toml. لا يضمن هذا النطاق توفّر حزم wheels مبنية مسبقًا لكل تبعية ومنصة. يوفّر yara-python 4.5.4 على PyPI حزم wheels لـ CPython 3.12/3.13، لكن دون حزم wheels لـ CPython 3.14/3.15. يتطلب تثبيته على تلك المفسّرات الأحدث بناءً أصليًا من المصدر باستخدام سلسلة أدوات C ورؤوس تطوير Python. قد تفشل مثل هذه العمليات بالبناء مع رؤوس OpenSSL 4؛ تتتبّع المسألة #1008 مشكلة التثبيت هذه وتوفّر حزم wheels من المصدر الأعلى.

إذا فشل التثبيت أثناء تجميع YARA، فاختر Python 3.12 أو 3.13 صراحةً باستخدام الأوامر أعلاه. للحصول على تثبيت جديد لواجهة سطر الأوامر فقط باستخدام pipx، ثبّت Python 3.13 أولًا واجعل python3.13 متاحًا على PATH، ثم شغّل:

pipx install --python python3.13 git+https://github.com/NVIDIA/skillspector.git

يُعدّ تحديث بناء wheel في المستودع الأصلي منفصلًا عن نشر إصدار جديد على PyPI. تحقّق من الملفات المنشورة قبل اختيار مُفسّر أحدث؛ فقد يظل البناء من المصدر مطلوبًا.

Docker (لا يتطلب Python)

شغّل SkillSpector دون تثبيت Python عبر بنائه محليًا من Dockerfile المضمّن. تعتمد الصورة على صورة Docker الرسمية لـ Python 3.12-slim-bookworm.

ابنِ الصورة:

make docker-build
# or: docker build -t skillspector .

فحص دليل محلي عبر تركيب دليلك الحالي في /scan، وهو دليل العمل داخل الحاوية:

docker run --rm -v "$PWD:/scan" skillspector scan ./my-skill/ --no-llm

الفحص مع تحليل LLM عن طريق تمرير بيانات الاعتماد باستخدام ملف .env محلي:

cat > .env <<'EOF'
SKILLSPECTOR_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-...
EOF
docker run --rm \
  -v "$PWD:/scan" \
  --env-file .env \
  skillspector scan ./my-skill/

أو مرّر بيانات الاعتماد مباشرةً من بيئة shell الخاصة بك:

docker run --rm \
  -v "$PWD:/scan" \
  -e SKILLSPECTOR_PROVIDER=anthropic \
  -e ANTHROPIC_API_KEY="$ANTHROPIC_API_KEY" \
  skillspector scan ./my-skill/

اكتب تقريرًا إلى نظام ملفات المضيف عن طريق الكتابة إلى الدليل المثبَّت:

docker run --rm --user "$(id -u):$(id -g)" \
  -v "$PWD:/scan" \
  skillspector scan ./my-skill/ --no-llm --format json --output report.json

اسم مستعار اختياري لعمليات الفحص الثابتة المتكررة:

الفئات