
SkillSpector v2.5.1
Escáner de seguridad para habilidades de agentes de IA. Detecta vulnerabilidades, patrones maliciosos y riesgos de seguridad.
SkillSpector
Escáner de seguridad para skills de agentes de IA. Detecta vulnerabilidades, patrones maliciosos y riesgos de seguridad antes de instalar skills de agentes.
Descripción general
Las skills de agentes de IA (utilizadas por Claude Code, Codex CLI, Gemini CLI, etc.) se ejecutan con confianza implícita y una verificación mínima. En el subconjunto de 31.132 skills analizadas del conjunto de datos de investigación, el 26,1% de las skills contienen vulnerabilidades y el 5,2% muestran una intención probablemente maliciosa.
SkillSpector te ayuda a responder: "¿Es seguro instalar esta skill?"
SkillSpector forma parte del pipeline NVIDIA Verified Skills, que escanea, evalúa y firma las skills de agentes antes de su publicación. Las skills que superan la evaluación se publican en el catálogo de skills de NVIDIA.
Documentación
- Escanear skills de agentes antes de la instalación — Guía alojada: cuándo escanear, cómo leer un informe y cómo controlar las instalaciones.
- Guía de desarrollo — Arquitectura, estructura de paquetes y cómo ampliar el pipeline del analizador.
- Política de seguridad — Notifica de forma privada las vulnerabilidades sospechosas a NVIDIA PSIRT.
- Límites de recursos de análisis — Límites de fail-closed para bundles, parsers, artefactos anidados, ledger y hallazgos.
- Extensión para Pi — Instala SkillSpector como herramienta de Pi para escanear skills desde dentro de sesiones de agentes.
- Extensión para OpenCode — Instala SkillSpector como herramienta de OpenCode y comando
/skillspectorpara escanear skills desde dentro de sesiones de agentes. - Guía base del analizador LLM — Cómo construir nodos de analizador impulsados por LLM sobre
LLMAnalyzerBase. - Redirección del origen de dependencias — Cómo los hallazgos SC10 señalan una skill que cambia el origen desde el que se obtienen sus paquetes.
- Consultas de vulnerabilidades en vivo (SC4) — Cómo SC4 comprueba las dependencias contra OSV.dev.
- Escaneo de conjuntos de datos de evaluación — Qué archivos de conjuntos de datos de evaluación omiten los analizadores de patrones estáticos.
- Análisis de mínimo privilegio de MCP (LP1–LP4) y Detección de envenenamiento de herramientas MCP (TP1–TP4) — Notas de diseño de los analizadores de MCP.
Características
- Entrada multiformato: escanea repositorios Git, URLs, archivos zip, directorios o archivos individuales
- 71 patrones de vulnerabilidad en 17 categorías: inyección de prompts, exfiltración de datos, escalada de privilegios, cadena de suministro, agencia excesiva, manejo de salidas, filtración del prompt del sistema, envenenamiento de memoria, uso indebido de herramientas, agente descontrolado, anti-rechazo, abuso de disparadores, código peligroso (AST), seguimiento de taint, firmas YARA, mínimo privilegio de MCP y envenenamiento de herramientas MCP
- Análisis en dos etapas: análisis estático rápido + evaluación semántica opcional con LLM
- Consultas de vulnerabilidades en vivo: SC4 consulta OSV.dev para obtener datos de CVE en tiempo real con fallback offline automático
- Múltiples formatos de salida: informes en terminal, JSON, Markdown y SARIF
- Puntuación de riesgo: puntuación de 0 a 100 con etiquetas de gravedad y recomendaciones claras
- Supresión de línea base / falsos positivos: acepta hallazgos conocidos mediante una línea base de reglas glob o de huellas digitales, de modo que los reescaneos solo muestren problemas nuevos (docs)
Inicio rápido
Instalación
Aviso sobre software de código abierto: Este proyecto descargará e instalará proyectos de software de código abierto de terceros adicionales. Revisa los términos de licencia de estos proyectos de código abierto antes de usarlos.
Usa Python 3.12 o 3.13 para la instalación con wheels de YARA precompiladas en las plataformas compatibles. Los ejemplos a continuación seleccionan 3.13 explícitamente; consulta las notas de instalación de Python para intérpretes más recientes. Para instalaciones desde el código fuente, crea y activa primero un entorno virtual (todos los objetivos de make asumen que el venv está activo). Usa uv o pip; el Makefile usa uv si está disponible, de lo contrario pip.
Instalación rápida con uv (solo CLI):
uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git
# Update later: uv tool update skillspector
Si planeas ejecutar skillspector mcp, instala el extra de MCP en el momento de la instalación:
uv tool install --python 3.13 'skillspector[mcp] @ git+https://github.com/NVIDIA/skillspector.git'
Del origen:
# 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
Para contribuir, sigue la configuración de desarrollo para un intérprete de Python compatible y las dependencias de desarrollo.
Notas sobre la instalación de Python
El paquete declara Python >=3.12,<3.16 en pyproject.toml.
Ese rango no garantiza wheels precompilados para todas las dependencias y plataformas.
yara-python 4.5.4 en PyPI
proporciona wheels para CPython 3.12/3.13, pero no para CPython 3.14/3.15. Instalarlo
en esos intérpretes más recientes requiere una compilación nativa desde el código fuente con una cadena de herramientas de C
y los encabezados de desarrollo de Python. Dichas compilaciones pueden fallar con los encabezados de OpenSSL 4;
issue #1008 hace seguimiento de ese
problema de instalación y de la disponibilidad de wheels en upstream.
Si la instalación falla al compilar YARA, selecciona Python 3.12 o 3.13 explícitamente
usando los comandos anteriores. Para una nueva instalación solo de CLI con pipx, primero
instala Python 3.13 y haz que python3.13 esté disponible en PATH, luego ejecuta:
pipx install --python python3.13 git+https://github.com/NVIDIA/skillspector.git