SkillSpector

AI एजेंट स्किल्स के लिए सुरक्षा स्कैनर। एजेंट स्किल्स इंस्टॉल करने से पहले कमज़ोरियों, दुर्भावनापूर्ण पैटर्न और सुरक्षा जोखिमों का पता लगाएं।

अवलोकन

AI एजेंट स्किल्स (Claude Code, Codex CLI, Gemini CLI आदि द्वारा उपयोग की जाने वाली) अंतर्निहित विश्वास और न्यूनतम जाँच के साथ निष्पादित होती हैं। शोध डेटासेट के विश्लेषित 31,132-स्किल उपसमुच्चय में, 26.1% स्किल्स में कमज़ोरियाँ हैं और 5.2% संभावित दुर्भावनापूर्ण इरादा दर्शाती हैं।

SkillSpector आपको इस प्रश्न का उत्तर देने में मदद करता है: "क्या यह स्किल इंस्टॉल करने के लिए सुरक्षित है?"

SkillSpector NVIDIA Verified Skills pipeline का हिस्सा है, जो प्रकाशन से पहले एजेंट स्किल्स को स्कैन, मूल्यांकन और हस्ताक्षरित करता है। पास होने वाली स्किल्स NVIDIA skills catalog में प्रकाशित की जाती हैं।

दस्तावेज़ीकरण

• इंस्टॉलेशन से पहले एजेंट स्किल्स स्कैन करें — होस्टेड गाइड: कब स्कैन करें, रिपोर्ट कैसे पढ़ें, और इंस्टॉल को कैसे गेट करें।
• विकास गाइड — आर्किटेक्चर, पैकेज लेआउट, और एनालाइज़र पाइपलाइन को कैसे विस्तारित करें।
• विश्लेषण संसाधन सीमाएँ — फेल-क्लोज़्ड बंडल, पार्सर, नेस्टेड-आर्टिफ़ैक्ट, लेजर, और फाइंडिंग सीमाएँ।
• Pi एक्सटेंशन — एजेंट सत्रों के भीतर से स्किल्स स्कैन करने के लिए SkillSpector को Pi टूल के रूप में इंस्टॉल करें।
• OpenCode एक्सटेंशन — एजेंट सत्रों के भीतर से स्किल्स स्कैन करने के लिए SkillSpector को OpenCode टूल और /skillspector कमांड के रूप में इंस्टॉल करें।

विशेषताएँ

• बहु-प्रारूप इनपुट: Git रेपो, URL, zip फ़ाइलें, डायरेक्टरी, या एकल फ़ाइलें स्कैन करें
• 17 श्रेणियों में 71 कमज़ोरी पैटर्न: प्रॉम्प्ट इंजेक्शन, डेटा एक्सफ़िल्ट्रेशन, प्रिविलेज एस्केलेशन, सप्लाई चेन, अत्यधिक एजेंसी, आउटपुट हैंडलिंग, सिस्टम प्रॉम्प्ट लीकेज, मेमोरी पॉइज़निंग, टूल का दुरुपयोग, रोग एजेंट, एंटी-रिफ्यूज़ल, ट्रिगर एब्यूज़, खतरनाक कोड (AST), टेंट ट्रैकिंग, YARA सिग्नेचर, MCP न्यूनतम विशेषाधिकार, और MCP टूल पॉइज़निंग
• दो-चरणीय विश्लेषण: तेज़ स्टैटिक विश्लेषण + वैकल्पिक LLM सिमैंटिक मूल्यांकन
• लाइव कमज़ोरी लुकअप: SC4 स्वचालित ऑफ़लाइन फ़ॉलबैक के साथ रीयल-टाइम CVE डेटा के लिए OSV.dev को क्वेरी करता है
• एकाधिक आउटपुट प्रारूप: टर्मिनल, JSON, Markdown, और SARIF रिपोर्ट
• जोखिम स्कोरिंग: गंभीरता लेबल और स्पष्ट सिफ़ारिशों के साथ 0-100 स्कोर
• बेसलाइन / फ़ॉल्स-पॉज़िटिव दमन: ग्लोब-नियम या फ़िंगरप्रिंट बेसलाइन के माध्यम से ज्ञात फाइंडिंग्स स्वीकार करें ताकि पुनः-स्कैन केवल नए मुद्दों को सामने लाएँ (docs)

त्वरित शुरुआत

इंस्टॉलेशन

ओपन-सोर्स सॉफ़्टवेयर सूचना: यह प्रोजेक्ट अतिरिक्त तृतीय-पक्ष ओपन सोर्स सॉफ़्टवेयर प्रोजेक्ट्स को डाउनलोड और इंस्टॉल करेगा। उपयोग से पहले इन ओपन सोर्स प्रोजेक्ट्स की लाइसेंस शर्तों की समीक्षा करें।

पहले एक वर्चुअल एनवायरनमेंट बनाएँ और सक्रिय करें (सभी make टारगेट venv के सक्रिय होने को मानते हैं)। uv या pip का उपयोग करें; Makefile उपलब्ध होने पर uv का उपयोग करता है, अन्यथा pip का।

uv के साथ त्वरित इंस्टॉल (केवल-CLI):

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

यदि आप skillspector mcp चलाने की योजना बना रहे हैं, तो इंस्टॉल के समय MCP extra इंस्टॉल करें:

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

स्रोत से:

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

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

# Install for production use
make install

# Or install with development dependencies
make install-dev

Docker (Python की आवश्यकता नहीं)

शामिल Dockerfile से इसे स्थानीय रूप से बनाकर Python इंस्टॉल किए बिना SkillSpector चलाएँ। यह इमेज Docker Official Python 3.12-slim-bookworm इमेज पर आधारित है।

इमेज बनाएँ:

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

किसी स्थानीय निर्देशिका को स्कैन करें अपनी वर्तमान निर्देशिका को /scan में माउंट करके, जो कंटेनर की कार्यशील निर्देशिका है:

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

LLM विश्लेषण के साथ स्कैन करें स्थानीय .env फ़ाइल के साथ क्रेडेंशियल्स पास करके:

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/

या अपने शेल वातावरण से सीधे क्रेडेंशियल पास करें:

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

माउंट किए गए डायरेक्टरी में लिखकर होस्ट फ़ाइलसिस्टम पर एक रिपोर्ट लिखें:

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

बार-बार किए जाने वाले स्टैटिक स्कैन के लिए वैकल्पिक उपनाम:

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

मूल उपयोग

# Scan a local skill directory
skillspector scan ./my-skill/

# Scan a single SKILL.md file
skillspector scan ./SKILL.md

# Scan a Git repository
skillspector scan https://github.com/user/my-skill

# Scan a zip file
skillspector scan ./my-skill.zip

आकार सीमाएँ

SkillSpector अत्यधिक बड़े डाउनलोड और zip बम के प्रभाव को सीमित करने के लिए रिमोट और आर्काइव इनपुट पर दो स्वतंत्र सीमाएँ लागू करता है:

• प्रति-इनजेस्ट सीमा: INGEST_MAX_BYTES (100 MiB) — स्ट्रीम किए गए URL डाउनलोड, zip आर्काइव के कुल अनकंप्रेस्ड आकार, और Git रेपो के क्लोन-पश्चात डिस्क उपयोग पर लागू।
• Zip सदस्य सीमा: INGEST_MAX_ZIP_MEMBERS (10,000) — एकल zip में प्रविष्टियों की संख्या को सीमित करता है।

ध्यान दें कि प्रति-फ़ाइल 1 MB विश्लेषण सीमा (MAX_FILE_BYTES) एक अलग, डाउनस्ट्रीम सीमा है: यह सीमित करती है कि व्यक्तिगत विश्लेषक पहले से इनजेस्ट की गई डायरेक्टरी से कितना पढ़ेंगे। ऊपर दी गई इनजेस्ट सीमाएँ यह सीमित करती हैं कि सबसे पहले डिस्क पर कितनी सामग्री पहुँच सकती है। किसी भी इनजेस्ट सीमा का उल्लंघन IngestLimitExceededError के साथ फेल-क्लोज़्ड होता है।

आउटपुट फ़ॉर्मेट

# Terminal output (default) - pretty formatted
skillspector scan ./my-skill/

# JSON output - machine readable
skillspector scan ./my-skill/ --format json --output report.json

# Markdown output - for documentation
skillspector scan ./my-skill/ --format markdown --output report.md

# SARIF output - for CI/CD integration and IDE tooling
skillspector scan ./my-skill/ --format sarif --output report.sarif

बैच स्कैनिंग

contrib/batch_scan/ से पूरी स्किल निर्देशिकाओं को समानांतर में स्कैन करें:

python -m contrib.batch_scan.batch_scan ./my-skills/ --no-llm
python -m contrib.batch_scan.batch_scan ./my-skills/ --workers 20 -f json -o report.json
python -m contrib.batch_scan.batch_scan ./tests/fixtures/ -f terminal --workers 20

बहुभाषी पहचान (zh/ja/ko) और टर्मिनल/JSON/Markdown आउटपुट का समर्थन करता है।