
SkillSpector v2.5.1
AIエージェントスキル向けのセキュリティスキャナ。脆弱性、悪意のあるパターン、セキュリティリスクを検出します。
SkillSpector
AIエージェントスキル向けのセキュリティスキャナー。 エージェントスキルをインストールする前に、脆弱性、悪意のあるパターン、セキュリティリスクを検出します。
概要
AIエージェントスキル(Claude Code、Codex CLI、Gemini CLI などで使用される)は、暗黙の信頼と最小限の審査のもとで実行されます。研究データセットのうち分析対象となった31,132件のスキルのサブセットでは、26.1%のスキルに脆弱性が含まれており、5.2%が悪意のある意図を持つ可能性を示しています。
SkillSpector は、「このスキルはインストールしても安全か?」 という問いに答える手助けをします。
SkillSpector は NVIDIA Verified Skills パイプラインの一部であり、公開前にエージェントスキルをスキャン、評価、署名します。合格したスキルは NVIDIA skills カタログに公開されます。
ドキュメント
- インストール前にエージェントスキルをスキャンする — ホストされたガイド: いつスキャンすべきか、レポートの読み方、インストールをゲートする方法。
- 開発ガイド — アーキテクチャ、パッケージレイアウト、アナライザーパイプラインの拡張方法。
- セキュリティポリシー — 疑わしい脆弱性を NVIDIA PSIRT に非公開で報告する方法。
- 分析リソースの上限 — フェイルクローズドなバンドル、パーサー、ネストされたアーティファクト、台帳、および検出結果の上限。
- Pi 拡張機能 — エージェントセッション内からスキルをスキャンするための Pi ツールとして SkillSpector をインストールする方法。
- OpenCode 拡張機能 — エージェントセッション内からスキルをスキャンするための OpenCode ツールおよび
/skillspectorコマンドとして SkillSpector をインストールする方法。 - LLM アナライザーベースガイド —
LLMAnalyzerBaseの上に LLM を活用したアナライザーノードを構築する方法。 - 依存関係の取得元リダイレクト — SC10 の検出結果が、パッケージの取得元を変更するスキルをどのようにフラグ付けするか。
- ライブ脆弱性ルックアップ (SC4) — SC4 が依存関係を OSV.dev に対してどのようにチェックするか。
- 評価データセットのスキャン — 静的パターンアナライザーがスキップする評価データセットファイル。
- MCP 最小権限分析 (LP1–LP4) および MCP ツールポイズニング検出 (TP1–TP4) — MCP アナライザーの設計ノート。
機能
- マルチフォーマット入力: Git リポジトリ、URL、zip ファイル、ディレクトリ、または単一ファイルをスキャン
- 17カテゴリにわたる71の脆弱性パターン: プロンプトインジェクション、データ流出、権限昇格、サプライチェーン、過剰なエージェンシー、出力処理、システムプロンプトの漏洩、メモリポイズニング、ツールの悪用、ローグエージェント、拒否回避、トリガー悪用、危険なコード (AST)、テイント追跡、YARA シグネチャ、MCP 最小権限、MCP ツールポイズニング
- 2段階分析: 高速な静的解析 + オプションの LLM セマンティック評価
- ライブ脆弱性ルックアップ: SC4 は OSV.dev に問い合わせてリアルタイムの CVE データを取得し、自動的にオフラインフォールバックします
- 複数の出力形式: ターミナル、JSON、Markdown、SARIF レポート
- リスクスコアリング: 0〜100 のスコア、重大度ラベル、明確な推奨事項
- ベースライン / 誤検知の抑制: glob ルールまたはフィンガープリントのベースラインを介して既知の検出結果を受け入れることで、再スキャン時に新規の問題のみを浮上させます (ドキュメント)
クイックスタート
インストール
オープンソースソフトウェアに関する通知: 本プロジェクトは、追加のサードパーティ製オープンソースソフトウェアプロジェクトをダウンロードおよびインストールします。使用前に、これらのオープンソースプロジェクトのライセンス条項を確認してください。
サポートされているプラットフォームでは、ビルド済みの YARA ホイールを使用してインストールするために Python 3.12 または 3.13 を使用してください。以下の例では 3.13 を明示的に選択しています。より新しいインタープリタについては、Python インストールに関する注意事項を参照してください。
ソースからのインストールでは、まず仮想環境を作成してアクティブ化してください(すべての make ターゲットは venv がアクティブであることを前提としています)。uv または pip を使用してください。Makefile は uv が利用可能な場合はそれを使用し、そうでない場合は pip を使用します。
uv によるクイックインストール(CLI のみ):
uv tool install --python 3.13 git+https://github.com/NVIDIA/skillspector.git
# Update later: uv tool update skillspector
skillspector mcp を実行する予定がある場合は、インストール時に MCP の extra をインストールしてください:
uv tool install --python 3.13 'skillspector[mcp] @ git+https://github.com/NVIDIA/skillspector.git'
出典:
# 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
コントリビュートするには、サポートされている Python インタプリタと開発依存関係について 開発環境のセットアップ に従ってください。
Python インストールに関する注意
このパッケージは pyproject.toml で Python >=3.12,<3.16 を宣言しています。
この範囲は、すべての依存関係とプラットフォームに対してビルド済みホイールを保証するものではありません。
PyPI の yara-python 4.5.4 は
CPython 3.12/3.13 用のホイールを提供していますが、CPython 3.14/3.15 用のホイールはありません。
これらの新しいインタプリタでインストールするには、C ツールチェーンと
Python 開発ヘッダーを用いたネイティブソースビルドが必要です。そのようなビルドは OpenSSL 4 のヘッダーで失敗する可能性があります。
issue #1008 でその
インストール問題と上流のホイール提供状況を追跡しています。
YARA のコンパイル中にインストールが失敗する場合は、上記のコマンドを使用して
Python 3.12 または 3.13 を明示的に選択してください。pipx を使った CLI のみの新規インストールでは、
まず Python 3.13 をインストールして python3.13 を PATH で利用できるようにしてから、次を実行してください:
pipx install --python python3.13 git+https://github.com/NVIDIA/skillspector.git
上流のwheelビルドの更新は、PyPIへの新リリースの公開とは別のものです。より新しいインタープリタを選択する前に公開済みのファイルを確認してください。ソースからのビルドが依然として必要な場合があります。
Docker(Python不要)
含まれているDockerfileからローカルでビルドすることで、PythonをインストールせずにSkillSpectorを実行できます。イメージはDocker公式のPython 3.12-slim-bookwormイメージをベースにしています。
イメージをビルドする:
make docker-build
# or: docker build -t skillspector .
ローカルディレクトリをスキャンするには、カレントディレクトリをコンテナの作業ディレクトリである /scan にマウントします:
docker run --rm -v "$PWD:/scan" skillspector scan ./my-skill/ --no-llm
LLM分析によるスキャン ローカルの .env ファイルで認証情報を渡します:
cat > .env <<'EOF'
SKILLSPECTOR_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-...
EOF
docker run --rm \
-v "$PWD:/scan" \
--env-file .env \
skillspector scan ./my-skill/
認証情報をシェル環境から直接渡すこともできます:
docker run --rm \
-v "$PWD:/scan" \
-e SKILLSPECTOR_PROVIDER=anthropic \
-e ANTHROPIC_API_KEY="$ANTHROPIC_API_KEY" \
skillspector scan ./my-skill/
マウントされたディレクトリに書き込むことで、ホストファイルシステムにレポートを書き込む:
docker run --rm --user "$(id -u):$(id -g)" \
-v "$PWD:/scan" \
skillspector scan ./my-skill/ --no-llm --format json --output report.json
繰り返しの静的スキャン用のオプションのエイリアス:
alias skillspector-docker='docker run --rm -v "$PWD:/scan" skillspector'
skillspector-docker scan ./my-skill/ --no-llm
基本的な使い方
# 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
サイズ制限
SkillSpectorは、過大なダウンロードやzip爆弾の影響を抑えるため、リモート入力とアーカイブ入力に対して2つの独立した上限を適用します:
- 取り込み単位の上限:
INGEST_MAX_BYTES(100 MiB)— ストリーミングされたURLダウンロード、zipアーカイブの非圧縮合計サイズ、およびクローン後のGitリポジトリのディスク使用量に適用されます。 - zipメンバー上限:
INGEST_MAX_ZIP_MEMBERS(10,000)— 単一のzip内のエントリ数を制限します。
ファイル単位の1 MB解析上限(MAX_FILE_BYTES)は、別個の下流側の制限であることに注意してください。これは、すでに取り込まれたディレクトリから個々のアナライザーが読み取る量を制限するものです。上記の取り込み上限は、そもそもどれだけのコンテンツがディスク上に到達できるかを制限します。いずれかの取り込み上限に違反した場合、IngestLimitExceededError を伴ってフェイルクローズします。
出力形式
# 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