AI 에이전트 스킬 패키지용 정적 보안 스캐너. 실행 전에 악성 SKILL.md 파일과 번들 스크립트를 탐지합니다.
SkillsGuard가 여러분의 파이프라인을 보호하고 있다면, 지속적인 연구와 새로운 탐지 규칙 개발을 지원하는 것을 고려해 보세요.
ETH 기부 지갑
0x11282eE5726B3370c8B480e321b3B2aA13686582
QR 코드를 스캔하거나 위의 지갑 주소를 복사하세요.
AI 에이전트 스킬 패키지를 위한 정적 보안 스캐너. 실행되기 전에 악성 SKILL.md 파일과 번들 스크립트를 탐지합니다.
# Scan any SKILL.md with a single curl — no account, no key
curl -s --data-binary @SKILL.md \
https://skillsguard.apiskillsguard.workers.dev/scan | jq .
참고: SkillsGuard는 현재 npm 레지스트리에 게시되어 있지 않습니다. 소스를 복제하고 빌드하여 설치하세요.
# 1. Clone, install, build, and link
git clone https://github.com/Teycir/SkillsGuard.git
cd SkillsGuard
npm install
npm run build
npm link
# 2. Scan any skill directory or file
skillsguard /path/to/skill
그게 전부입니다. SkillsGuard는 터미널에 색상으로 구분된 결과를 출력합니다(또는 CI용으로 --json 사용).
종료 코드 0 = 문제 없음 · 1 = 결과 발견 · 2 = 사용 오류.
에이전트 워크플로 내에서 Claude가 스캐너를 자동으로 호출하길 원하시나요? 전체 스킬 + MCP 설정은 로컬 워크플로 → 경로 B를 참조하세요.
flowchart TD
A([Folder, file, or Git diff target]) --> B[Load config\nskillsguard.config.json]
B --> C[File discovery\nFilter JS, PY, PS1, Docker, Ruby...]
C --> D{For each file}
D --> E[Raw text scan\nApply 100+ rules]
D --> F[decode.ts\nExtract encoded blobs]
F --> G[Recursive decode\nbase64, hex, URL]
G --> H[Scan decoded content]
E & H --> I{Findings?}
I -->|no| J([✅ Clean — exit 0])
I -->|yes| K[Deduplicate findings]
K --> L[Compute Risk Score\n0 - 100]
L --> M{Output mode}
M -->|CLI| N[ANSI colored report]
M -->|--json| O[JSON output]
M -->|--sarif| P[SARIF output]
M -->|MCP| Q[MCP response]
N & O & P & Q --> R{Risk > max-risk?}
R -->|yes| S([❌ Exit 1])
R -->|no| J
style A fill:#0d1117,stroke:#00ff88,color:#c3f5dc
style J fill:#0d1117,stroke:#00ff88,color:#00ff88
style S fill:#0d1117,stroke:#ff4444,color:#ff8888
style G fill:#0d1117,stroke:#f0a500,color:#f0c060
style K fill:#0d1117,stroke:#00ff88,color:#c3f5dc
핵심 통찰: SkillsGuard는 난독화된 페이로드를 스캔하기 전에 디코딩하므로, base64로 감싼 리버스 셸이 탐지를 피해 빠져나갈 수 없습니다. 모든 발견 사항은 중복 제거됩니다 — 각 규칙은 파일당 줄당 최대 한 번만 발동합니다.
에이전트 스킬 보안 분야는 2026년에 빠르게 채워졌습니다 — NVIDIA, Cisco, Snyk, Mondoo 모두 이 정확한 문제를 위한 스캐너를 출시했습니다. 이 도구를 포함해 도구를 선택하기 전에 이 분야를 알아두는 것이 좋습니다.
| 도구 | 후원 | 계정/토큰 필요 | 핵심 스캔에 LLM 호출 필요 | 탐지 방식 | 주목할 만한 추가 기능 |
|---|---|---|---|---|---|
| SkillsGuard | 독립, MIT | 아니오 | 아니오 | 정적 정규식, 디코딩 우선 (재귀적 base64/hex/URL/Unicode 해제) | Pre-commit 훅 + git-diff 모드; 무료 curl API |
| NVIDIA SkillSpector | NVIDIA, Apache 2.0 | 아니오 | 아니오 (의미 단계용 선택 사항) | 정적 + 선택적 LLM 의미 분석 단계 | 실시간 OSV.dev 의존성 CVE 조회 |
| Cisco AI Defense Skill Scanner | Cisco | 아니오 | 아니오 (의미 단계용 선택 사항) | 멀티 엔진: 정적 + 행위 데이터플로우 + LLM 의미 + 클라우드 | GitHub Actions 워크플로 내장 |
| Snyk Agent Scan (구 mcp-scan) | Snyk, 상용 | 예 — SNYK_TOKEN 필요 | 예 — 결정적 규칙 + LLM 판정 결합 | Claude/Cursor/Windsurf/Gemini CLI + MCP 서버 전반 자동 탐색 | Vercel의 설치 시점 스킬 스캔 지원 |
| SkillScan | 독립 | 아니오 | predict 모드에만 (선택 사항) | YAML 규칙 엔진 + 선택적 LLM 행위 드라이런 + 선택적 Docker 샌드박스 | LLM 역할극을 통한 시간차/지연 활성화 탐지 |
| Mondoo Skill Check | Mondoo, 상용 | 아니오 (무료 티어, 비상업용) | 공개 문서상 불명확 | 정적, OWASP LLM Top 10에 매핑 | 호스팅 대시보드 + REST API |
가장 중요한 공통점: SkillsGuard는 이 표에서 전체 스캔을 실행하는 데 Node ≥18.3 외에는 아무것도 필요로 하지 않는 유일한 도구입니다 — 계정도, API 토큰도, LLM 엔드포인트도, 네트워크 호출도 필요 없습니다. 활발히 유지 관리되는 다른 모든 경쟁 도구는 서비스 가입(Snyk)을 요구하거나 전체 커버리지를 위해 LLM 제공자 설정을 권장합니다(NVIDIA, Cisco, SkillScan). 따라서 매번 오프라인에서 동일하게 실행되어야 하는 CI 게이트나 pre-commit 훅에는 SkillsGuard가 가장 간단한 선택이며, 의미/의도 수준의 검토를 원하고 추가 의존성을 감수할 수 있다면 LLM 증강 도구가 더 나은 선택입니다.
이들은 상호 배타적이지 않습니다. 상식적인 설정은 SkillsGuard(또는 의존성이 전혀 없는 정적 도구)를 빠르고 결정적인 CI/pre-commit 게이트로 사용하고, 진정으로 새롭거나 높은 권한을 가진 스킬을 신뢰하기 전에 더 깊은 일회성 검토를 위해 LLM 증강 스캐너 중 하나와 함께 사용하는 것입니다.
SkillSpector는 아키텍처적으로 가장 유사한 프로젝트입니다 — 동일한 "설치 전 스캔" 프레이밍, 동일한 SARIF/JSON 출력 방식, 그리고 발표된 실증 연구(42,447개 스킬 스캔, 26.1%가 취약한 것으로 발견됨)로 뒷받침됩니다.
| SkillsGuard | NVIDIA SkillSpector | |
|---|---|---|
| 런타임 의존성 | 없음 — Node ≥18.3, npm 의존성 없음 | Python ≥3.12 |
| 탐지 방식 | 정적 정규식, 디코드 우선 | 정적 + 선택적 LLM 의미 분석 단계 |
| 규칙 수 | 151개 규칙 / 15개 카테고리 | 64개 패턴 / 16개 카테고리 |
| 의존성 CVE 조회 | 아니요 | 예 — 실시간 OSV.dev 조회 |
| 설치 | npm link 또는 무료 호스팅 curl API를 통한 무설치 | pip install / git clone |
| Pre-commit 훅 | 예 — install-hook, 베이스라인 워크플로 포함 | 문서화된 워크플로에 포함되지 않음 |
| Git diff / 스테이징된 파일 모드 | 예 — --diff, --staged | 문서화된 워크플로에 포함되지 않음 |
| SARIF 출력 | 예 | 예 |
| MCP 서버 | 예 — scan_skill, scan_skills_dir, 학습 가능한 SKILL.md | 해당 없음 (LangGraph 기반 파이프라인) |
| 성숙도 (이 글 작성 시점 기준) | v1.2.0 | v2.0.0, GitHub 스타 5.5k+, 발표된 논문 |
솔직한 평가: SkillSpector는 더 많은 연구적 근거를 갖추고 있으며, 정규식이 잡을 수 없는 의도 수준의 문제를 잡아내는 LLM 의미 분석 단계가 있습니다 — 예를 들어 코드를 포맷한다고 말하지만 몰래 ~/.ssh도 읽는 스킬 같은 경우입니다. 이러한 추가 추론 계층이 의존성 없는 상태를 유지하는 것보다 더 중요하다면, 좋은 선택입니다. 하나를 맹목적으로 고르기보다는 동일한 스킬을 두 도구로 모두 스캔하여 결과를 비교해 보는 것이 좋습니다.
AI 에이전트 스킬 패키지(SKILL.md + 번들 스크립트)는 새롭고 대부분 감사되지 않은 공격 표면입니다. 악성 스킬은 다음과 같은 행위를 할 수 있습니다: