---

---

⚡ 60초 안에 설치 및 사용

옵션 A — 무료 클라우드 API (설치 불필요)```bash

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 .

### 옵션 B — 소스에서 빌드하여 전역 연결

> **참고:** SkillsGuard는 현재 npm 레지스트리에 게시되어 있지 않습니다. 소스 코드를 클론하고 빌드하여 설치하세요.```bash
# 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(CI의 경우 --json 사용).
종료 코드 0 = 정상 · 1 = 발견됨 · 2 = 사용 오류.

Claude가 에이전트 워크플로 내에서 자동으로 스캐너를 호출하길 원하십니까? 전체 스킬 + MCP 설정은 로컬 워크플로 → 경로 B를 참조하세요.

---

작동 방식```mermaid

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 스캔 *전에* 난독화된 페이로드를 디코딩하므로, base64로 래핑된 리버스 셸이 통과할 수 없습니다. 모든 발견은 중복 제거됩니다 — 각 규칙은 파일당 한 줄당 최대 한 번만 실행됩니다.

---

## 목차

- [SkillsGuard 비교 방법](#how-skillsguard-compares)
- [SkillsGuard를 사용하는 이유](#why-skillsguard)
- [기능](#features)
- [위협 범위](#threat-coverage)
- [빠른 시작](#quick-start)
- [로컬 워크플로](#local-workflow)
  - [Kiro CLI — 전체 예제](#kiro-cli--complete-example)
  - [실제 예제 — 설치된 스킬 자체 감사](#real-world-example--self-auditing-installed-skills)
- [CLI 사용법](#cli-usage)
- [Git Diff 모드](#git-diff-mode)
- [구성 파일](#configuration-file)
- [위험 점수 및 게이팅](#risk-scoring--gating)
- [SARIF 출력](#sarif-output)
- [모델별 규칙](#model-specific-rules)
- [규칙 탐색기 및 조정](#rule-explorer--tuning)
- [감시 모드](#watch-mode)
- [기준 워크플로](#baseline-workflow)
- [Pre-commit 훅](#pre-commit-hook)
- [MCP 서버](#mcp-server)
- [HTTP 서버](#http-server)
- [클라우드 API (무료)](#cloud-api-free)
- [라이브 데모](#live-demo)
- [라이브러리 API](#library-api)
- [규칙 참조](#rules-reference)
- [난독화 탐지](#obfuscation-detection)
- [테스트 픽스처](#test-fixtures)
- [프로젝트 구조](#project-structure)
- [제한 사항](#limitations)
- [기여하기](#contributing)
- [라이선스](#license)
- [저작자 표시](#attribution)
- [관련 프로젝트](#related-projects)
- [개발 지원](#support-development)

---

## SkillsGuard 비교 방법

에이전트 스킬 보안 공간은 2026년에 빠르게 채워졌습니다. NVIDIA, Cisco, Snyk, Mondoo 모두 이 정확한 문제를 위한 스캐너를 출시했습니다. 이 도구를 포함하여 도구를 선택하기 전에 해당 분야를 아는 것이 좋습니다.

### 한눈에 보기

| 도구 | 지원 | 계정/토큰 필요 | 핵심 스캔에 LLM 호출 필요 | 탐지 접근법 | 주목할 만한 추가 기능 |
|---|---|---|---|---|---|
| **SkillsGuard** | 독립, MIT | 아니요 | 아니요 | 정적 정규식, 디코드 우선 (재귀적 base64/hex/URL/유니코드 언래핑) | Pre-commit 훅 + git-diff 모드; 무료 curl API |
| **[NVIDIA SkillSpector](https://github.com/NVIDIA/SkillSpector)** | NVIDIA, Apache 2.0 | 아니요 | 아니요 (선택 사항, 의미론적 단계용) | 정적 + 선택적 LLM 의미론적 패스 | 실시간 OSV.dev 의존성 CVE 조회 |
| **[Cisco AI Defense Skill Scanner](https://github.com/cisco-ai-defense/skill-scanner)** | Cisco | 아니요 | 아니요 (선택 사항, 의미론적 단계용) | 다중 엔진: 정적 + 동작 데이터흐름 + LLM 의미론적 + 클라우드 | GitHub Actions 워크플로 내장 |
| **[Snyk Agent Scan](https://github.com/snyk/agent-scan)** (이전 mcp-scan) | Snyk, 상용 | **예** — `SNYK_TOKEN` 필요 | 예 — 결정적 규칙 + LLM 판정 결합 | Claude/Cursor/Windsurf/Gemini CLI + MCP 서버에서 자동 검색 | Vercel의 설치 시 스킬 스캐닝 지원 |
| **[SkillScan](https://github.com/NMitchem/SkillScan)** | 독립 | 아니요 | `predict` 모드에서만 (선택 사항) | YAML 규칙 엔진 + 선택적 LLM 동작 드라이런 + 선택적 Docker 샌드박스 | LLM 역할극을 통한 시간적/지연 활성화 탐지 |
| **Mondoo Skill Check** | Mondoo, 상용 | 아니요 (비상업용 무료 티어) | 공개 문서에서 불명확 | 정적, OWASP LLM Top 10에 매핑 | 호스팅 대시보드 + REST API |

**가장 중요한 공통점:** SkillsGuard는 전체 스캔을 실행하기 위해 **Node ≥18.3 외에는 아무것도 필요로 하지 않는** 이 표의 유일한 도구입니다. 계정, API 토큰, LLM 엔드포인트, 네트워크 호출이 필요 없습니다. 다른 적극적으로 유지 관리되는 경쟁 도구는 서비스에 가입하거나(Snyk) 전체 적용 범위를 위해 LLM 제공자를 구성하는 것을 권장합니다(NVIDIA, Cisco, SkillScan). 이는 SkillsGuard를 CI 게이트나 pre-commit 훅에 가장 간단한 선택으로 만듭니다. 매번 동일한 방식으로 오프라인에서 실행되어야 하는 경우에 적합합니다. 그리고 LLM 증강 도구는 의미론적/의도 수준 검토를 원하고 추가 의존성을 신경 쓰지 않는 경우 더 나은 선택입니다.

이들은 상호 배타적이지 않습니다. 상식적인 설정: 빠른 결정적 CI/pre-commit 게이트로 SkillsGuard(또는 다른 제로 의존성 정적 도구)를 사용하고, 진정으로 새롭거나 높은 권한의 스킬을 신뢰하기 전에 더 깊은 일회성 검토를 위해 LLM 증강 스캐너 중 하나와 함께 사용합니다.

### 가장 가까운 비교: NVIDIA SkillSpector

SkillSpector는 가장 아키텍처적으로 유사한 프로젝트입니다 — 동일한 "설치 전 스캔" 프레임워크, 동일한 SARIF/JSON 출력 스토리, 42,447개 스킬 스캔(26.1% 취약 발견)이라는 게재된 실증 연구를 기반으로 합니다.

| | **SkillsGuard** | **NVIDIA SkillSpector** |
|---|---|---|
| 런타임 의존성 | 없음 — Node ≥18.3, npm 의존성 제로 | Python ≥3.12 |
| 탐지 접근법 | 정적 정규식, 디코드 우선 | 정적 + 선택적 LLM 의미론적 패스 |
| 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 제로 설치 | `pip install` / git clone |
| Pre-commit 훅 | 예 — `install-hook`, 기준 워크플로 포함 | 문서화된 워크플로에 포함되지 않음 |
| Git diff / 스테이징 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(작성 시점 기준) | v1.1.1 | v2.0.0, 5.5k+ GitHub 별, 발표된 논문 |

**솔직한 평가:** SkillSpector는 더 많은 연구 가중치와 정규식으로는 잡을 수 없는 의도 수준의 문제를 포착하는 LLM 의미론적 단계를 가지고 있습니다. 예를 들어, 코드를 포맷한다고 *말하지만* 조용히 `~/.ssh`를 읽는 스킬. 의존성 없음보다 그 추가 추론 계층이 더 중요하다면 강력한 선택입니다. 하나를 맹목적으로 선택하는 것보다 두 도구로 동일한 스킬을 스캔하고 결과를 비교하는 것이 좋습니다.

---

## SkillsGuard를 사용하는 이유

AI 에이전트 스킬 패키지(`SKILL.md` + 번들 스크립트)는 새롭고 대부분 감사되지 않은 공격 표면입니다. 악성 스킬은 다음을 수행할 수 있습니다: