自从 Anthropic 推出 Agent Skills 后，各大公司纷纷将产品封装成 Skill 给大家调用。
现在市面上的 Skill 可谓是五花八门，大部分人都是看到一个觉得好的就随手安装了。
很少有人会停下来思考，看下这些 Skill 里面是否藏着一些坏心思，有没有恶意命令。
当我们把它装到 Agent 工具之后，就相当于给了它执行权限，其实是非常危险的。
于是 NVIDIA 团队开源了 SkillSpector，一个 Agent Skill 安全扫描器。
在安装 Skill 之前，先帮我们对它进行安全扫描一遍，检查是否存在安全风险和恶意指令。
项目一经开源，便成为了大部分人电脑上必装的一个工具，目前已狂揽 10800+ Star。
英伟达也公布了一则数据，在 4 万多 Skill 里面，发现每 4 个就有 1 个是存在安全漏洞。
有一条数据更加扎眼，带有可执行脚本的 Skill，发现有漏洞的概率比普通的要高出 2.12 倍。
这也是英伟达团队为什么要做 SkillSpector 的原因之一，而且安全扫描覆盖范围非常广。
内置了 68 种漏洞模式，并且将它们分成 17 大类别，包括提示词注入、对话偷偷外传、越权获取 API 密钥等等。
对于信息源输入，可以是一个 Git 地址、一个目录、一个压缩包甚至是单个 SKILL.md 文件，都可以扫描。
那它是怎么保证安全得准？主要提供了两个阶段检测。
第一步是静态快扫。对每个文件的代码进行扫描一篇，挑出可疑地方。
还会整理用到的第三方依赖，然后放到公开的漏洞库里对比，看有有没有匹配到。
第二步再让大模型做判断，结合上下文把第一步的误报过滤掉，将精度提升约 87%。
整个扫描过程，从头到尾不会先执行被扫的 Skill，而且纯查看其代码和内容。
第二步使用到的大模型，默认会把 Skill 文件内容发送给我们配置的模型供应商。
支持接入 OpenAI、Anthropic，也支持通过 Ollama 接入本地模型。
当扫描任务完成后，给出一个 0 到 100 的安全风险值，分数越低越安全，再配一句结论总结和建议。
对于一些比较复杂的 Skill，第一次扫描，有可能会出现几条误报的信息。
此时如果我们看过、确认没问题的，可以让它记录下来，后面重扫就会自动跳过。
如何使用 SkillSpector，项目提供了多种安装方式，包括本地安装、Docker 和 MCP。
我建议把 SkillSpector 作为 MCP，安装到任何支持 MCP 的 Agent 工具里使用。
首先通过 pip 命令，把 SkillSpector 带 MCP 支持的版本安装到本地：
pip install "skillspector[mcp]"
装好后，把它添加到 Claude Code 使用，也就一行命令的事。
claude mcp add skillspector -- skillspector mcp
如果是团队使用场景，还能将它接进 CI 流水线，把安检关卡设在合并代码那一步。
写在最后
在这大半年里，Agent Skill 生态发展的实在太快，已经有数不清的各种各样 Skill。
但安全审计这块领域基本还是空的，大部分人都没意识到所安装的 Skill 可能存在风险。
NVIDIA 开源的 SkillSpector，正好能帮我们给安装到 Skill 加入一道安检。
往后安装的 Skill 只会越装越多，安装它们之前，先用 SkillSpector 扫描一遍安心一点。
