Skill Scanner — 智能体技能安全扫描器
针对 AI Agent 技能的安全扫描工具，识别提示注入、数据外泄和恶意代码。
证据显示：扫描器默认仅进行静态分析，不自动上传文件；LLM和VirusTotal等外部服务需显式启用并提供API密钥；文档明确说明扫描结果需人工复核。扣分原因：未发现明确的用户确认机制（如扫描前提示），且外部服务调用可能发送数据，但未提供数据流透明度的详细说明。
证据显示：项目有完整的测试套件和CI配置，依赖锁定在uv.lock中，且提供了失败时的错误信息。扣分原因：未提供详细的故障恢复机制或错误处理文档。
证据显示：支持多种技能格式（OpenAI Codex、Cursor、Claude Code），提供lenient模式和非标准格式扫描，且支持自定义策略和规则。扣分原因：未明确说明不同环境（如CI、本地）的适配细节。
证据显示：文档结构清晰，包含安装、快速开始、CLI选项、示例输出等；提供Apache 2.0许可证；有版本标签和变更日志链接。扣分原因：未提供详细的变更日志内容，且维护责任未明确指定。
证据显示：提供多种输出格式（SARIF、HTML、JSON等），适合CI/CD集成；扫描器针对Agent Skills安全检测，具有明确的价值。扣分原因：未提供性能基准或与其他工具的对比。
证据显示：README中明确区分了检测结果和保证，且提供了架构文档和威胁分类。扣分原因：未提供独立的第三方验证或交叉验证证据。
- 外部服务（LLM、VirusTotal、AI Defense）可能发送技能内容到第三方，需谨慎配置API密钥和网络策略。
- 扫描结果不保证安全，需人工复核，尤其在高风险场景。
- 未提供回滚机制，若扫描器误报可能导致CI失败，需配置适当的失败策略。
这个 Agent 能做什么，适合哪些场景？
Skill Scanner 是一个由 Cisco AI Defense 团队开发的最佳努力型安全扫描器，用于检测 AI Agent 技能中的潜在威胁。它结合了基于模式的检测（YAML + YARA）、LLM 语义分析和行为数据流分析，以最大程度地覆盖可能的风险，同时减少误报。该工具支持 OpenAI Codex Skills 和 Cursor Agent Skills 格式，并可通过 --lenient 模式扫描 Claude Code 命令等非标准格式。它提供命令行界面、Python SDK 和 GitHub Actions 集成，可输出 SARIF 格式以便在 CI/CD 中使用。该项目基于 Apache 2.0 许可证开源，要求 Python 3.10+。
Skill Scanner 读取技能目录，扫描技能元数据文件和脚本，检测恶意模式。它包含多个分析引擎：静态分析使用 YAML 和 YARA 规则，字节码分析验证 .pyc 文件完整性，管道分析检查 shell 管道中的命令污染，行为分析使用 AST 数据流分析，LLM 分析器通过 API 进行语义评估，另有元分析器用于过滤误报，以及 VirusTotal 和 Cisco AI Defense 云服务集成。用户可通过 CLI 命令如 skill-scanner scan 或 scan-all 触发扫描，也可通过 Python SDK 编程调用。输出支持 summary、json、markdown、table、sarif 和 html 等格式，并提供了 fail-on-severity 等选项支持 CI 失败。
- 软件开发者在将技能纳入代码库前，使用 CLI 命令扫描单个技能目录以发现潜在风险。
- CI/CD 工程师将 GitHub Actions 工作流集成到仓库，在每次 PR 时自动扫描 .cursor/skills 目录，并在 PR 中产生内联注释。
- 安全团队对技能仓库进行递归扫描，使用 scan-all --recursive 和 --check-overlap 检测跨技能描述重叠的威胁。
- 使用 --use-llm 和 --enable-meta 的团队进行深度语义分析，并利用元分析器减少误报。
- 需要遵循严格安全策略的团队，通过 --policy strict 或自定义策略文件强制执行安全基线。
这个 Agent 有哪些优点和局限？
- 多引擎检测：同时使用静态、行为、LLM 和云服务分析，提高覆盖范围。
- 提供预提交钩子和 GitHub Actions 集成，方便在开发流程中自动扫描。
- 支持多种输出格式，包括 SARIF，可直接用于 GitHub Code Scanning。
- 需要配置外部 API 密钥（如 LLM 分析器需要 SKILL_SCANNER_LLM_API_KEY）才能使用完整功能。
- 扫描结果可能产生误报，需要结合人工审查，不能完全自动化决策。
- 对非标准技能格式的支持需要 --lenient 模式，可能降低准确性。
如何安装或部署这个 Agent？
安装前需具备 Python 3.10+ 和 uv 或 pip。使用 uv：uv pip install cisco-ai-skill-scanner；使用 pip：pip install cisco-ai-skill-scanner。可选安装云提供商额外依赖：如 pip install cisco-ai-skill-scanner[bedrock]、[google]、[vertex]、[azure] 或 [all]。
如何使用这个 Agent？
首次使用可运行 skill-scanner 启动交互式向导。或直接使用 CLI：skill-scanner scan /path/to/skill --use-llm --enable-meta。设置环境变量 SKILL_SCANNER_LLM_API_KEY 和 SKILL_SCANNER_LLM_MODEL 以启用 LLM 分析。可使用 scan-all --recursive 递归扫描多个技能，scan-repo owner/repo 扫描 GitHub 仓库。生成 SARIF 输出以集成到 GitHub Code Scanning：skill-scanner scan-all ./skills --fail-on-severity high --format sarif --output results.sarif。Python SDK 示例：from skill_scanner import SkillScanner; from skill_scanner.core.analyzers import BehavioralAnalyzer; scanner = SkillScanner(analyzers=[BehavioralAnalyzer()]); result = scanner.scan_skill("/path/to/skill")。