TL;DR

SkillSpector는 AI 에이전트 스킬의 설치 전 보안 위험을 자동으로 탐지하는 도구이다. 정적 규칙·AST 기반 탐지로 빠르게 잠재적 취약점을 식별하고, 선택적 LLM 시맨틱 평가로 문맥과 의도를 판별해 정밀도를 높인다. 리스크 점수(0–100)와 권고(SAFE/CAUTION/DO_NOT_INSTALL)를 반환하므로 CI·런타임 게이트에 직접 연동할 수 있다. 이 도구는 68개의 취약 패턴을 17개 카테고리로 분류하고 OSV.dev를 통한 실시간 의존성 CVE 조회(SC4)와 baseline 기반 오탐 억제 기능을 지원한다. Docker 실행과 Python API 호출을 모두 지원하며, MCP 서버로 등록하면 에이전트의 설치 요청을 런타임에서 차단 가능하다. 한계로는 정적 분석 기반으로 런타임 동작을 실행·격리하지 못하고, LLM 분석을 사용할 경우 파일 내용을 외부 제공자에 전송하므로 민감 데이터 처리 정책을 고려해야 한다. 오프라인 환경에서는 SC4가 제한된 폴백 목록에 의존해 의존성 취약점 검출 범위가 줄어든다.

주요 기능

• Git 리포지토리·URL·zip·디렉터리·단일 파일을 스캔한다
• 정규식·AST 기반 정적 분석과 선택적 LLM 시맨틱 평가를 순차 실행한다
• OSV.dev를 통한 실시간 의존성 CVE 조회(SC4)를 수행한다
• JSON·Markdown·SARIF 등 여러 출력 포맷으로 보고서를 생성한다
• baseline 파일로 기존 결과를 억제해 재스캔 시 신규 문제만 보고한다

어떻게 동작하는가

두 단계 파이프라인을 사용한다. 먼저 빠른 정적 검사(정규식, 11개 정적 분석기, AST 기반 행위 분석)로 고감도 탐지를 수행한 뒤, 옵션인 LLM 시맨틱 분석으로 문맥·의도를 평가해 정밀도를 약 87% 수준으로 개선한다.

해결 문제

에이전트 스킬 설치 전 코드·메타데이터에서 프롬프트 인젝션·자격증명 유출·권한 과다 등 보안·악성 패턴을 찾아 설치 여부를 결정하는 문제를 해결한다.

지금 주목받는 이유

에이전트 스킬 시장의 대규모 조사에서 26.1%가 취약점으로 식별되고 MCP 같은 런타임 통합 요구가 커지면서 설치 전 자동 스캐너의 수요가 증가했다.

차별점

• 정적 검사와 LLM 기반 시맨틱 평가를 결합해 재현 가능한 트리거(정규식+AST)와 문맥 판단(LLM)을 함께 사용한다
• MCP 서버로 노출해 런타임 설치 시점에 자동으로 게이트 역할을 수행할 수 있다(install-gate 통합)
• OSV.dev를 실시간 조회해 알려진 의존성 CVE를 확인하고 오프라인에서의 자동 폴백을 지원한다
• baseline(지문/글로벌 글롭 규칙)으로 오탐 억제·재스캔의 시그니처 유지가 가능하다

사용 사례

• CI 파이프라인에서 스킬 패키지를 설치 전 자동 게이트로 차단·경고하는 자동화
• 에이전트 세션 내부(MCP)에서 스킬 설치 요청 시 실시간으로 안전성 판정을 내려 설치를 결정하는 런타임 게이트
• 마켓플레이스나 리포지토리 수집본을 대량 스캔해 위험한 스킬을 분류·태깅하는 보안 감사
• 개발자의 로컬/도커 환경에서 신규 스킬 패치·스크립트의 위험 요인을 사전 검토하는 사전검증

시작하기

Python 3.12+ 가상환경을 활성화한 뒤 uv로 설치하거나 소스에서 make로 설치한다. (예) uv tool install git+https://github.com/NVIDIA/skillspector.git 또는 도커로 이미지 빌드 후 정적 스캔: docker run --rm -v "$PWD:/scan" skillspector scan ./my-skill/ --no-llm

요구사항

• Python 3.12+ (로컬 설치 시)
• 도커 사용 시 Docker 데몬
• LLM 분석을 사용하려면 OPENAI/ANTHROPIC/NVIDIA 등 해당 제공자 API 키 또는 OpenAI-호환 엔드포인트
• 실시간 SC4 조회를 위해 api.osv.dev로의 아웃바운드 HTTPS 접근 (오프라인일 경우 제한된 폴백 목록 사용)

벤치마크