skill-guard

核心用法

skill-guard 是一个安全包装脚本，替代直接使用 clawhub install 命令。用户执行 ./scripts/safe-install.sh <skill-slug> 时，工具会先将技能下载到 /tmp/ 临时隔离区，调用 mcp-scan（Snyk/Invariant Labs 开发的专业AI Agent安全扫描器）执行静态分析，通过后才复制到正式技能目录，威胁则保持隔离待人工复核。

显著优点

1. 零信任架构：所有技能必须经过扫描才能进入生产环境，杜绝"盲装"风险
2. 成熟扫描引擎：底层采用 mcp-scan，该工具由 Invariant Labs（已被Snyk收购）开发，专注AI Agent安全领域，检测规则覆盖提示注入、隐写命令、数据外泄等多类威胁
3. 非侵入式设计：隔离区机制确保可疑代码永不触碰正式环境，用户可自主决定"强制安装"或"丢弃"
4. 透明决策：清晰的退出码（0=安全/1=错误/2=威胁）和隔离目录保留，便于审计与取证

潜在缺点与局限性

• 依赖外部工具链：必须预装 clawhub CLI 和 uv（Python包管理器），增加环境复杂度
• 静态分析边界：mcp-scan 作为静态扫描器，可能漏检动态混淆代码或运行时生成的恶意逻辑
• 性能开销：每次安装需额外下载+扫描，对CI/CD流水线或频繁迭代的开发者不够友好
• 版本锁定风险：--version 参数支持有限，若技能依赖未锁定的子组件，扫描通过≠运行安全
• 人工复核瓶颈：检测到威胁时（exit 2）无自动修复建议，需用户具备安全分析能力

适合人群

• 使用 ClawHub 生态的 AI Agent 开发者与运维人员
• 企业内需要合规审查的MCP/技能管理平台
• 对供应链安全敏感的团队（担心第三方技能投毒）

常规风险

• 误报导致可用性下降：合法技能的复杂模板语法可能触发启发式规则，被误拦截
• 隔离区残留：/tmp/skill-guard-staging/ 中的威胁样本若未及时清理，可能成为横向移动跳板
• 工具链单点故障：mcp-scan 或 Snyk 服务策略变动（如收费、规则更新）可能直接影响安装流程