mcpField
S
skilllint — vet an agent skill before you install it

skilllint — vet an agent skill before you install it

远程服务
github.com/mrpkk安全06 天前更新
代码仓库

关于 skilllint — vet an agent skill before you install it

skilllint 是本地检查 Agent 技能文件 SKILL.md 的 MCP 服务,面向安装技能前需要检查结构、触发描述与潜在风险的用户。它在本机运行检查,并用文件 SHA-256 将结果绑定到具体内容。

主要功能

  1. 01检查 SKILL.md 结构与元数据
  2. 02检测秘密字面值和注入标记
  3. 03检查失效指令与缺失引用文件
  4. 04比较多个技能候选
  5. 05返回判定、评分、哈希及发现项

适用场景

  1. 01安装前检查来源不明的 Agent 技能
  2. 02筛查技能文件中的秘密或注入风险
  3. 03比较不同注册表中的技能候选

MCP 相关

skilllint 通过 MCP 工具提供 lint_skill、compare_skills 和 lint_rules。可通过 stdio 或 Streamable HTTP 运行,也提供托管 MCP 地址。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://rta.lat/skilllint/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

skilllint

对 Agent 技能(SKILL.md)进行私密 lint 检查。内容不会离开本机。

现有扫描器(例如 NVIDIA SkillSpector——包含 71 种模式、AST、YARA、CVE 查询)回答的是“这个制品是否危险”,并会将检查内容发送给其提供方。我们的目标更聚焦,与之互为补充:

  • 隐私——检查在本地运行;只有判定结果、评分和哈希会发出去;
  • 可复现性——判定结果与文件的 sha256 绑定,因此之后可以签名和验证;
  • 比较——对来自不同注册表的多个候选项进行排序,而不是一次只扫描一个制品。

规则

id严重性检查项
R-001critical缺少 frontmatter
R-002high缺少或无效的 name
R-003high缺少 description 或长度过长
R-004mediumdescription 中没有触发条件(“何时使用”)
R-005medium无效指令(TODO / deprecated / placeholder)
R-006critical类似密钥的字面量
R-007critical提示词注入 / 数据外泄标记
R-008medium引用不存在的文件
R-009low文件大于 60 KB
R-010high脚本可被所有用户写入
R-011medium不受约束的自主操作指令

判定结果:PASS(>=80,且无 critical) | WARN | FAIL(存在任意 critical)。

使用方法

python3 mcp_server.py                            # stdio
python3 mcp_server.py --http 8191                # streamable http
npx -y mcp-remote https://rta.lat/skilllint/mcp  # hosted

工具:lint_skill(path) | compare_skills(paths) | lint_rules()

签名判定结果

lint_skill 返回 {verdict, score, sha256, findings[]}。该哈希是 attest 签名、drift 强制执行允许列表所依据的内容——参见 已验证工具注册表。

本地化:en、hi。自第一天起支持印度(Bharata);法律声明必须有官方来源,否则报告为待处理。

许可证:MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。