개요

SkillSpector는 “이 스킬, 깔아도 되나?”를 설치 전에 대신 확인해 주는 NVIDIA의 오픈소스 보안 스캐너다. Claude Code·Codex CLI·Gemini CLI 같은 에이전트는 스킬을 설치하는 순간 거의 검증 없이 믿고 실행한다. SkillSpector는 그 스킬의 지시문과 스크립트를 실행하지 않고 읽어서 숨은 명령, 데이터 유출, 권한 상승, 공급망 위험을 찾아 0~100점 위험 점수와 설치 권고를 낸다. Apache-2.0, Python 3.12+이며 2026-11-16 기준 GitHub 별 약 2.6만 개다.

NVIDIA는 이 도구를 자사 Verified Skills 파이프라인에 그대로 쓴다. 스킬을 스캔·평가·서명하고, 통과한 것만 NVIDIA skills 카탈로그에 올린다.

왜 필요한가 — 스킬 4개 중 1개가 구멍

근거는 Liu 등(2026)의 실증 연구 *“Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale”*이다.

항목수치
수집한 스킬주요 마켓플레이스 42,447개
비율 산출에 쓴 분석 대상31,132개
취약점 1개 이상26.1% (약 4개 중 1개)
악성 의도로 보이는 것5.2%
실행 스크립트 포함 스킬의 취약 가능성없는 스킬의 2.12배

비율의 분모는 42,447개 전체가 아니라 분석한 31,132개다.

무엇을 잡나 — 17개 분류, 71개 패턴

각 패턴에 ID(예: P1, E2, SC4)와 심각도가 붙는다. 6월 공개 당시 68개였고 11월 README 기준 71개다.

묶음분류예
지시문 조작프롬프트 인젝션, 안티 리퓨절, 트리거 남용숨겨진 지시문, 아무 요청에나 발동하도록 범용 키워드로 미끼 던지기
정보 탈취데이터 유출, 시스템 프롬프트 유출, 오염 추적(taint)환경 변수·비밀값이 네트워크 출력으로 흘러가는 체인
권한·행동권한 상승, 과도한 에이전시, 도구 오용, 로그 에이전트, 출력 처리선언보다 많은 일을 하는 스킬
기억메모리 오염대화를 넘어 계속 남도록 설계된 컨텍스트 주입
코드위험 코드(AST), YARA 시그니처exec·eval·subprocess, getattr(os,'system') 우회, 웹셸·채굴기
공급망공급망curl | bash, CVE 있는 의존성(SC4)
MCPMCP 최소 권한, MCP 도구 오염와일드카드 권한, 동형 문자·RTL 문자로 위장한 도구 설명, 설명과 실제 동작 불일치

어떻게 검사하나 — 2단계

  1. 정적 분석(빠름) — 11개 분석기가 정규식·Python AST·YARA로 모든 대상 파일을 훑는다. 재현율은 높고 정밀도는 중간이라 오탐이 있다.
  2. LLM 의미 분석(선택) — 정적 분석 결과를 맥락과 의도로 다시 따진다. 모델이 확인한 항목은 설명과 신뢰도가 올라가지만, 확인하지 못한 항목도 지우지 않고 llm-unconfirmed 태그만 붙인다. 악성 스킬이 분석 LLM을 조종하지 못하도록 프롬프트에 탈옥 방지 장치가 있다. 6월 소개 글은 이 단계로 정밀도가 약 87%까지 오른다고 했으나, 현재 README는 “특정 정밀도를 보장하지 않는다”고 적는다.

알려진 취약 의존성(SC4)은 OSV.dev에 실시간으로 묻는다. API 키가 필요 없고, 연결이 안 되면 작은 내장 목록으로 자동 전환한다. 다만 오프라인이면 그만큼 탐지 범위가 좁아진다.

쓰는 법

uv tool install git+https://github.com/NVIDIA/skillspector.git
 
skillspector scan ./my-skill/                          # 폴더
skillspector scan ./SKILL.md                           # 파일 하나
skillspector scan https://github.com/user/my-skill     # Git 저장소·URL
skillspector scan ./my-skill.zip                       # zip
skillspector scan ./my-skill --no-llm                  # 정적 분석만(파일을 외부로 안 보냄)
  • 출력: 터미널(기본)·JSON·Markdown·SARIF(CI·IDE 연동). Docker 이미지도 있다.
  • 점수: CRITICAL +50, HIGH +25, MEDIUM +10, LOW +5, 실행 스크립트가 있으면 ×1.3.
점수심각도권고
0-20LOWSAFE
21-50MEDIUMCAUTION
51-80HIGHDO NOT INSTALL
81-100CRITICALDO NOT INSTALL
  • 종료 코드: 50점 이하 0, 초과 1, 오류 2. SAFE와 CAUTION이 둘 다 0이므로 엄격하게 막으려면 --fail-on-findings를 쓰거나 JSON recommendation 필드를 읽는다.
  • 오탐 관리: 이미 검토한 항목을 baseline에 넣으면 다시 스캔할 때 새 항목만 점수에 반영된다.
  • 에이전트 안에서 돌리기: skillspector mcp로 mcp 서버를 띄우면 에이전트가 scan_skill 도구로 검사하고 결과에 따라 설치를 막을 수 있다. opencode용(/skillspector 명령)과 Pi용 확장도 있다.

한계와 주의점

  • 샌드박스가 아니다. 설치 전에 위험을 알려 줄 뿐, 그래도 설치한 스킬을 격리하지는 않는다. 다층 방어의 한 겹이다.
  • LLM 분석은 기본으로 켜져 있고, 파일 내용을 설정한 LLM 제공자에게 보낸다. 사내 코드라면 --no-llm이나 로컬 모델(Ollama·vLLM)을 쓴다. SC4는 --no-llm에서도 의존성 이름·버전을 OSV.dev로 보낸다(파일 내용은 아님).
  • 영어가 아닌 지시문, 이미지 속 텍스트, 암호화·컴파일된 코드, 실행 중에만 드러나는 동작은 놓칠 수 있다.

실무 포인트

“스킬 하나면 업무 끝” 같은 글을 보고 GitHub 주소를 복사해 바로 설치하는 경우가 많다. 회사 노트북에서 그렇게 깐 스킬이 사내 자료를 밖으로 내보내면 되돌릴 방법이 없다. 남의 스킬을 설치하기 전에 그 주소를 skillspector scan에 먼저 넣어 보는 것이 이 도구의 기본 사용법이다.

관련 노트

출처