Agent Scan Valuta
Überblick
Agent Scan ist Snyks Security-Scanner für die Agent-Supply-Chain: Er entdeckt und scannt lokale KI-Agent-Komponenten, darunter MCP-Server, Agent Skills, Tools, Prompts und Ressourcen. Das veröffentlichte Paket snyk-agent-scan beschreibt einen Scanner für Agents, MCP-Server und Skills, der installierte Agent-Komponenten inventarisiert und auf Prompt Injections, sensibles Daten-Handling, in natürlicher Sprache versteckte Malware-Payloads, Tool Poisoning, Toxic Flows und Schwachstellen in Agent Skills prüft (PyPI). Das verwandte Paket mcp-scan ist inzwischen ein Redirect-Paket, das snyk-agent-scan installiert und die CLI mcp-scan dorthin weiterleitet. Das ist relevant für Teams, die die Invariant-Labs-Tools unter dem alten Namen evaluiert haben (PyPI).
Agent Scan sollte bewertet werden, weil er eine reale und schnell wachsende Blindstelle adressiert: Agentische Developer-Tools laden MCP-Server und Skills, die ausführbare Befehle, Anweisungen in natürlicher Sprache, Tool-Beschreibungen, Credential-Handling und Laufzeit-Datenpfade enthalten können. Snyks ToxicSkills-Forschung scannte 3.984 Skills und fand, dass 36,82 % mindestens eine Sicherheitslücke hatten, 13,4 % ein kritisches Problem und 76 bösartige Payloads nach manueller Prüfung bestätigt wurden. Das zeigt, warum Scanning der Agent-Skill- und MCP-Supply-Chain explizite Aufmerksamkeit verdient (Snyk).
Adoptionssignale
- Das Paket
snyk-agent-scanbietetuvx snyk-agent-scan@latestfür Vollmaschinen-Scans mit Auto-Discovery von Agents, MCP-Servern und Skills sowie gezielte Scans von MCP-Konfigurationsdateien, einzelnenSKILL.md-Dateien und Skill-Verzeichnissen wie~/.claude/skills(PyPI). - Agent Scan unterstützt gängige Developer-AI-Umgebungen und Clients, darunter Cursor, VS Code, Claude Code, Gemini CLI, Windsurf, Amp, Antigravity, Codex, Amazon Q, Claude Desktop und OpenClaw, mit unterschiedlicher MCP- und Skills-Abdeckung je Betriebssystem (PyPI).
- Snyk berichtet, dass Agent Scan die Security-Integration von Vercels skills.sh antreibt und angepasste LLM-basierte Judges mit deterministischen Regeln kombiniert, um Ausführungslogik und Anweisungen in natürlicher Sprache in Skills zu analysieren (Snyk).
- Das öffentliche GitHub-Repository ist Apache-2.0-lizenziert, Python-basiert, seit April 2025 aktiv und zeigt sichtbare Aktivität bis Mai 2026; Metadaten listen Themen wie AI, MCP, Model Context Protocol, Agent und Security (GitHub API).
- Die Kategorie wird Mainstream: Ciscos AI Agent Security Scanner bringt MCP-Server-Scanning, Agent-Skill-Scanning, Secure-Code-Guidance und Konfigurations-Integritäts-Monitoring direkt in IDE-Workflows für Cursor, VS Code und Windsurf (Cisco).
Risiken
- Ausführungsrisiko beim Scannen ist explizit: Beim Scannen einer MCP-Konfiguration startet Agent Scan stdio-MCP-Server durch Ausführen des konfigurierten Befehls und der Argumente, um Tool-Beschreibungen abzurufen. Teams sollten Zustimmungsdialoge prüfen und Scans in einer Sandbox für nicht vertrauenswürdige oder Drittanbieter-MCP-Konfigurationen ausführen (PyPI).
- API- und Metadaten-Sharing muss geprüft werden: Agent Scan validiert Komponenten lokal und über die Agent-Scan-API und teilt Skills, Agent-Anwendungen, Tool-Namen und Beschreibungen mit Snyk; MCP-Tool-Call-Inhalte oder -Ergebnisse werden laut Angabe nicht gespeichert oder geloggt (PyPI).
- Gefährliche Automatisierungs-Flags brauchen Leitplanken: In nicht-interaktiven Umgebungen ist
--dangerously-run-mcp-serversnötig, um Zustimmung zu umgehen und alle konfigurierten stdio-Server automatisch zu starten. Das sollte nur nach Verifizierung der Server-Befehle genutzt werden (PyPI). - Scanner-Abdeckung ist kein vollständiger Laufzeitschutz, weil Toxic Flows aus dynamischen Kombinationen von Tools, sensiblen Daten, nicht vertrauenswürdigen Anweisungen und Exfiltrationskanälen zur Laufzeit entstehen können. Invariant Labs positioniert Toxic-Flow-Analyse als hybrides Framework aus statischen Agent-/Tool-Informationen und Laufzeitdaten (Invariant Labs).
- Reife des Betriebsmodells entwickelt sich noch: Agent Scan ist für externe Beiträge geschlossen, nimmt Vorschläge über Issues an und sollte auf lokale False Positives, Remediation-Ownership und Policy-Fit validiert werden, bevor er verbindliches Gate wird (PyPI).
Vorteile & Nachteile
Vorteile
- Erkennt lokale Agent-Komponenten automatisch, einschließlich MCP-Konfigurationen, Agent-Tools und Skills in gängigen Developer-AI-Clients.
- Erkennt agentspezifische Risiken wie Prompt Injection, Tool Poisoning, Tool Shadowing, Toxic Flows, Malware-Payloads, nicht vertrauenswürdige Inhalte, Credential-Handling und hardcodierte Secrets.
- Bietet einen Scan-Modus für Entwickler und einen Hintergrund-Monitoring-Modus für Security-Teams, die unternehmensweite Sichtbarkeit in die Agent-Supply-Chain benötigen.
Nachteile
- Beim Scannen von MCP-Konfigurationen können die darin definierten Befehle ausgeführt werden; nicht vertrauenswürdige MCP-Server sollten geprüft und in einer Sandbox gescannt werden.
- Die Validierung ruft die Agent-Scan-API auf und teilt Skills, Agent-Anwendungen, Tool-Namen und Beschreibungen mit Snyk, was nicht zu allen Datenschutz- oder Regulierungsanforderungen passt.
- Das Projekt ist noch jung, für externe Beiträge geschlossen; Scanner-Funde sollten lokal validiert werden, bevor sie als verbindliche Delivery-Gates gelten.
Empfehlung
Bewerten Sie Agent Scan als Kandidat für Sichtbarkeit und Security Controls in der Agent-Supply-Chain, wenn Teams Claude Code, Cursor, VS Code, Windsurf, Gemini CLI, Codex, MCP-Server oder installierbare Agent Skills nutzen. Starten Sie mit beratenden Scans auf Entwickler-Maschinen und repräsentativen CI-Umgebungen mit uvx snyk-agent-scan@latest, gezielten MCP-Config-Scans und Skill-Verzeichnis-Scans, um die lokale Agent-Oberfläche zu inventarisieren. Bevor Sie verbindliche Gates einführen, validieren Sie Scanner-Funde gegen bekannte gute und absichtlich verwundbare Konfigurationen, dokumentieren Sie, welche Metadaten an Snyk gehen, entscheiden Sie, ob Sandbox-Scanning erforderlich ist, und definieren Sie Ownership für unsichere MCP-Server, Skills, Prompt Injections, Toxic Flows, Secrets und Credential-Handling.
Quellen
- PyPI: snyk-agent-scan
- PyPI: mcp-scan
- GitHub API: snyk/agent-scan repository metadata
- Snyk: ToxicSkills malicious AI agent skills research
- Snyk: Securing the Agent Skill Ecosystem
- Cisco: Introducing the AI Agent Security Scanner for IDEs
- Invariant Labs: Introducing MCP-Scan
- Invariant Labs: Toxic Flow Analysis