Der Skill-Scanner — jeden Claude-Skill prüfen, bevor du ihn installierst.

Was die Studie gezeigt hat

Die Zahl aus dem Reel stammt aus der Studie Agent Skills in the Wild von Liu und Kollegen (Quantstamp, Tianjin University und weitere, veröffentlicht im Januar 2026). Die Forscher haben 42.447 Skills aus zwei großen Skill-Marktplätzen gesammelt und 31.132 davon automatisch geprüft. Es sind Skills im selben Format, das Claude nutzt.

NVIDIA zitiert diese Zahlen in der Beschreibung von SkillSpector. Den Scanner selbst hat NVIDIA gebaut und als Open Source veröffentlicht. NVIDIA prüft damit auch die Skills, die es selbst veröffentlicht.

Worauf ein Skill Zugriff hat

Ein Skill ist ein Ordner mit einer Datei SKILL.md und oft ein paar Skripten. Claude liest die Anleitung und folgt ihr. Läuft Claude mit Zugriff auf deinen Rechner, etwa in Claude Code oder mit freigegebenen Ordnern, kann ein Skill Claude anweisen:

Die gefährliche Zeile steht selten oben. Sie steckt als Schritt 7 in einem langen Ablauf, in einem Kommentar oder in einem Hilfsskript, das du nie öffnest.

Was du brauchst

• Einen Mac, Linux-Rechner oder Windows mit WSL
• Das Terminal. Die Befehle unten kannst du einfach kopieren.
• uv, ein kleines Installationsprogramm für Python-Tools. Python selbst holt uv bei Bedarf dazu.

Hast du uv noch nicht, installierst du es mit einem Befehl (offizielle Anleitung: docs.astral.sh/uv):

curl -LsSf 
https://astral.sh/uv/install.sh
 | sh

Auf dem Mac geht auch brew install uv. Danach das Terminal einmal schließen und neu öffnen.

Schritt 1: Scanner installieren

Dieser Befehl installiert SkillSpector direkt mit dem Teil, den du später für die Verbindung mit Claude brauchst:

uv tool install 'skillspector[mcp] @ git+
https://github.com/NVIDIA/skillspector.git
'

Ob es geklappt hat, siehst du mit skillspector --help. Aktualisieren kannst du später mit uv tool upgrade skillspector.

Schritt 2: Den ersten Skill scannen

Lad den Skill herunter, den du installieren willst, und entpacke ihn. Dann zeigst du dem Scanner den Ordner, nicht nur die SKILL.md:

skillspector scan ./name-des-skills --no-llm

--no-llm heißt: nur die feste Prüfung auf bekannte Muster. Das geht schnell, braucht keinen API-Schlüssel und kostet nichts. Auch ein GitHub-Link oder eine ZIP-Datei funktioniert als Ziel.

Die Skills, die du schon hast, prüfst du auf einen Schlag:

skillspector scan ~/.claude/skills --recursive --no-llm

Schritt 3: Den Score lesen

Oben im Bericht steht der Score, darunter jede Fundstelle mit Datei und Zeile. So rechnet SkillSpector: ein kritischer Fund zählt 50 Punkte, ein hoher 25, ein mittlerer 10, ein niedriger 5. Hat der Skill ausführbare Skripte, wird mit 1,3 multipliziert. Bei 100 ist Schluss.

Für eine gründlichere Prüfung lässt SkillSpector ein Sprachmodell die Fundstellen nachlesen. Das findet umschriebene Anweisungen, die kein festes Muster trifft. Am einfachsten nutzt du dafür dein Claude-Konto, falls Claude Code bei dir installiert ist:

SKILLSPECTOR_PROVIDER=claude_cli skillspector scan ./name-des-skills

Dabei geht der Inhalt des Skills an das Modell, und jeder Scan verbraucht Nutzung deines Plans.

Schritt 4: Mit Claude verbinden

SkillSpector bringt einen eigenen MCP-Server mit. Damit kann Claude den Scanner selbst aufrufen. Das Werkzeug heißt scan_skill und liefert Score, Stufe, Empfehlung und Fundstellen zurück.

In Claude Code reicht ein Befehl:

claude mcp add skillspector -- skillspector mcp

In der Claude-Desktop-App trägst du den Server in die Konfiguration ein (Einstellungen → Entwickler → Konfiguration bearbeiten). Den genauen Pfad zum Programm zeigt dir which skillspector:

{
  "mcpServers": {
    "skillspector": {
      "command": "/Users/DEINNAME/.local/bin/skillspector",
      "args": ["mcp"]
    }
  }
}

Danach die App einmal komplett beenden und neu starten.

Schritt 5: Claude jeden neuen Skill prüfen lassen

Verbunden heißt noch nicht automatisch. Damit Claude vor jeder Installation scannt, gibst du ihm eine feste Regel. In Claude Code gehört sie in deine persönliche ~/.claude/CLAUDE.md, in der Desktop-App in die Anweisungen deines Projekts:

Bevor du einen Skill, ein Plugin oder einen MCP-Server installierst oder in meine Skill-Ordner kopierst, prüfst du ihn mit dem Werkzeug skillspector scan_skill. Zeig mir Score, Stufe und die Fundstellen ab HIGH.

- Score über 50: Installiere nicht. Erkläre mir, was der Skill an den Fundstellen tut.
- Score 21 bis 50: Frag mich, bevor du installierst.
- Score bis 20: Installiere und sag mir den Score.

Führe keine Skripte aus dem Skill aus, bevor die Prüfung durch ist.

Bittest du Claude danach um einen neuen Skill, ruft es zuerst den Scanner auf und lehnt bei einem hohen Score ab. Im Repository von SkillSpector liegt zusätzlich ein fertiger Skill namens skill-inspector. Er verbindet den Scan mit einer Durchsicht des Quelltexts und endet mit APPROVE, CAUTION oder REJECT. Du findest ihn im Ordner skills/skill-inspector auf GitHub.

Was der Scanner nicht findet

Wenn nichts passiert

Das Reel zu diesem Stück liegt auf Instagram.

Quellen

• Liu et al.: Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale, arXiv, 15. Januar 2026.
• NVIDIA: SkillSpector auf GitHub, Apache-2.0-Lizenz.
• NVIDIA: Scan agent skills before installation.
• NVIDIA Developer Blog: NVIDIA Verified Agent Skills Provide Capability Governance for AI Agents, 19. Mai 2026.

Dein Aktionsplan

Hak ab, was du erledigt hast:

Christopher Thanisch

Ich übersetze KI in brauchbare Systeme für den Arbeitsalltag — Systeme statt Hypes.