AIShield — Agent tool/content security scanner

AIShield — Agent tool/content security scanner

一句话结论

AIShield 把 MCP server、agent skill、GPT/prompt 等 agent 可执行/半可执行资产当作供应链对象扫描，并提出“内容可信平面”与运行沙箱的分工。

为什么对用户重要

用户的 Hermes / llm-wiki 已经持续摄入外部 skills、MCP、guardrail 项目。AIShield 的价值在于提醒：外部 skill 不应只按 README、star 或自然语言说明判断，而要进入可扫描、可打分、可认证、可审计的准入流程。

机制 / 一阶原理

其一阶机制是把 agent 看到的工具描述、Markdown skill、MCP schema、prompt 片段都视为可能改变 agent 行为的程序输入；扫描器在执行前识别 prompt injection、越权访问、数据泄露、协议攻击、供应链风险和沙箱逃逸等风险。它强调运行时沙箱控制 blast radius，而内容安全平面控制“读进来的工具/skill 是否可信”。

与已有 wiki 概念的关系

对 Hermes / llm-wiki / agentic workflows 的启发

低风险可执行启发：llm-wiki 雷达在发现外部 skill/MCP 时增加“安全准入字段”：是否有可执行脚本、是否声明权限、是否访问网络/文件/环境变量、是否有规则/测试、是否只适合学习模式而不适合安装。Hermes skill 安装不应自动化跟随雷达；雷达只沉淀设计模式和风险点。

失败模式与边界

• README 具有产品化/商业化叙事，214/220 规则、认证徽章、身份/支付/市场等声明需要独立复核。
• 扫描规则若不透明，可能带来 false confidence：通过扫描不等于运行安全。
• 对 Hermes 当前任务，适合入库为准入模式，不适合自动安装或授予执行权限。

深度判断

本条目晋升为正式 source page，因为它不只是新闻或工具列表，而是提供了可迁移到 Harness-Engineering、Context-Engineering、Agent-Benchmarks 或 External-Agent-Skills-Design-Patterns 的结构性模式。当前置信度标为 medium：本次主要基于仓库 README 和 GitHub 元数据，尚未独立复现实验或安全声明。

相关页面

• External-Agent-Skills-Design-Patterns
• Harness-Engineering
• Context-Engineering
• cyclops-deterministic-mcp-toxic-flow-proxy

写入记录

• 2026-08-11 09:00 CST：从 GitHub README 深度入库，提炼机制、实践启发、失败模式，并连接到既有 agent workflow / skill / benchmark 概念。