Was macht aguara?
Scannt KI-Agenten-Fähigkeiten und MCP-Server auf Prompt-Injection, Datenlecks und Lieferkettenbedrohungen, um Produktionsumgebungen zu sichern.
Scannt KI-Agenten-Fähigkeiten und MCP-Server auf Prompt-Injection, Datenlecks und Lieferkettenbedrohungen, um Produktionsumgebungen zu sichern.
Aguara ist ein Sicherheitsscanner, der speziell für KI-Agenten entwickelt wurde. Er analysiert Skills und MCP-Server auf kritische Schwachstellen wie Prompt-Injection, Datenlecks und Lieferkettenbedrohungen. Das Tool unterstützt gängige Agentenplattformen wie Claude Code, Cursor und Codex und ermöglicht es Sicherheitsteams, Bedrohungen automatisiert zu identifizieren, bevor sie in Produktionsumgebungen wirksam werden. Aguara scannt Konfigurationen, Abhängigkeiten und Interaktionsmuster, um potenzielle Angriffspunkte aufzudecken und liefert detaillierte Berichte zur Behebung der gefundenen Schwachstellen.
npx skills add salasi1204/aguaraInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Scannt KI-Agenten-Fähigkeiten und MCP-Server auf Prompt-Injection, Datenlecks und Lieferkettenbedrohungen, um Produktionsumgebungen zu sichern.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.