Communitygithub.com

security-scan

Varra sua configuração do Claude Code (diretório .claude/) por vulnerabilidades de segurança, configurações incorretas e riscos de injeção usando o AgentShield. Verifica CLAUDE.md, settings.json, servidores MCP, hooks e definições de agentes. Use ao auditar um diretório .claude/ — CLAUDE.md, settings.json, servidores MCP, hooks ou definições de agentes.

O que é security-scan?

A habilidade security-scan permite que você audite a configuração do Claude Code em busca de problemas de segurança, como segredos codificados, instruções de execução automática, padrões de injeção de prompt, permissões excessivas e riscos de cadeia de suprimentos em servidores MCP. Ela é ativada ao configurar um novo projeto, após modificar arquivos de configuração, antes de confirmar alterações ou durante auditorias periódicas de higiene de segurança. A habilidade usa a ferramenta AgentShield, que pode ser executada via npx, instalada globalmente ou integrada como uma ação do GitHub. Os resultados são apresentados com uma nota (A a F) e podem ser exportados nos formatos terminal, JSON, Markdown ou HTML, além de oferecer suporte a correção automática e análise aprofundada com o pipeline de três agentes (Opus 4.6).

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/security-scan

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Habilidade de Varredura de Segurança

Audite sua configuração do Claude Code em busca de problemas de segurança usando o AgentShield.

Quando Ativar

  • Ao configurar um novo projeto Claude Code
  • Após modificar .claude/settings.json, CLAUDE.md ou configurações MCP
  • Antes de confirmar alterações de configuração
  • Ao integrar um novo repositório com configurações Claude Code existentes
  • Verificações periódicas de higiene de segurança

O Que Ela Varre

ArquivoVerificações
CLAUDE.mdSegredos codificados, instruções de execução automática, padrões de injeção de prompt
settings.jsonListas de permissão excessivamente permissivas, listas de negação ausentes, flags de bypass perigosas
mcp.jsonServidores MCP arriscados, segredos de ambiente codificados, riscos de cadeia de suprimentos npx
hooks/Injeção de comandos via interpolação, exfiltração de dados, supressão silenciosa de erros
agents/*.mdAcesso irrestrito a ferramentas, superfície de injeção de prompt, especificações de modelo ausentes

Pré-requisitos

O AgentShield deve estar instalado. Verifique e instale se necessário:

# Verificar se está instalado
npx ecc-agentshield --version

# Instalar globalmente (recomendado)
npm install -g ecc-agentshield

# Ou executar diretamente via npx (sem instalação)
npx ecc-agentshield scan .

Uso

Varredura Básica

Execute no diretório .claude/ do projeto atual:

# Varre o projeto atual
npx ecc-agentshield scan

# Varre um caminho específico
npx ecc-agentshield scan --path /caminho/para/.claude

# Varre com filtro de severidade mínima
npx ecc-agentshield scan --min-severity medium

Formatos de Saída

# Saída no terminal (padrão) — relatório colorido com nota
npx ecc-agentshield scan

# JSON — para integração CI/CD
npx ecc-agentshield scan --format json

# Markdown — para documentação
npx ecc-agentshield scan --format markdown

# HTML — relatório autossuficiente com tema escuro
npx ecc-agentshield scan --format html > security-report.html

Correção Automática

Aplique correções seguras automaticamente (apenas correções marcadas como auto-corrigíveis):

npx ecc-agentshield scan --fix

Isso irá:

  • Substituir segredos codificados por referências a variáveis de ambiente
  • Apertar permissões curinga para alternativas com escopo
  • Nunca modificar sugestões apenas manuais

Análise Profunda Opus 4.6

Execute o pipeline adversarial de três agentes para análise mais aprofundada:

# Requer ANTHROPIC_API_KEY
export ANTHROPIC_API_KEY=sua-chave
npx ecc-agentshield scan --opus --stream

Isso executa:

  1. Atacante (Equipe Vermelha) — encontra vetores de ataque
  2. Defensor (Equipe Azul) — recomenda endurecimento
  3. Auditor (Veredito Final) — sintetiza ambas as perspectivas

Inicializar Configuração Segura

Crie uma nova configuração .claude/ segura do zero:

npx ecc-agentshield init

Cria:

  • settings.json com permissões com escopo e lista de negação
  • CLAUDE.md com melhores práticas de segurança
  • mcp.json placeholder

Ação do GitHub

Adicione ao seu pipeline CI:

- uses: affaan-m/agentshield@v1
  with:
    path: '.'
    min-severity: 'medium'
    fail-on-findings: true

Níveis de Severidade

NotaPontuaçãoSignificado
A90-100Configuração segura
B75-89Problemas menores
C60-74Precisa de atenção
D40-59Riscos significativos
F0-39Vulnerabilidades críticas

Interpretando Resultados

Achados Críticos (corrigir imediatamente)

  • Chaves de API ou tokens codificados em arquivos de configuração
  • Bash(*) na lista de permissão (acesso irrestrito ao shell)
  • Injeção de comando em hooks via interpolação ${file}
  • Servidores MCP que executam shell

Achados Altos (corrigir antes da produção)

  • Instruções de execução automática em CLAUDE.md (vetor de injeção de prompt)
  • Listas de negação ausentes nas permissões
  • Agentes com acesso Bash desnecessário

Achados Médios (recomendado)

  • Supressão silenciosa de erros em hooks (2>/dev/null, || true)
  • Hooks de segurança PreToolUse ausentes
  • Instalação automática npx -y em configurações de servidor MCP

Achados Informativos (conscientização)

  • Descrições ausentes em servidores MCP
  • Instruções proibitivas corretamente sinalizadas como boa prática

Links

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas