JYP Garden

오픈 생태계 스킬 신뢰 평가 (Agent Skill Ecosystem Trust)

Properties1
tagsconcept, agentic-architecture, knowledge

8 min read

오픈 생태계 스킬 신뢰 평가 (Agent Skill Ecosystem Trust)

오픈 스킬 마켓플레이스(ClawhHub, npm, pip 등)에는 “공식 인증” 제도가 없다. 직접 3단계 기준(자동 스캔·커뮤니티·코드 동작 방식)으로 판단해야 한다. 핵심 원칙: 많이 설치 ≠ 더 안전. “역할이 다른 것을 적확하게 골라 설치하기.”

오픈 생태계의 현실

ClawhHub(OpenClaw 스킬 마켓플레이스), npm, pip, VS Code Extension — 모두 동일한 구조다:

  • 커뮤니티 개발자가 만들어 올림
  • “이건 무조건 안전합니다”라고 보증하는 공식 인증 없음
  • “공식 스킬로 바꾸고 싶다” → 바꿀 대상이 없는 상황

직접 기준을 세워 판단해야 한다. (출처: bbojjak-openclaw-skill-ecosystem-lesson18)

많이 설치 ≠ 더 안전

메이커 에반의 Claude Code 실전 큐레이션도 같은 결론을 보강한다. 그는 GitHub Star가 높은 프로젝트라도 실제 품질이 낮을 수 있고, README/설치 스크립트에 에이전트가 Star를 누르도록 유도하는 프롬프트 인젝션이 들어갈 수 있다고 경고한다. 따라서 Claude Code 생태계에서는 “별 수치”보다 실제 업무에서 반복 검증된 작은 세트를 선별하는 능력이 중요하다. (출처: yt-BZPaZzjLIOY-Claude-Code-핵심도구6개)

보안 스킬이 하는 일:

  1. 패턴 매칭 — 알려진 공격 문구 감지
  2. 규칙 주입 — 시스템 프롬프트에 규칙 추가

문제: 스킬을 10개 설치하면 SKILL.md 10개가 시스템 프롬프트에 포함된다:

스킬 10개 → 시스템 프롬프트 10배 팽창
           → 토큰 비용 증가 (5위 소비처 악화)
           → 중요 규칙이 긴 컨텍스트에 묻힘
           → 스킬 간 규칙 충돌 가능성

agent-token-optimization의 “시스템 프롬프트 다이어트” 원칙과 직접 충돌한다.

비유: 갑옷 위에 갑옷을 세 겹 입으면 더 안전한 게 아니라 움직이지를 못한다.

보안 스킬 선택 3단계 기준

1단계: 자동 스캔 결과 확인

ClawhHub는 스킬 등록 시 2단계 스캔을 자동 실행한다:

스캔내용한계
VirusTotal악성코드 자동 탐지최소 요건. “안전함” 보증 아님
OpenClaw AI코드 의도 ↔ 실제 동작 일치 여부Benign/Suspicious/high/medium confidence

Benign high confidence = 코드가 설명과 일관됨 ✅ Suspicious = 코드가 설명과 다른 행동을 할 수 있다는 경고 ⚠️

Tip

VirusTotal이 “Benign”이어도 OpenClaw AI가 “Suspicious”일 수 있다. 악성코드는 아니지만 코드 의도가 불명확하다는 의미.

2단계: 커뮤니티 검증

  • 별점(★) 많을수록, 다운로드 수 많을수록 → 많은 사람이 검증한 스킬
  • 주의: 인기 있는 악성 패키지도 존재한다. 커뮤니티 검증만으로 충분하지 않음

3단계: 코드 동작 방식

동작 방식위험도설명
오프라인 동작✅ 낮음외부 API 호출 없음. 내 데이터가 외부로 나가지 않음
외부 API 호출⚠️ 확인 필요내 데이터가 어디로 가는지 확인 필요

이 3단계는 ClawhHub뿐 아니라 모든 오픈 생태계에 적용 가능: npm, pip, VS Code Extension, Chrome Extension 등.

역할이 다른 스킬을 적확하게 선택

설치 결과 → 2개만 유지:

스킬역할선택 이유
prompt-guard현관문 자물쇠 (직접 공격 차단)공식 GitHub 등재·650+ 패턴·100% 오프라인
indirect-prompt-injection택배 검수대 (외부 콘텐츠 안의 공격 차단)★15 최다·Benign high confidence

두 스킬은 역할이 다르므로 겹치지 않는다 — 현관문 자물쇠와 택배 검수대는 서로 다른 입구를 지킨다.

구조 > 스킬 원칙

보안 스킬은 “보조 도구”다. 진짜 보안은 “구조”에서 온다.

agent-security-design에서 정의한 3원칙 중 스킬은 “심층 방어”의 한 레이어일 뿐이다:

레이어 1 (구조): 에이전트 분리·도구 제한·파일 권한  ← 핵심
레이어 2 (스킬): prompt-guard·indirect-prompt-injection  ← 보조
레이어 3 (학습): learnings/prompt-injection.md  ← 진화

구조 없이 스킬만 설치 → 의미 없음. 구조 있으면 스킬 없어도 기본 안전. 둘 다 있으면 → “갑옷(구조) + 방패(스킬) = 풀장비 🛡️”

즉시 학습 (Instant Learning)

방패가 스스로 진화하게 만드는 구조. (출처: bbojjak-openclaw-skill-ecosystem-lesson18)

트리거: 인젝션 공격 감지 동작:

  1. 방어 답변 전송
  2. learnings/prompt-injection.md §6(사례 로그)에 즉시 append
  3. 새로운 기법이면 §1(패턴 카탈로그)에도 추가
  4. 다음 세션 시작 시 이 파일 읽기 → 학습된 패턴 반영

모델 가중치는 바뀌지 않지만, 기억 파일에 축적된 경험이 에이전트를 진화시킨다.

이것은 agent-error-learning-loop의 “사고 루프 = 에이전트 강화” 원칙의 보안 특화 버전이다.

SSOT (Single Source of Truth)

규칙을 여러 스킬에 중복 복사하면 수정 시 모든 복사본을 찾아 고쳐야 한다. 중복 제거 패턴:

이전: channeltalk-cs.md 규칙 + community-reply.md 규칙 + AGENTS.md 규칙 (3곳 중복)
이후: learnings/prompt-injection.md (정본 1곳) + 각 스킬에서 참조만

수정 시 정본 1곳만 고치면 전체 반영. agent-skill-design에서 정의한 SKILL.md 원칙(재사용 가능한 단일 파일)과 동일한 SSOT 원칙.

관련 개념

소스

그래프 뷰