AI Code Review and Code Risk Review quality gate for Git Diff, release readiness, regression testing, security testing, dependency impact, runtime risk, LLM...
安全
code-risk-agent
试用当用户需要扫描代码安全漏洞、审计代码、分析 C/Python 风险、检查依赖漏洞、或生成安全报告时触发。支持云端 LLM 语义分析和本地 GPU 回退。
它能做什么
当用户需要扫描代码安全漏洞、审计代码、分析 C/Python 风险、检查依赖漏洞、或生成安全报告时触发。支持云端 LLM 语义分析和本地 GPU 回退。
技能文档
🔒 CodeRisk Agent — 代码安全审计 Skill
脚本文件清单
本 Skill 包含以下脚本文件,由 package.json 中的 MCP server 配置自动调用:
| 文件路径 | 说明 | 用途 |
|---|---|---|
mcp-server/server.py | MCP 服务器入口脚本 | 提供 coderisk_scan_code 和 coderisk_lookup_cve 两个 Tool |
mcp-server/requirements.txt | Python 依赖清单 | 声明 MCP Server 运行所需的第三方包 |
触发条件(匹配任意一条即触发)
| 触发词 | 示例 |
|---|---|
| 扫描/分析 + 代码/安全/漏洞 | "扫描这段代码的安全漏洞" |
| 审计 + 代码/项目 | "审计这个项目的安全风险" |
| CWE/CVE + 查询/分析 | "检查 CWE-78 在这个文件中的情况" |
| 依赖 + 漏洞/安全 | "检查项目依赖有没有漏洞" |
| 安全 + 报告 | "生成安全审计报告" |
| audit / scan + code / security | "scan this directory for vulnerabilities" |
执行方式
只调用 1 个 Tool:coderisk_scan_code
参数构造规则:
target_path: 用户提供的路径(必须是绝对路径)enable_ai: 默认 false(纯本地静态分析)。用户主动传 true 开启 AI 语义分析(需配置 API key,代码会发送至云端 LLM)enable_semgrep: 默认 truescan_dependencies: 如果路径是目录,默认 trueoutput_format: 必须传 "json",便于你解析后渲染为 Markdown
如需单独查询 CVE 信息,调用 coderisk_lookup_cve(参数:cwe_id, max_results)。
SSE 模式安全说明
mcp-server/server.py 支持 --sse 参数启用 SSE 传输模式,仅供本地调试使用:
- 强制绑定
127.0.0.1,拒绝任何非回环地址 - 必须配置环境变量
CODERISK_SSE_API_KEY(强随机字符串),否则拒绝启动 - 所有 SSE 请求必须在 HTTP Header 中携带
Authorization: Bearer - Starlette 运行在生产模式(
debug=False),不泄露堆栈/路径信息 - 生产环境请使用 stdio 模式(默认)
结果解读规范
Tool 返回的是完整 JSON 报告,你必须按以下结构向用户展示:
1. 执行摘要(必须展示)
📊 CodeRisk 安全扫描结果
━━━━━━━━━━━━━━━━━━━━━━━━━━━━
文件数: {files_analyzed}
总风险: {total_risks}
耗时: {analysis_time_ms}ms
模型: {model_used}
严重级别分布:
🔴 Critical: {risk_breakdown.critical}
🟠 High: {risk_breakdown.high}
🟡 Medium: {risk_breakdown.medium}
🔵 Low: {risk_breakdown.low}
⚪ Info: {risk_breakdown.info}
2. 关键风险详情(Critical / High 必须逐条展示)
对每一条 Critical / High 风险,展示:
- 风险 ID:
{id} - 严重级别: 🔴 Critical / 🟠 High
- CWE:
{cwe}+ 链接https://cwe.mitre.org/data/definitions/{num}.html - 文件:
{file}第{line_start}行 - 描述:
{description} - 修复建议:
{suggestion} - 证据来源:
{evidence[].source}(pattern_match / semgrep / ai / taint_analysis / dependency_scan)
3. 如果有 CVE 关联
调用 coderisk_lookup_cve 查询该 CWE 的 CVE 信息,补充展示:
🔗 关联 CVE:
- CVE-2024-XXXX (High, CVSS 8.1): ...
4. 报告文件
如果用户要求保存报告,告知:
- JSON 报告已保存(如果配置了输出目录)
- 可重新调用生成 SARIF / Markdown 格式
降级策略
| 场景 | 处理方式 |
|---|---|
| LLM API 未配置 / 调用失败 | 自动降级为纯静态分析(27 规则 + Semgrep + Taint),告知用户"AI 语义分析未启用" |
| Semgrep 未安装 | 自动跳过,不影响核心功能 |
| CVE 数据库未构建 | 查询返回空,不影响静态分析 |
| 目标路径不存在 | 直接报错,不执行 |
| 无支持的文件 | 说明支持 .c / .h / .py,停止执行 |
约束
- 语言支持: 仅 C (.c/.h) 和 Python (.py)
- 隐私: 默认使用云端 LLM API,代码内容会发送到 API 提供商。如需完全本地,指导用户配置
CODERISK_LLM_BACKEND=local+ ROCm GPU - API 费用: 语义分析阶段会消耗 token,大文件可能产生较高费用
示例对话
用户: "扫描 ./src/ 的安全问题"
→ 调用 coderisk_scan_code(target_path="/abs/path/to/src", output_format="json")
→ 解析 JSON,渲染为上述 Markdown 格式
→ 展示摘要 + Critical/High 详情 + 修复建议
用户: "这个项目的依赖安全吗"
→ 同上,但重点展示 source="dependency_scan" 的风险
用户: "CWE-120 有什么已知的 CVE"
→ 调用 coderisk_lookup_cve(cwe_id="CWE-120")
→ 展示 CVE 列表
相关技能
AI Agent安全审计工具。扫描Skill/Agent代码中的敏感信息泄露、API密钥暴露、注入风险、权限问题、数据安全漏洞,AI智能分析给出修复建议。适用于开发者发布前安全自检、代码安全review。
Scan AI-generated code for bugs before deploying — 8 static analysis checks from critical (hardcoded secrets, unsafe eval) to low (unused imports). Productio...
金融AI + Code Review / Git Diff 代码风险分析与质量门禁 Skill:定位LLM/Agent/RAG金融业务风险、运行时异常、依赖影响、安全合规和回归测试缺口,生成上线前测试策略、审计证据、单元测试建议和标准报告。
Generate HTML code review pages with risk tags, diff highlights, and file-level annotations. 当用户需要代码审查可视化、PR审查报告、代码diff高亮、风险标签标注、审查页面生成时使用。
AI Agent系统安全审计工具,支持代码库安全检查、提示注入检测与基础配置审计,适合个人开发者快速安全自查。Use when 需要安全检测、合规审计、漏洞扫描、加密防护时使用。不适用于渗透测试未授权目标。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。