Trust Every Skill

Power Every Agent

Un AI Agent Skills Registry, ou registre des compétences des agents IA, est un système de référence centralisé utilisé pour découvrir, gérer, sécuriser et servir les « skills » (outils ou fonctions modulaires, ou compétences) que les agents IA d’une organisation utilisent pour effectuer des tâches.

À mesure que les entreprises font évoluer les workflows agentiques, un registre empêche toute utilisation non autorisée des ressources d’IA en fournissant une source unique de vérité, garantissant que chaque outil utilisé par un agent IA est vérifié, sécurisé et autorisé.

Les compétences des agents sont un artefact unique qui contient un fichier skill.md, des scripts, des documents et d’autres ressources. Les serveurs MCP locaux sont créés à l’aide de technologies de langage/package existantes telles que Python/PyPI et Docker. De plus, les serveurs MCP disposent d’« outils », qui sont des unités distinctes pouvant être gouvernées et contrôlées.

Les compétences d’agent et les serveurs MCP peuvent aider les agents à accomplir des tâches similaires, mais le font de manière différente. Les compétences fournissent les connaissances procédurales essentielles et l’expertise du domaine que les agents utilisent pour accomplir des tâches qui vont au-delà de ce qu’un modèle seul pourrait accomplir. Les serveurs MCP servent de connecteur, en fournissant un accès aux données en temps réel au système.

Chaque élément, compétence ou serveur MCP peut nécessiter des politiques et des autorisations uniques qui doivent être gérées dans des registres dédiés. Bien que vos compétences et vos serveurs MCP nécessitent chacun un espace dédié, ils doivent être gérés dans le même système.

Oui, vous pouvez gérer, versionner et appliquer des contrôles d’accès à vos compétences d’agent propriétaires avec JFrog.

Ungoverned skills create three main vulnerabilities:

Data Exfiltration: Malicious skills can abuse the AI agent’s permissions to steal sensitive data. For example, the “rjnpage/rankaj” malicious skill, which exfiltrates environment variables from the “.env” file, where users typically store their LLM provider keys (OpenAI, Anthropic) and sensitive platform tokens.

Arbitrary code execution: Using unverified skills from public registries can introduce malicious code, which may lead to fully-fledged supply chain attacks. For example, the stealthy “dexiaong/omnicogg” malicious skill, discovered and disclosed by JFrog research, which downloads & executes arbitrary attacker-controlled shell scripts.

Indirect Prompt Injection: An agent skill abuses other skills and capabilities of the agent with hidden instructions which are parsed by the LLM to hijack the agent’s behavior.

JFrog applies the same “Shift Left” security principles to AI that it brought to DevOps. By using JFrog Curation and JFrog AI Security, organizations can scan AI models, MCP servers, and agent skills for malicious intent before they are integrated into a workflow, effectively curating a trusted library of AI assets.

Oui. On parle de Shadow IT lorsque les développeurs utilisent localement des outils d’IA ou des API non autorisés. Un registre de compétences élimine ce problème en fournissant un « système d’enregistrement unique » pour les compétences des agents. Cela offre aux équipes de sécurité une visibilité à 360 degrés sur chaque compétence utilisée à l’échelle de l’entreprise, ce qui empêche les outils non autorisés de passer entre les mailles du filet.

Yes. JFrog provides a unified interface to govern both internally developed models and external APIs from providers like Anthropic, OpenAI, and NVIDIA. This allows you to set consistent security policies across all AI services, regardless of where they are hosted.

La centralisation est essentielle pour l’audit. Étant donné que la plateforme JFrog suit chaque version, chaque modification d’autorisation et chaque demande d’accès, vous pouvez générer des pistes d’audit complètes. Cette visibilité est essentielle pour satisfaire aux exigences réglementaires émergentes comme la Loi européenne sur l’intelligence artificielle.

En proposant un catalogue consultable et organisé de compétences et de modèles « de référence », les développeurs n’ont pas à perdre de temps à vérifier les skills. Ils peuvent simplement découvrir une compétence pré-approuvée dans JFrog AI Catalog et l’intégrer à leur workflow agentique.

JFrog’s AI scanner for agent skills combines signature-based detection with an LLM-powered investigation pipeline that examines each skill the way a security analyst would: Checking for prompt injection, unauthorized code execution, and data exfiltration risks. Every skill is scanned automatically at upload and classified as safe, suspicious, or malicious, so policies can block risky skills before a developer or agent ever consumes them.