技能不是孤岛：衡量代理技能供应链中的依赖性和风险

代理技能为 大语言模型 (LLM) 代理提供了可重用的操作知识，但随着它们范围的扩大，它们成为具有依赖关系的工件，其身份、版本和出处仍然是隐式的。这种不透明性已经导致重复的依赖关系和不一致的安装，暴露了依赖关系管理尚未弥补的差距。我们引入代理技能供应链（ASSC）来表征混合技能包服务依赖图并帮助缩小这一差距。借鉴软件物料清单 (SBOM)，我们设计 SkillDepAnalyzer 来捕获自然语言依赖性证据并将技能建模为具有依赖性的工件。在 SKILL-DEP 基准测试中，SkillDepAnalyzer 可以准确、全面地恢复技能元数据和依赖关系图，大大优于基于 LLM 的基线和以包为中心的 SBOM 工具。通过将 SkillDepAnalyzer 应用于超过 143 万种技能，我们获得了 ASSC 并探索了它们的结构多样性和安全信号。我们发现四种结构模式：技能元数据已准备好激活，但治理较差；依赖关系图跨越技能、包和服务依赖关系并集中重用；递归技能重用扩展了依赖关系图并创建了隐藏的包库存；技能依赖集群围绕相关工作流程形成。我们还发现，单独检查一项技能会错过隐藏在其依赖项中的安全相关信号。通过分析 ASSC，我们可以识别 ASSC 中持续存在的已知恶意技能，并将其报告给开发人员。基于这些发现，我们建议使用类型化的依赖清单、一流的依赖集群管理、针对技能基础设施维护者的风险警告审核命令，以及针对技能开发人员的类似锁定文件的记录。