agentleFS
bitrix-toolsbitrix-tools/marketplace-security-skills/skills/bitrix-security/scan-composer/SKILL.md

scan-composer

Skill8 starsChanged 16 days agoMITView on GitHub

Marketplace pre-submission security-flow для ОДНОГО Bitrix-модуля — сырой аудит и BUS-aware пересмотр severity. Headless точка входа автоматического сканера (без UI). Вызывается с одним аргументом — путём к распакованному модулю.

The file

Files
SKILL.md

Bitrix Module Security — orchestrated entry

Это headless точка входа автоматического скана (подходит для любого agent-CLI). Ты запускаешь security-flow проверки одного Bitrix-модуля, headless (контейнер изолирован, внешней сети нет — только relay модели; никакого веб-UI).

Сам этот скилл эвристик аудита не содержит. Аудит — в скилле scan, политика severity — в journal-review. Те же шаги в человекочитаемом виде описаны в using-marketplace-sec (upstream-референс).

Тебе дают в промпте:

  • MODULE_DIR — путь к распакованному PHP-исходнику модуля (аргумент вызова).
  • RESULT_PATH — путь, куда сохранить итоговый JSON-отчёт.
  • REVIEW_SCRIPT — абсолютный путь к review_journal.py (детерминированный скрипт пересмотра severity). Уже на диске — используй путь как есть, НЕ ищи его через find.

Если путь к REVIEW_SCRIPT в промпте не дан — сообщи об этом и останови flow.

Обязательная последовательность

Выполни ВСЕ шаги по порядку. Нельзя писать сырой аудит сразу в RESULT_PATH — в RESULT_PATH должен лежать пересмотренный (reviewed) отчёт после шага 2.

  1. SCAN. Вызови скилл scan с аргументом MODULE_DIR — проведи тщательный security-аудит по его методологии (включая scan/references/*). Сохрани сырой JSON в /tmp/raw-scan.json. Формат строго: {success, requestId, data:{vulnerabilities[], summary, scannedFiles, riskLevel, auditedFiles}}; у КАЖДОЙ находки есть file, line, type, severity, description, recommendation, fix.
  2. REVIEW (BUS-aware severity). Выполни (подставь реальные RESULT_PATH и REVIEW_SCRIPT из промпта):

    python3 "$REVIEW_SCRIPT" /tmp/raw-scan.json --output "RESULT_PATH"

    Скрипт сохраняет исходные поля, заменяет только severity на reviewed-severity, добавляет узел reviewed к каждой находке и data.reviewSummary. Теперь RESULT_PATH — финальный отчёт.

    При НЕнулевом коде выхода review_journal.py скрипт НИЧЕГО не выдумывает — он печатает в stderr полный список реальных пробелов. Действуй детерминированным циклом (максимум 3 итерации):

    1. Прочитай stderr. Машиночитаемый список — в строке REVIEW_VALIDATION_ERRORS: [...] (JSON-массив всех проблемных находок сразу). Каждый элемент: index, file, line, type, missingKeys, invalidSeverity.
    2. Для каждой перечисленной находки сделай точечную проверку: открой (Read) её file (при необходимости по line) и впиши в /tmp/raw-scan.json реальное недостающее значение, выведенное из кода — настоящие description/recommendation/fix, либо корректную severity из набора {high, medium, low}. Чини все находки из списка за один проход. Никаких заглушек/плейсхолдеров.
    3. Перезапусти ту же команду review_journal.py. Повторяй цикл, пока код выхода не станет 0.

    Если за 3 итерации сойтись не удалось — НЕ подсовывай выдуманные данные: останови flow с ошибкой (внешний слой перезапустит скан заново). Честный повтор лучше фиктивного отчёта.

  3. VALIDATE финал. Сначала синтаксис: python3 -m json.tool "RESULT_PATH". Затем — самопроверка реальной финальной формы перед тем как объявить готово. Прочитай RESULT_PATH и убедись по каждому пункту:

    • data.summary — это строка (не объект, не массив).
    • data.scannedFiles — это число.
    • data.riskLevel ∈ {high, medium, low, none}.
    • data.auditedFiles — это массив строк.
    • у каждого data.vulnerabilities[i] присутствуют все 7 ключей (file, line, type, severity, description, recommendation, fix), причём description, recommendation, fix — непустые.
    • data.riskLevel равен максимальной severity среди находок (none, если находок нет).

    Если самопроверка нашла пробел — НЕ вставляй плейсхолдер. Исправь реальное содержимое: перечитай файл модуля и впиши настоящий fix/recommendation/description, затем заново выполни шаг REVIEW (п. 2, тем же ограниченным циклом — максимум 3 итерации), чтобы reviewed-отчёт был пересобран из исправленных данных. Если сойтись не удалось — останови flow с ошибкой, не сдавай фиктивный отчёт.

  4. Резюме одной строкой: reviewed-счётчики severity (high/medium/low) из data.reviewSummary.

Никаких UI/веб-серверов не запускай. Накопительный журнал (journal-update) в этом headless-пайплайне НЕ ведётся — кросс-ран состояние отслеживает API.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.