随着 AI 技术的快速发展，企业将 AI Skill 落地到生产环境时面临安全、权限、稳定性和治理等多重挑战。Nacos 3.2 推出的 Skill Registry 私有化平台，为 Agent 与 Skill 之间构建了「验证后信任」的治理层，帮助企业安全可控地释放 AI 能力。

一、背景与前言

过去一年，团队内部曾围绕 低代码平台 与 高代码框架 的未来方向展开讨论：

• 低代码平台（如 dify）：门槛低、流程确定性强，但灵活性受限。
• 高代码框架（ReAct 结构：LLM + Prompt + Tool）：灵活度高、能充分利用 AI 泛化推理能力，但幻觉问题突出，Prompt 调试成本高。

不久后，Anthropic 推出 Skill 概念，在两者之间找到了平衡点：在保留灵活度的同时，通过能力封装与边界约束，提升 Agent 在特定任务上的确定性与可复用性。随着 OpenClaw 快速出圈，ClawHub、SkillHub 等公开 Skill 市场如雨后春笋般涌现，Skill 规模已达数万，生态高速扩张。

然而，繁荣背后也暴露出安全隐患。根据 Snyk 对 ClawHub 中 3984 个 Skill 的采样报告：

• 36.82% 的 Skill 存在安全缺陷
• 13.4% 存在 CRITICAL 级别问题
• 凭证 Secret 泄漏、Prompt 注入等问题比例较高

这些问题成为企业落地 Agent 的重大挑战。

小提示： 在引入公开 Skill 前，建议企业优先评估其安全风险，避免直接在生产环境中使用未经审核的第三方 Skill。

二、企业落地 Skill 面临的四大核心挑战

根据与内部团队及外部企业的交流，各方普遍关注以下挑战：

• 安全挑战：恶意代码、已知漏洞、敏感信息外泄风险持续存在，缺乏有效的准入管控机制。
• 权限挑战：谁可见、谁可用、谁可改、谁可发——职责边界模糊，越权访问难以防范。
• 稳定性挑战：版本混乱、升级不可控、问题难以回滚，影响业务连续性。
• 治理挑战：缺少审计日志、追溯链条不完整、缺乏合规证据链，无法通过监管审查。

这四类问题相互耦合，必须通过平台化治理体系统筹应对。

常见问题： 企业能否仅通过安全扫描工具解决所有挑战？
答案： 不能。安全扫描仅解决“安全挑战”中的部分问题，而权限、稳定性、治理等仍需统一的平台化管理。Nacos 3.2 将四类挑战整合在一个控制平面中，形成完整闭环。

三、Nacos 3.2 Skill Registry：企业级 AI 资源治理平台

Nacos 3.2 推出的私有化 Skill Registry，面向企业生产场景，在 Agent 与 Skill 之间构建「验证后信任」的治理层，将 Skill 的审核、管理、分发与追溯统一纳管，形成完整的企业级 AI 资源控制闭环。

▍0. Quick Start 快速开始

MacOS/Linux：

curl -fsSL https://nacos.io/nacos-installer.sh | bash

Windows (PowerShell)：

iwr -UseBasicParsing https://nacos.io/nacos-installer.ps1 | iex

脚本运行后会自动打开 Nacos 控制台。终端执行 nacos-setup --help 及 nacos-cli --help 查看更多功能。

小提示： 安装前请确保系统已安装 curl 或 PowerShell 运行环境。首次启动后，默认访问地址为 http://localhost:8848/nacos，默认账户密码均为 nacos。

▍1. Skill 安全审核流水线

Nacos 3.2 内置开箱即用的安全审核插件，覆盖 10+ 项常用风险扫描，同时提供标准接口支持插件化扩展，满足企业定制化安全策略需求。

审核流程遵循 「未通过，不发布」 的准入原则，将安全要求从「文档规范」升级为「系统强约束」，彻底消除人为绕过风险。Skill 入库前必须经过可编排、可审计、可升级的审核流程，实现多维扫描、风险分级、审核决策的全流程管控。

常见问题： 如果企业已有自建的安全扫描工具，能否集成到 Nacos 中？
答案： 可以。Nacos 3.2 提供标准插件化接口，企业可以编写符合接口规范的自定义扫描插件，无缝融入审核流水线。

▍2. 多版本管理与灰度分发

• 版本生命周期管理：支持草稿（DRAFT）、审核中、灰度（GRAY）、正式（FORMAL）、下线等完整生命周期，每个阶段状态明确，版本不可变。
• 标签灰度放量：通过 dev/latest/stable 等标签绑定版本，精准控制分发范围，支持逐步放量，降低新版本上线风险。
• 异常快速回滚：灰度阶段发现问题，切换标签映射即可实现秒级回滚，无需重新发版，保障业务稳定性。

小提示： 建议为每个 Skill 至少维护三个标签：dev（内部测试）、stable（已验证的稳定版）、latest（当前推荐版本），便于灵活控制分发策略。

▍3. 权限模型与多层隔离

Nacos 3.2 采用三层边界设计，实现细粒度的权限管控：

• RBAC 角色权限：定义发布者、审核员、只读用户等角色，明确职责边界。
• 命名空间隔离：隔离不同团队、环境与租户，防止越权访问。
• Skill 维度可见性：支持单 Skill 级别的公开、私有、指定范围开放配置，谁能看、谁能用、谁能改、谁能发，都有明确策略与责任归属。

常见问题： 命名空间隔离与 Skill 维度可见性如何协同？
答案： 命名空间提供环境级隔离（如开发/测试/生产），Skill 维度可见性在命名空间内部进一步细化单个 Skill 的访问范围。例如，生产命名空间中可设置某个 Skill 仅对特定团队可见，两者叠加实现精细控制。

▍4. 全链路审计与追溯

Nacos 3.2 提供完整的审计能力，覆盖 Skill 全生命周期：

• 上传记录：谁在何时上传了哪个版本，来源可追溯。
• 审核日志：谁审核、审核结论、审核时间全程留存。
• 发布记录：谁发布、发布到哪些 Agent、发布策略存档。
• 调用追溯：哪些 Agent 调用了哪个版本，问题定位有据可查。

只有审计闭环打通，运维、合规、治理才能真正形成体系，满足监管要求。

▍5. 多途径 Skill 接入与分发

Nacos 3.2 提供多种灵活的 Skill 接入方式，满足不同场景下的获取和安装需求：

• Agent 自主发现：Nacos 提供引导 Skill，Agent 可通过以下命令自动发现可用能力：

  curl -s https://download.nacos.io/SKILL.md

  执行后将展示 Skill 安装指南及列表查询方法，帮助 Agent 快速定位和获取所需能力。
• CLI 一键安装：通过 nacos-cli 工具实现 Skill 的快速下载与安装，支持从 Registry 直接拉取并本地部署。

  # 列出所有可用 Skills
  nacos-cli skill-list
  # 按名称过滤查询
  nacos-cli skill-list --name mysql-query --page 1 --size 20
  # 下载指定 Skill 到本地
  nacos-cli skill-get mysql-query -o ~/.skills

  详细指令参考 Nacos CLI 文档^[1]。
• Shell 脚本批量拉取：支持通过 skills.sh 脚本链接 Nacos Registry 批量获取 Skills，适用于自动化部署和 CI/CD 场景。

  # 配置 Nacos Registry 地址
  export SKILLS_API_URL=http://${nacos.host}:9080
  # 使用 npx 执行 skill 命令安装
  npx skills add mysql-query redis-query

  相关实现详见 GitHub Issue #14770^[2]。

小提示： 在 CI/CD 流水线中推荐使用 Shell 脚本方式批量拉取 Skill，配合版本标签可实现自动化的灰度发布与回滚。

四、开放架构：插件化企业定制扩展

Nacos 3.2 采用插件化架构，企业可根据自身需求定制安全审核、权限策略、审计日志等模块，无需修改核心代码。社区也提供丰富的扩展点文档，方便开发者快速集成。

五、多 Agent 协作生态：构建企业私有 AI 管理平台

Nacos 3.2 作为底层基础设施，与 HiClaw（Agent 执行层）、HiMarket（私有化市场层）形成完整的企业私有 AI 管理平台生态：

• HiClaw：Agent 运行时，消费 Skill、Prompt、AgentSpec 资源。
• HiMarket：基于 Nacos 定制的私有化 Skill 市场 + Worker 市场。
• Nacos：统一 AI 资源管理（Prompt、Skill、MCP、AgentCard）、治理与插件化扩展。

去年 9 月我们畅想的《配置驱动的动态 Agent 架构网络》现已通过 Nacos + HiMarket + HiClaw 变为现实。

六、迈向多 Agent 架构网络的协作中枢

Nacos 3.2 是一个起点，完成了全面拥抱 AI 时代的第一步。未来 Nacos 将向以下方向持续演进：

• 统一资源控制平面：整合四大注册中心，统一身份、权限、版本与分发策略，形成企业级一致入口。
• 治理能力持续深化：增强审核、灰度、审计与回滚能力，让每次资源变更可验证、可追溯、可止损。
• 场景化智能推荐：基于场景做 AI 资源推荐，支持 AgentSpec 自动化组装，降低 Agent 构建门槛。
• 多 Agent 协作中枢：在 AgentSpec 之上构建 Agent Team Spec，形成“基础 AI 资源 → 单 Agent 组装编排 → 多 Agent 协作网络”的完整链路，实现多 Agent 协作安全可控的自我进化。

后续版本规划

基于社区反馈与路线图规划，AI Registry 将在后续版本中持续演进：

• AI 资源生命周期管理：引入活跃度检测机制，实现热数据启动加载、冷数据按需延迟加载及自动下线。
• 数据智能层：基于 OT 协议集成 Tracing 数据，构建无本地存储的 Copilot 智能分析能力。
• 全链路审计追溯：补齐 AI 资源操作的完整审计日志与全链路追溯能力。
• 语义智能检索：基于向量数据库与大模型实现自然语言搜索、AgentSpec 自动化组装与智能路由。
• 多协议适配与开放生态：适配 A2A Protocol 1.0.0 版本，探索 ACP、Matrix 等主流 Agent 通信协议，支持跨平台 Agent 互操作。
• Coding Agent 插件：从 Markdown 指令到 MCP 协议支持，最终提供原生远程 MCP 端点，实现在 Claude Code、Cursor 等工具中直接操作 Nacos 资源。

相关 Issue：#14801 #14792 #14790 #14789 #14621 #14603

七、结语

Nacos 在过去 8 年中已成为微服务时代的基础设施之一，得到了开源社区开发者的广泛支持。希望 Nacos 在 AI 时代也能与大家结伴同行，共同成长，成为企业多 Agent 架构网络的协作中枢。

[1] Nacos CLI 文档：https://nacos.io/docs/latest/guide/nacos-cli/
[2] GitHub Issue #14770：https://github.com/nacos-group/nacos/issues/14770