Habilidades py-observability
📦
py-observability
Revisión del contenido r1 Riesgo medio ⚙️ Comandos externos🔑 Variables de entorno
Agregar observabilidad en Python
Los servicios de Python son difíciles de depurar cuando los registros, las métricas y las trazas son inconsistentes. Esta habilidad proporciona patrones prácticos para registros estructurados, métricas de Prometheus, configuración de Sentry, comprobaciones de estado y enmascaramiento.
Compatible con: Claude Codex Code(CC)
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Solicitud de agente
Review the Skillstore skill "py-observability" from https://skillstore.io/skills/cjharmath-py-observability.md and its manifest at https://skillstore.io/api/skills/cjharmath-py-observability/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "py-observability". Agrega observabilidad a un endpoint de FastAPI que envía una evaluación.
Resultado esperado:
- Agrega un identificador con alcance de solicitud a cada entrada de registro.
- Registra métricas de duración de la solicitud y estado del envío.
- Registra fallos de validación con contexto de usuario y evaluación después del enmascaramiento.
Usando "py-observability". Revisa un flujo de trabajo en producción que es difícil de depurar.
Resultado esperado:
- Identifica retornos silenciosos y registros de fallos faltantes.
- Recomienda un identificador de flujo para cada operación de varios pasos.
- Agrega elementos a la lista de verificación para contexto de Sentry, métricas y comprobaciones de estado.
Usando "py-observability". Agrega seguimiento seguro de errores a un backend de Python.
Resultado esperado:
- Configura integraciones de Sentry con muestreo controlado.
- Agrega etiquetas y contexto de eventos para la depuración.
- Marca datos personales que deben omitirse, convertirse en hash o enmascararse.
Auditoría de seguridad
Riesgo mediov7 • 6/7/2026 Abrir el informe versionado
Static findings for external commands, environment access, and reconnaissance are false positives caused by Markdown code fences, redaction key names, and request correlation examples. No prompt injection or malicious executable behavior was found in SKILL.md. Semantic review found privacy and information disclosure risks in the Sentry user context and readiness endpoint examples.
1
Archivos escaneados
507
Líneas analizadas
0
Elementos de revisión
0
Falsos positivos ignorados
Preocupaciones de seguridad confirmadas (2)
Medio
Personal Data Sent to Error Tracking
The Sentry example disables default PII capture but then explicitly sets user context with an email address. This can send personal data to a third-party error tracking service unless the team has consent, retention, and redaction controls.
The cited lines import Sentry user context helpers and set the user email explicitly. The privacy risk is clear, although it may be acceptable in some deployments with proper policy controls.
Medio
Detailed Dependency Errors in Readiness Response
The readiness check returns raw exception text for database and Redis failures. Public or broadly accessible health endpoints can expose infrastructure details and internal error messages.
The cited readiness endpoint places exception strings directly into response fields. This is a common information disclosure issue when health endpoints are exposed outside trusted operators.
Factores de riesgo
⚙️ Comandos externos (23)
SKILL.md:18-44 SKILL.md:44-48 SKILL.md:48-89 SKILL.md:89-97 SKILL.md:97-128 SKILL.md:128-134 SKILL.md:134-165 SKILL.md:165-173 SKILL.md:173-189 SKILL.md:189-195 SKILL.md:195-215 SKILL.md:215-221 SKILL.md:221-267 SKILL.md:267-271 SKILL.md:271-310 SKILL.md:310-316 SKILL.md:316-359 SKILL.md:359-367 SKILL.md:367-414 SKILL.md:414-420 SKILL.md:420-457 SKILL.md:457-463 SKILL.md:463-483
🔑 Variables de entorno (2)
Auditado por: codex Ver historial de auditorías →
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/cjharmath-py-observability/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/cjharmath-py-observability?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/cjharmath-py-observability?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/cjharmath-py-observability/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/cjharmath-py-observability.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
CJHarmath. (2026). py-observability security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/cjharmath-py-observability/audits/7Cita BibTeX
@techreport{cjharmath-cjharmath-py-observability-2026,
author = {CJHarmath},
title = {py-observability security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/cjharmath-py-observability/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "py-observability security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "CJHarmath"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/cjharmath-py-observability/audits/7"
identifiers:
- type: other
value: "skillstore:cjharmath-py-observability:audit:7"
description: "Skillstore immutable audit report identifier"
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: Alto 55
Arquitectura
85
Mantenibilidad
87
Contenido
71
Comunidad
78
Cumplimiento de la especificación
Lo que puedes crear
Instrumentar un servicio FastAPI
Agrega IDs de solicitud, registros estructurados, métricas y comprobaciones de preparación a un backend de Python.
Mejorar la depuración de incidentes
Hace que los fallos sean más fáciles de rastrear con registros contextuales, IDs de flujo y eventos de Sentry.
Revisar la cobertura de observabilidad
Usa la lista de verificación para encontrar registros, métricas, enmascaramiento y comprobaciones de estado faltantes antes del lanzamiento.
Prueba estos prompts
Agregar registros básicos
Usa la habilidad py-observability para agregar registros estructurados a este endpoint de Python. Incluye contexto de solicitud y nombres de eventos útiles.
Agregar métricas
Usa la habilidad py-observability para agregar métricas de Prometheus a esta ruta de FastAPI. Incluye la duración de la solicitud y contadores de éxito o fallo.
Preparar la depuración en producción
Usa la habilidad py-observability para instrumentar este flujo de trabajo de varios pasos. Agrega trazado de flujo, contexto de errores, métricas y enmascaramiento de datos confidenciales.
Auditar el diseño de observabilidad
Usa la habilidad py-observability para revisar este servicio en busca de brechas de observabilidad. Identifica registros, métricas, trazas, comprobaciones de estado y riesgos de privacidad faltantes.
Mejores prácticas
- Usa nombres de eventos estables y campos estructurados en lugar de mensajes de registro formateados.
- Enmascara secretos y datos personales antes de enviar registros o eventos de error.
- Agrega métricas y comprobaciones de estado junto a las rutas de código que describen.
Evitar
- No registres cuerpos de solicitud sin procesar, credenciales, tokens ni encabezados de autorización.
- No expongas errores detallados de dependencias desde endpoints públicos de estado.
- No agregues etiquetas de alta cardinalidad, como IDs de usuario, a las métricas de Prometheus.
Preguntas frecuentes
¿A qué frameworks de Python se dirige esta habilidad?
Los ejemplos se centran en patrones de FastAPI, structlog, Prometheus, Sentry y SQLAlchemy.
¿Instala herramientas de monitorización?
No. Proporciona patrones de implementación que adaptas a tus dependencias y despliegue existentes.
¿Puede ayudar con incidentes en producción?
Sí. Sugiere IDs de solicitud, IDs de flujo, errores contextuales, métricas y listas de verificación para una depuración más rápida.
¿Maneja los datos confidenciales de forma segura?
Incluye ejemplos de enmascaramiento, pero los equipos deberían reforzarlos según sus requisitos de privacidad y cumplimiento.
¿Pueden usarla Claude, Codex y Claude Code?
Sí. El informe enumera soporte para flujos de trabajo compatibles con Claude, Codex y Claude Code.
¿Es una arquitectura completa de observabilidad?
No. Es una biblioteca de patrones para código de aplicación, no un sistema completo de registros, trazado, alertas o paneles.