Google libera Mantis: framework open-source que usa agentes de IA para achar, reproduzir e corrigir vulnerabilidades

No dia 2 de setembro, o Google publicou um artigo detalhando o Mantis, um framework open-source que usa IA para descobrir vulnerabilidades de software e levar o processo até o fim: estreitar candidatos, reproduzir o problema e até gerar o código da correção. A ideia nasce de uma observação simples — modelos de IA já são bons em escrever código e estão ficando bons em quebrar código: segundo o Google, eles já conseguem descobrir e explorar falhas com pouca ou nenhuma ajuda humana. O Mantis é a tentativa de usar essa mesma capacidade no lado da defesa.

O problema dos falsos positivos

Deixar uma IA ler o código e listar possíveis problemas parece fácil — mas não é confiável. O Google aponta que, em varreduras sem critério, a taxa de verdadeiros positivos pode ficar abaixo de 7%: a maioria dos apontamentos é “alucinação” da IA, problemas que não existem de verdade. Se o modelo devolve milhares de candidatos e um humano precisa checar cada um, o tiro sai pela culatra e sobrecarrega o time de segurança.

A solução do Mantis é um pipeline com múltiplos agentes que se verificam entre si:

1. um agente descobre possíveis vulnerabilidades no código;
2. agentes de revisão e crítica confirmam em quais condições o problema realmente ocorre;
3. a falha é reproduzida em um sandbox isolado;
4. só depois da confirmação prática, o fluxo parte para a geração do código corretivo.

Contexto que a IA constrói sozinha

Antes de analisar, o Mantis examina o histórico de mudanças do repositório para aprender com vulnerabilidades já corrigidas e problemas de segurança anteriores. Ele também lê a estrutura do código e monta automaticamente documentos como um threat model (modelo de ameaças), que resume os possíveis pontos de ataque e o que precisa ser protegido — útil até em projetos onde os devs nunca escreveram esse tipo de documentação.

Há ainda uma sacada de engenharia para lidar com repositórios grandes. Em vez de despejar o código inteiro no contexto do modelo, o Mantis cria um resumo hierárquico de segurança: agrega as informações arquivo a arquivo no nível de diretório e depois combina tudo em um resumo do repositório. A IA enxerga o panorama geral pelo resumo e só abre o código detalhado onde é necessário — segundo o Google, isso reduziu o custo de tokens em mais de 85% sem perder informação estrutural importante.

Como usar e o que o Google alerta

O Mantis funciona com ferramentas como o Gemini CLI e o Antigravity CLI: você aponta onde está o framework (no GitHub) e qual código quer investigar. Também existe o mantis-advise, que usa falhas e correções anteriores para dar conselhos durante o desenvolvimento — prevenção em vez de remediação.

O próprio Google faz questão de avisar: relatórios e patches gerados por IA nem sempre são precisos e precisam de verificação manual de especialistas; o código gerado deve rodar isolado de sistemas de produção e redes internas. E, para extrair o melhor da detecção automática, a recomendação é dupla: dar à IA informação de contexto boa (como o conhecimento que os devs têm do projeto) e montar um sandbox seguro com critérios claros para identificar vulnerabilidades.

O que observar

O Mantis entra na mesma corrida que o blog vem acompanhando do outro lado do balcão: modelos que atingem limiares críticos de cibersegurança e famílias de IAs ofensivas e defensivas. A novidade aqui é a direção: em vez de só achar falhas, o framework automatiza o ciclo completo — achar, provar e corrigir — com um desenho de múltiplos agentes que ataca o maior problema prático da área, o excesso de falsos positivos. Para um dev, é também um ótimo estudo de caso de como orquestrar agentes com papéis distintos (descoberta, revisão, reprodução) em vez de um único modelo “faz-tudo”.

Fonte: Google Cloud Blog — Getting started with the Mantis harness to find and fix bugs