# Mantis — Agentes de IA para Revisão de Segurança em Software - Publicado: 2026-07-29 - Resumo: Como agentes especializados podem analisar, reproduzir e corrigir vulnerabilidades de software. - Tags: security, ai-agents, code-review - Página HTML: https://ronanrodrigo.dev/notes/2026/07/29/mantis-security-review/ --- ## Mantis: Toolkit para Revisão de Segurança Recentemente descobri Mantis, um projeto open-source do Google que muda fundamentalmente como pensamos sobre segurança em software com IA. Diferente de muitos frameworks para agentes, o foco não é criar chatbots ou automatizar tarefas genéricas. O objetivo é outro: transformar agentes de IA em **revisores de segurança de software**. O Mantis fornece um conjunto modular de skills para que agentes consigam: - Analisar arquiteturas de software - Identificar vulnerabilidades - Reproduzir os problemas encontrados - Propor ou até gerar correções automaticamente Um ponto interessante é que ele é **stack-agnóstico**, ou seja, não depende de uma linguagem, framework ou plataforma específica. A ideia é que as habilidades possam ser reutilizadas em diferentes ambientes e agentes de IA. Esse tipo de projeto mostra uma tendência importante: estamos entrando na era em que agentes executam fluxos especializados, combinando conhecimento, planejamento e ferramentas para resolver problemas complexos. Para quem trabalha com IA aplicada, DevSecOps ou engenharia de software, vale a pena acompanhar. **Observação:** O projeto ainda é experimental e não é recomendado para uso em produção. A proposta é servir como uma base para pesquisa, experimentação e evolução de agentes especializados em segurança de software. [Repositório oficial no GitHub](https://github.com/google/mantis) --- ## Arquitetura e Pipeline do Mantis O Mantis Skills é um toolkit decentralizado, sequencial e focado em segurança. A documentação oficial descreve uma arquitetura de 15 estágios coordenados por um agente supervisor (`mantis_meta_agent`): 1. **Strategist Agent** — Avalia a estrutura geral do código, modelos de ameaça e grafos de dependência para isolar padrões de risco arquitetural 2. **Research Agents** — Agentes especializados que investigam arquivos brutos, examinando fluxos de dados e lógica de sanitização 3. **Deduplicator, Reviewer e Critic Agents** — Filtram ruído e eliminam falsos positivos 4. **Reproduction Sandbox** — Executa provas de conceito geradas automaticamente em ambiente isolado e emulado Os resultados são arquivados com histórico de aprendizado (`learnings.jsonl`), permitindo que o sistema se adapte across iterative runs e evite análises redundantes. A redução de tokens é significativa: ao condensar arquivos individuais em sumários hierárquicos de diretório e raiz, o Mantis reduz overhead de tokens em mais de 85% mantendo contexto estrutural crítico em repositórios grandes. [Documentação completa e especificação técnica](https://github.com/google/mantis) --- ## Segurança em Agentes de IA: Contexto de 2026 Em 2026, agentes de IA enfrentam riscos de segurança bem específicos. O panorama mudou significativamente: **Principais vulnerabilidades em agentes agentic:** - **Prompt injection** — Hackers injetam instruções maliciosas que desviam a lógica do agente - **Memory poisoning** — Corrupção de memória de longo prazo do agente com comportamentos prejudiciais - **Tool abuse** — Exploração de APIs e integrações para ações não autorizadas ou DDoS - **Data leakage** — Exposição de dados sensíveis em logs ou sistemas externos - **Supply chain attacks** — Compromisso de plugins, skills ou dependências terceirizadas - **Privilege compromise** — Concessão excessiva de permissões exploradas por agentes enganados Segundo o OWASP Top 10 for Agentic Applications 2026 (lançado em dezembro de 2025), a maioria dos incidentes de 2026 envolveu o Model Context Protocol (MCP) como vetor de ataque — arquivos de configuração envenenados, skills maliciosas e servidores MCP expostos sem autenticação. [OWASP Top 10 Agentic Applications 2026](https://owasp.org/) --- ## GitHub Copilot CLI: Security Review (Experimental) Em junho de 2026, GitHub lançou um comando experimental `/security-review` no Copilot CLI. É uma alternativa mais leve ao Mantis, focada em mudanças de código em tempo de desenvolvimento. O comando analisa alterações locais e retorna: - Descobertas de segurança com confiança e severidade - Sugestões acionáveis direto no terminal - Foco em 11 categorias de vulnerabilidades: injection flaws, XSS, broken access control, path traversal, SSRF, insecure deserialization, weak cryptography, hardcoded credentials, sensitive data leaks, authentication/CORS failures, e supply-chain risks Diferente do Mantis (que é agentic e orquestrado), o Copilot CLI `/security-review` é um atalho rápido para perguntar "introduzi um problema de segurança?" antes de um pull request. [GitHub Blog: Dedicated security review command](https://github.blog/changelog/2026-06-10-dedicated-security-review-command-now-available-in-copilot-cli/) --- ## Ferramentas e Frameworks Relacionados A paisagem de segurança com IA em 2026 inclui diversas abordagens: **Agentic security reviewers:** - OpenAI Codex Security - Checkmarx Developer Assist - Claude-based semantic SAST (Anthropic) **Platform-native scanners:** - GitHub Advanced Security - Snyk Code - Semgrep **Supply chain e reachability:** - Endor Labs AURI - Socket Cada ferramenta usa machine learning ou LLMs para encontrar vulnerabilidades, sugerir fixings validados e integrar-se com agentes de codificação via Model Context Protocol. [7 AI Application-Security Tools for 2026](https://securityboulevard.com/2026/06/7-ai-application-security-tools-for-2026/) --- ## Conclusão Mantis representa um step importante em como defesa de segurança e IA se encontram. Enquanto agentes de codificação já são realidade, ter agentes especializados em **encontrar** e **validar** vulnerabilidades muda o jogo na hora que a maioria dos codigos gerados por IA ainda era encarado com desconfiança. A modularidade e a reutilização de skills em diferentes ambientes apontam para um futuro onde segurança é um layer integrado desde o planejamento até a reprodução de exploits. Para times interessados em DevSecOps moderno, pesquisa em agentes de IA ou vulnerability research, acompanhar Mantis é recomendado — não necessariamente em produção hoje, mas como indicador de tendência e ferramenta de experimentação.