---
title: "Google libera o Mantis para caçar e validar vulnerabilidades com agentes de IA"
author: "Ignácio Afonso"
date: "2026-09-07 06:45:00-03"
category: "Segurança & Privacidade"
url: "http://desbugados.scale.press/portal/desbugados/post/2026/09/07/google-libera-o-mantis-para-cacar-e-validar-vulnerabilidades-com-agentes-de-ia/md"
---

## Resumo
- O Google lançou o Mantis em 2 de setembro de 2026 como um framework de agentes de IA em código aberto.
- A ferramenta automatiza identificação, validação, reprodução e correção de vulnerabilidades de software.
- Agentes críticos, revisores e ambientes de sandbox ajudam a filtrar falsos positivos e confirmar falhas.
- O projeto reúne mais de 15 ferramentas modulares e permite combinar modelos diferentes para cada tarefa.
- Uma hierarquia de resumos de diretórios e repositórios reduz em 85% o consumo de tokens.
- O Mantis analisa o histórico de alterações e correções para construir modelos de ameaças e orientar novos códigos.
- O Google recomenda usar o framework por agentes de codificação e pela linha de comando.

---

Em **2 de setembro de 2026**, o Google lançou o **Mantis** como um framework de agentes de inteligência artificial em código aberto, disponível para consulta e uso por meio do GitHub. A ferramenta foi desenhada para automatizar o ciclo de vulnerabilidades de software, passando pela identificação, validação, reprodução e correção de falhas. A proposta enfrenta um problema conhecido das varreduras feitas por IA: alertas que parecem indicar riscos, mas não resistem a uma verificação, além de respostas inventadas pelos modelos. Este artigo desbuga como o Mantis organiza essa investigação e por que a abertura do projeto importa para quem revisa código.

## Quando o alerta de segurança precisa ser confirmado

O primeiro ponto da história é a dificuldade de separar uma falha real de um **falso positivo**, nome dado ao alerta que aponta um problema inexistente ou que não se confirma durante a análise. A cobertura sobre o lançamento descreve ferramentas convencionais de IA com taxa de positivos verdadeiros abaixo de **7%**, enquanto o projeto do Google foi apresentado como uma resposta às alucinações, isto é, às conclusões que o modelo produz sem correspondência com o código analisado. A piada é ruim, mas funciona: um alarme que dispara sem incêndio também ocupa a equipe. O Mantis foi concebido para colocar etapas de verificação entre a suspeita inicial e a decisão sobre o que realmente precisa ser corrigido.

Essa verificação acontece por meio de uma combinação de **agentes críticos** e revisores, que examinam os resultados antes que eles sejam tratados como vulnerabilidades confirmadas. O framework também usa ambientes de **sandbox**, espaços isolados destinados a testar o comportamento do código sem misturá-lo diretamente ao restante do projeto. Nesses ambientes, a falha pode ser validada e reproduzida, duas etapas que dão mais substância ao alerta original. O resultado pretendido é uma sequência menos dependente de uma única resposta do modelo: primeiro surge a suspeita, depois vêm a triagem, a confirmação e a preparação da correção.

## Uma linha de montagem para a vulnerabilidade

Em vez de concentrar toda a análise em uma única operação, o Mantis distribui o trabalho por um conjunto modular de mais de **15 ferramentas**, chamadas de skills na documentação do projeto. Cada módulo pode assumir uma parte do processo, como classificar um resultado, reproduzir uma falha ou gerar um patch, nome dado ao conjunto de alterações que corrige o código. A arquitetura também permite combinar modelos de inteligência artificial de acordo com a tarefa: modelos mais leves ficam associados à classificação, enquanto modelos mais potentes são direcionados à reprodução e à criação de correções. Essa separação reduz a necessidade de usar o mesmo tipo de modelo para todas as decisões.

A economia de processamento aparece em outro detalhe da arquitetura. Segundo as informações reunidas sobre o projeto, o Mantis reduziu em **85%** o consumo de tokens, unidades que representam partes do texto processado por um modelo de IA, ao criar uma hierarquia de resumos do repositório. Em vez de fazer varreduras exaustivas a cada etapa, o sistema organiza informações em níveis de diretório e de repositório, permitindo que os agentes consultem uma visão condensada antes de aprofundar a investigação. Para quem lida com bases extensas de código, essa escolha muda a ordem do trabalho: o agente começa com uma representação mais compacta e só desce aos detalhes quando a análise exige.

## Memória de código e abertura no GitHub

A abertura do Mantis está no centro da proposta. O projeto é descrito como um kit de ferramentas modular e agnóstico de stack, ou seja, não foi limitado a uma única combinação de linguagem ou tecnologia, e seu código está disponível no [repositório oficial do Google no GitHub](https://github.com/google/mantis). A estrutura publicada inclui módulos para aconselhamento, revisão e crítica, o que permite observar como as etapas de análise foram organizadas. O registro mais recente mencionado para o repositório é de **3 de setembro de 2026**, com mudanças voltadas ao endurecimento dos ambientes de sandbox e à resolução de caminhos.

O projeto também tenta transformar o histórico do repositório em fonte de aprendizado para as próximas análises. O Mantis examina alterações anteriores para identificar tendências de vulnerabilidades, aprende com correções passadas e constrói modelos de ameaças automaticamente, segundo o comunicado do Google. Isso dá ao agente uma referência sobre como problemas semelhantes foram tratados naquele código, em vez de limitar a revisão ao estado atual dos arquivos. A ferramenta **mantis-advise** leva essa memória para o desenvolvimento, usando o histórico de falhas anteriores para fornecer recomendações enquanto um novo código é criado.

## Da recomendação do Google ao uso no terminal

Para colocar o framework em funcionamento, o Google recomenda seu uso por meio de **agentes de codificação**, instruindo-os a chamar o Mantis pela linha de comando para revisar trechos específicos. A orientação aproxima a ferramenta do fluxo de trabalho de quem já utiliza agentes para ler arquivos, propor mudanças e executar tarefas dentro de um repositório. Em vez de apresentar o Mantis como uma aplicação isolada que substitui todo o processo, a recomendação o coloca como uma camada especializada de investigação de segurança. A documentação também indica compatibilidade com interfaces como **Gemini CLI** e Antigravity CLI, conectando o framework a diferentes formas de interação no terminal.

Na prática, essa organização cria um caminho que começa na revisão direcionada e termina em uma possível correção validada. O agente pode consultar os resumos do repositório, localizar uma área suspeita, acionar módulos de classificação e encaminhar o caso para reprodução em sandbox antes da geração do patch. Essa descrição não elimina a necessidade de compreender o código analisado, mas mostra onde o Mantis concentra sua contribuição: reduzir respostas sem confirmação e dividir uma tarefa complexa em operações menores. O caráter modular também permite escolher ferramentas e modelos conforme o tipo de investigação, em vez de tratar toda vulnerabilidade como se exigisse o mesmo procedimento.

## Qual é o próximo passo com o Mantis?

O próximo passo anunciado pelo Google foi tornar o framework acessível como **código aberto**, permitindo que interessados consultem sua estrutura modular e acompanhem sua evolução no repositório público. Para quem trabalha com revisão de software, a leitura mais útil começa pela compreensão do fluxo completo: identificar uma suspeita, fazer a triagem, reproduzir o comportamento e só então preparar a correção. A redução de 85% no uso de tokens e o emprego de resumos hierárquicos mostram que a proposta também tenta controlar o volume de informação processado pelos agentes. O Mantis, portanto, chega como uma caixa de ferramentas para organizar a investigação, não como um único comando mágico que resolve qualquer alerta.

O lançamento deixa uma orientação concreta para a adoção: consultar o [guia oficial do Google sobre o Mantis](https://cloud.google.com/blog/products/identity-security/getting-started-with-the-mantis-harness-to-find-and-fix-bugs) e usar agentes de codificação pela linha de comando para revisar códigos específicos. A partir daí, a equipe pode avaliar a combinação entre os módulos, os ambientes de sandbox e o conhecimento extraído do histórico do próprio repositório. O que muda é a possibilidade de transformar a varredura em uma sequência verificável, na qual o alerta precisa atravessar filtros antes de ser tratado como falha. Para uma tecnologia que pretende caçar bugs sem criar uma coleção de alarmes equivocados, essa é uma diferença bastante prática.