Por Canuto  

Google publicó Mantis, un kit modular de código abierto que permite a agentes de IA investigar, reproducir, corregir y volver a probar vulnerabilidades, aunque el proyecto todavía está pensado para evaluaciones locales e internas y no para entornos de producción.
***

  • Mantis organiza la revisión de seguridad en habilidades modulares que abarcan desde el análisis histórico hasta la verificación de parches.
  • El proyecto usa gVisor o máquinas virtuales sin red para reproducir fallas y tratar el reataque del parche como un límite de confianza.
  • Google lo distribuye bajo Apache 2.0, pero advierte que aún no es un producto soportado ni una solución recomendada para producción.

Un ciclo completo para agentes de código

Google publicó como código abierto Mantis, un kit modular de habilidades diseñado para que los agentes de código con inteligencia artificial participen en todo el ciclo de una vulnerabilidad. El sistema busca detectar una falla sospechosa, reducir los falsos positivos, reproducir el comportamiento dentro de un entorno aislado, proponer un parche mínimo y volver a atacar la corrección para medir el riesgo que permanece.

La propuesta se diferencia de un escáner convencional porque no consiste en apuntar una herramienta hacia un repositorio y esperar una lista de resultados. Mantis funciona como un conjunto de comandos slash que un agente de código ya existente puede cargar, acompañado por reglas estrictas sobre los lugares y condiciones en los que el agente tiene permitido ejecutar código.

Según la información publicada sobre el proyecto, Mantis puede clonarse y ejecutarse localmente con Gemini CLI, Antigravity CLI, Google ADK o cualquier marco de agentes comparable. Esa disponibilidad no equivale, sin embargo, a una recomendación para operar en producción, ya que el proyecto está planteado por ahora para evaluaciones locales e internas.

El código se distribuye bajo la licencia Apache 2.0 y no representa un producto soportado por Google. La distinción resulta relevante para equipos de seguridad que evalúen incorporarlo a sus procesos, porque el repositorio ofrece componentes y contratos de trabajo, pero no elimina la necesidad de supervisión, controles operativos ni validaciones independientes.

De la historia del código al modelo de amenazas

El flujo de Mantis publica cada etapa como un directorio de habilidades separado, invocado mediante un comando slash y encadenado de forma secuencial. Una habilidad supervisora denominada /mantis-meta-agent puede dirigir el conjunto de tareas durante una sesión de larga duración, aunque la arquitectura también permite utilizar las etapas por separado.

Las primeras habilidades buscan que el agente entienda el objetivo antes de investigar posibles fallas. /mantis-history extrae del historial de control de versiones las correcciones de seguridad anteriores, mientras /mantis-summarize genera mapas de los directorios y /mantis-architecture construye una base de conocimiento en Markdown.

Sobre esa información, /mantis-threat-model deriva los límites de confianza y /mantis-plan produce una hoja de ruta enfocada para la revisión. Este orden intenta reducir el riesgo de que un agente analice el repositorio sin contexto, una práctica que puede consumir recursos y producir observaciones difíciles de relacionar con la arquitectura real del software.

Google también incorporó /mantis-advise, una habilidad que invierte el flujo habitual y actúa antes de que se escriba código nuevo. Para ello consulta el modelo de amenazas acumulado, el linaje de errores anteriores y los patrones de parches verificados, con el objetivo de evitar que una misma clase de vulnerabilidad vuelva a aparecer.

Filtrar hallazgos y demostrar que una falla existe

En la parte intermedia del proceso, /mantis-researcher examina los archivos de acuerdo con el plan elaborado previamente. Después, /mantis-dedupe, /mantis-review y /mantis-critic agrupan duplicados, aplican reglas negativas y descartan problemas que no pueden ocurrir en una compilación de lanzamiento.

El énfasis en el filtrado responde a una debilidad que Google identifica en el escaneo ingenuo de código con inteligencia artificial. La compañía cita tasas de verdaderos positivos inferiores a 7%, una cifra que ilustra por qué una lista extensa de alertas no necesariamente representa una mejora para los equipos que deben investigar y corregir cada señal.

La etapa /mantis-reproduce intenta ejecutar las cargas útiles dentro de gVisor o de una máquina virtual con la red deshabilitada. Al limitar el entorno, el sistema busca demostrar el comportamiento de la falla sin conceder al agente un espacio de ejecución abierto, aunque la existencia de un sandbox no reemplaza las políticas de seguridad que cada organización debe establecer.

Cuando varios hallazgos individuales han sido confirmados, /mantis-chain puede ensamblarlos en cadenas de explotación de varios pasos. El diseño trata la reproducción como una prueba más sólida que la mera sospecha estática, porque obliga a conectar el código observado con un comportamiento que pueda ejecutarse bajo condiciones controladas.

Parche, reataque y riesgo residual

Las etapas finales incluyen /mantis-patch, que aplica y verifica una corrección, y /mantis-calibrate, que asigna una puntuación de riesgo de 1 a 10. El objetivo no es únicamente producir un cambio que parezca razonable, sino comprobar si la modificación resiste el mismo escenario de ataque utilizado para confirmar la vulnerabilidad.

Para Mantis, el reataque del parche funciona como un límite de confianza dentro del proceso. La lógica es especialmente importante en flujos automatizados, donde un agente podría redactar una corrección técnicamente válida pero incompleta, modificar una ruta distinta de la afectada o dejar abierta una variante de la misma falla.

El kit también incluye /mantis-reflect, que documenta aprendizajes para la siguiente pasada, y /mantis-report, que prepara un paquete de revisión legible para humanos. Esa salida busca conservar la intervención de especialistas, en lugar de convertir la decisión de seguridad en una conclusión opaca generada por un modelo.

La arquitectura publica contratos entre las distintas etapas, un rasgo que permite a los equipos envolver las habilidades en un arnés determinista. De acuerdo con la descripción del proyecto, esto reduce la dependencia de que un modelo de lenguaje coordine por sí solo comandos de shell y facilita una evaluación más controlada de cada paso.

Alcance actual y límites del proyecto

Uno de los elementos destacados de Mantis es un árbol jerárquico resumido que, según Google, reduce en más de 85% el consumo de tokens. La técnica busca que el agente mantenga una representación útil de la estructura del repositorio sin cargar continuamente todo su contenido, lo que puede disminuir el costo de contexto durante sesiones extensas.

El enfoque también intenta resolver un problema práctico de las herramientas de seguridad agénticas: muchas se detienen cuando generan hallazgos. Mantis amplía el recorrido hasta la reproducción, la corrección y la comprobación posterior, aunque esa amplitud no garantiza por sí misma que cada vulnerabilidad sea encontrada ni que cada parche sea adecuado.

La documentación disponible presenta el proyecto como desplegable para evaluación local e interna, pero todavía no para producción. Los equipos interesados pueden revisar el repositorio google/mantis en GitHub, junto con la guía de referencia de agentes, los materiales de Cloud CISO Perspectives y las instrucciones para comenzar con Mantis.

La publicación abre una vía para estudiar cómo los agentes de código pueden participar en procesos de seguridad sin confiar exclusivamente en sus propias afirmaciones. Por ahora, el valor de Mantis está en la combinación de habilidades modulares, aislamiento, contratos entre etapas y reataque de los parches, mientras su madurez operativa y su desempeño en escenarios de producción siguen pendientes de evaluación.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados