据MarkTechPost 9月9日报道，谷歌已开源Mantis，一套面向AI编程代理的模块化安全审查技能工具包。该工具可让代理在代码库中寻找疑似漏洞、排除误报、在沙箱内复现漏洞、编写最小补丁、对补丁重新发起攻击并评估残余风险。
Mantis并非用户指向代码库后即可离开的扫描器。它是一组由现有编程代理加载的斜杠命令，并配有严格规则，规定代理可以在何处执行代码。据该报道，Mantis适合本地和内部评估，尚不适合生产环境。用户可克隆项目，并配合Gemini CLI、Antigravity CLI、Google ADK或其他同类代理框架运行。
Mantis将流水线中的每个阶段发布为独立技能目录，以斜杠命令调用并顺序串联。监督技能/mantis-meta-agent可在长生命周期会话中驱动整个循环。早期阶段用于学习目标：/mantis-history挖掘版本控制历史中的过往安全修复，/mantis-summarize生成目录映射，/mantis-architecture构建Markdown知识库，/mantis-threat-model推导信任边界，/mantis-plan生成针对性路线图。
中期阶段负责发现和过滤：/mantis-researcher按计划扫描文件，随后/mantis-dedupe、/mantis-review和/mantis-critic合并重复项、应用负面规则，并剔除在发布构建中不可能出现的问题。后期阶段负责证明和修复：/mantis-reproduce在禁用网络的gVisor或虚拟机中执行载荷，/mantis-chain将单独确认的发现组装成多步利用链，/mantis-patch应用并验证修复，/mantis-calibrate给出1至10分的风险评分，/mantis-reflect写回经验供下一轮使用，/mantis-report生成人类可读的审查包。
较新的/mantis-advise技能反转流程，在编写代码前查询累积的威胁模型、过往缺陷谱系和已验证补丁模式，以防同类漏洞再次出现。报道称，多数代理式安全工具止步于生成发现，Mantis的不同之处在于将复现器和重新攻击视为信任边界，并公开阶段间契约，使团队可将这些技能封装进确定性执行框架，而不是信任大语言模型来编排shell命令。
谷歌给出的要点包括：Mantis是模块化技能工具包，不是独立扫描器，也不是受支持的谷歌产品；其差异化在于沙箱复现和补丁再攻击等证据，而非模型置信度。据谷歌称，分层摘要树可将令牌开销降低85%以上。谷歌还提到，简单AI代码扫描的真实阳性率低于7%，这正是Mantis试图解决的问题。该项目以Apache 2.0协议发布，可在本地部署，但尚不建议用于生产环境。相关资源包括GitHub上的google/mantis、代理参考指南、Cloud CISO Perspectives和Mantis入门文档。