mantis
Ein KI-Agenten-Toolkit zum autonomen Finden, Reproduzieren und Patchen von Schwachstellen in Codebasen.
Modulares, Stack-unabhängiges Toolkit für KI-Coding-Agenten zum Finden, Reproduzieren und Patchen von Codeschwachstellen.
Mantis ist ein portables Toolkit, das Fähigkeiten und ein ADK-Referenzharness für KI-Coding-Agenten bereitstellt, um Sicherheitsüberprüfungen, Bedrohungsmodellierung und Patches autonom abzuwickeln. Es ist für Sicherheitsexperten und Entwickler konzipiert, die in isolierten Umgebungen arbeiten und KI-Modelle für die Schwachstellenforschung orchestrieren möchten.
Was es ist
Das Toolkit lädt Fähigkeiten bei Bedarf – von Bedrohungsmodellierung und Forschung bis hin zu Code-Review, Patching und Berichterstellung – unter Verwendung eines ADK-Referenzharness zum Ausführen von Pipelines. Es erstellt semantische Code-Indizes, erzeugt Forschungshypothesen, verifiziert die Produktionstauglichkeit statisch, versucht Exploit-Reproduktionen und nutzt eine adversariale Schleife zur Verifizierung von Patches.
Für wen
Es eignet sich für Sicherheitsingenieure und Entwickler, die mit dem Ausführen autonomer KI-Agenten und sandboxed Pipelines für tiefgehende Code-Audits vertraut sind. Es eignet sich nicht für Personen, die sofort eine schlüsselfertige, produktionsbereite CI/CD-Blockierschleife suchen, da die Pull-Request-Scan-Funktionen an Live-Projekten noch ungetestet sind.
Wichtige Funktionen
Autonome Bedrohungsmodellierung
Generiert automatisch Bedrohungsmodelle und baut semantische Indizes für eine effiziente Code-Navigation auf.
Exploit-Reproduktion
Reproduziert Schwachstellen durch statische Vermutungen, Unit-Tests oder das Starten von Mock-Servern.
Adversariale Patching-Schleife
Patcht entdeckte Schwachstellen und führt eine adversariale Verifizierungsschleife aus, um sicherzustellen, dass die Korrekturen Bestand haben.
Forschungsgraphen-Synthese
Entwirft benutzerdefinierte Agenten-Graphen-Topologien ad hoc basierend auf spezifischen Klartextzielen.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Enthält modulare Fähigkeiten für den gesamten Lebenszyklus von der Bedrohungsmodellierung bis zum Patching
- Unterstützt SQLite-basierte Wissenspersistenz über mehrere parallele Läufe hinweg
- Ermöglicht die Synthese dynamischer Forschungsgraphen für benutzerdefinierte Sicherheitsüberprüfungsziele
- Bietet Risiko-Kalibrierungs-Rubriken zur Bekämpfung von LLM-Schweregradinflation
Schwächen
- Erfordert strikte Isolation in einer Sandbox, um unerwartete destruktive Aktionen durch autonome Agenten zu verhindern
- Pull-Request-Scans und zugehörige GitHub-Aktionen sind End-to-End völlig ungetestet
- Erfordert eine sorgfältige manuelle Überprüfung aller KI-generierten Funde durch einen menschlichen Sicherheitsexperten
- Token-Ausgaben und API-Kosten können sich bei unbeaufsichtigten parallelen Scankampagnen schnell anhäufen
Preise & Lizenz
Mantis ist unter seiner open source Lizenz kostenlos, aber die Ausführung verursacht API-Kosten für Frontier-Sprachmodelle wie Gemini, abhängig von Ihrem Nutzungsvolumen und Token-Verbrauch.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Kann ich Mantis auf Produktionssystemen ausführen?
Nein. Mantis führt autonom generierten Code aus, der instabil sein oder unerwartete Aktionen ausführen kann, und darf nur in isolierten, eingeschränkten Umgebungen ausgeführt werden.
Sind die KI-Ergebnisse garantiert korrekt?
Nein. KI-Modelle sind nicht-deterministisch und können Ergebnisse halluzinieren oder falsche Patches generieren, was bedeutet, dass alle Ergebnisse manuell von einem Sicherheitsexperten überprüft werden müssen.
Wie geht Mantis bei langen Scans mit Budgetlimits um?
Sie können eine feste Obergrenze für Token-Ausgaben mit Flags wie --max-tokens festlegen oder Kampagnen ohne Budgetobergrenze mit --no-budget ausführen.
