Google Cloud 安全团队CISO Chris Betz和高级总监Ruchi Shah撰文，详述了内部如何用AI Agent实现自主化软件开发生命周期（SDLC）安全。核心逻辑是：AI已极大加速漏洞利用，传统的“打补丁”窗口期几乎消失，防御必须从人工依赖转向自主动态防御。

他们的方案是将模块化、互联的AI Agent嵌入SDLC每个阶段，形成一套从设计到生产的全自动安全防线。具体有五个关键组件：

1. Agent驱动的安全审查管道：产品上线请求通过Agent管道，自动对照一个包含超过200项安全要求的动态控制目录进行交叉引用。高风险项自动标记并转人工处理，同时为每款产品生成动态安全档案，取代静态威胁模型。

2. 集中式AI代码扫描框架Mantis：传统的分散式AI扫描效果差，正检率常低于7%。Mantis是Google Cloud自研的多Agent编排框架。它通过构建层级式安全摘要树（将单个文件压缩成目录和根级摘要），将大规模仓库分析时的token消耗降低超过85%，同时保留关键结构上下文。Mantis的核心技能已开源。其工作流包含策略Agent（评估架构风险）、研究Agent（深挖源码）、去重与评论Agent（过滤误报），并使用独立沙箱自动运行AI生成的PoC漏洞验证，确保只向开发者报告真实可利用的漏洞。

3. 自愈型模糊测试：传统AI在编写和维护fuzz harness时效率低，常重复犯错。Google的方案引入了一个事后自省循环。由上下文Agent和草稿Agent合成产品逻辑并编写初始fuzzing harness，构建与测试Agent执行并反馈编译错误，幻觉清理Agent自动修复依赖和配置。质量分析Agent动态调整输入，穿透深层、有状态的API。

4. 统一自动化补丁管线：大规模发现漏洞后，系统自动进入修复流程：复现Agent在沙箱中复现崩溃，漏洞上下文Agent映射失败路径，补丁Agent生成针对性代码修复，评估Agent运行严格的回归测试（重新编译并执行）。只有完全验证通过的补丁才会提交给人类审查。

5. 自主安全态势管理（ASPM）：上线后，ASPM系统将安全标准目录转为可编程技能文件，持续检查生产系统配置漂移，自动触发Agent修复。

文章还强调了一个关键机制：持续自省增强。每个工作流结束后，专用的反思Agent分析执行日志和人类反馈，成功的轨迹会固化到全局知识库中，直接注入到未来Agent的上下文窗口，产生“复利效应”，持续提升修复成功率和效率。

本质上，这是Google Cloud对其内部“免疫软件”理念的技术实现，即让应用能持续自主发现、验证和修补自身弱点。Mantis的核心能力已开源，更完整的版本在内部运行并保护客户。