Escáner de seguridad en Rust que audita servidores MCP y archivos de skills para detectar prompt injection, envenenamiento de herramientas, filtraciones de secretos y riesgos de la cadena de suministro.
arm/metis
Herramienta open source de revisión de seguridad de código basada en LLM que detecta vulnerabilidades mediante razonamiento semántico, desarrollada por el equipo de seguridad de producto de Arm.
- Estrellas
- 889
- Forks
- 128
- Issues abiertos
- 12
- Último commit
- ayer
¿Qué es?
Metis es un framework de IA agéntica para realizar revisiones de seguridad de código en profundidad. En lugar de depender de reglas codificadas, como los linters o analizadores estáticos tradicionales, usa modelos de lenguaje grandes para razonar sobre la semántica del código y detectar vulnerabilidades sutiles en bases de código grandes o heredadas. También valida los hallazgos de sus propios análisis y de resultados SARIF de terceros, y recopila evidencias para reducir los falsos positivos.
La herramienta admite muchos lenguajes, como C, C++, Java, Python, Go, Rust, TypeScript, Solidity y Terraform. Usa tree-sitter para dividir el código y cuenta con un sistema de plugins que permite añadir nuevos lenguajes. El backend de LLM se puede configurar para usar OpenAI, Azure OpenAI, Anthropic, Gemini, AWS Bedrock, vLLM, Ollama y llama.cpp. El almacenamiento vectorial usa ChromaDB de forma predeterminada, con PostgreSQL (pgvector) y Qdrant como alternativas.
Se puede usar Metis desde una CLI o un prompt interactivo para revisar un directorio, un archivo o un diff, indexar una base de código, hacerle preguntas y clasificar resultados SARIF. Los resultados se pueden guardar en formato JSON o SARIF.
Funciones clave
- 01Usa el razonamiento semántico de LLM en lugar de reglas codificadas para detectar vulnerabilidades.
- 02Valida los hallazgos de sus propios análisis y de herramientas SARIF de terceros para reducir los falsos positivos.
- 03Admite muchos lenguajes mediante un sistema de plugins, incluido C/C++ con análisis de alcanzabilidad de CodeGraph.
- 04Funciona con varios proveedores de LLM, incluidos modelos locales mediante Ollama, vLLM y llama.cpp.
- 05Usa ChromaDB de forma predeterminada y ofrece PostgreSQL pgvector y Qdrant como backends vectoriales opcionales.
- 06Revisa directorios completos, archivos individuales o diffs de parches, y genera resultados en JSON o SARIF.
Casos de uso
- Revisar la seguridad de bases de código C/C++ grandes o heredadas en las que las herramientas basadas en reglas generan demasiado ruido.
- Revisar parches de pull requests para detectar problemas de seguridad antes de integrarlos.
- Clasificar hallazgos de herramientas SAST existentes para distinguir los problemas probablemente reales de los falsos positivos.
- Ejecutar análisis de seguridad con modelos alojados localmente cuando el código fuente no puede salir de la red.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/arm/metis.git - 2
Crea un entorno virtual e instala las dependencias
uv venv && uv pip install . - 3
Configura tu clave de API de OpenAI como variable de entorno
export OPENAI_API_KEY="your-key-here" - 4
Ejecuta el análisis en un código fuente
uv run metis --codebase-path "/path/to/src" --verbose
Antes de usarlo
- Se requiere un proveedor de LLM. El predeterminado es OpenAI, que necesita una clave de API.
- La indexación vectorial requiere un proveedor de embeddings, salvo que el backend seleccionado los proporcione.
- La cobertura de lenguajes varía; algunos solo reciben una revisión básica.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es metis?
- Herramienta open source de revisión de seguridad de código basada en LLM que detecta vulnerabilidades mediante razonamiento semántico, desarrollada por el equipo de seguridad de producto de Arm. Metis es un framework de IA agéntica para realizar revisiones de seguridad de código en profundidad. En lugar de depender de reglas codificadas, como los linters o analizadores estáticos tradicionales, usa modelos de lenguaje grandes para razonar sobre la semántica del código y detectar vulnerabilidades sutiles en bases de código grandes o heredadas. También valida los hallazgos de sus propios análisis y de resultados SARIF de terceros, y recopila evidencias para reducir los falsos positivos.
- ¿metis es gratuito? ¿Qué licencia tiene?
- metis es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿metis sigue mantenido?
- Mantenimiento activo. El último commit de metis fue el 5 nov 2026.
- ¿Para qué puedo usar metis?
- Revisar la seguridad de bases de código C/C++ grandes o heredadas en las que las herramientas basadas en reglas generan demasiado ruido. Revisar parches de pull requests para detectar problemas de seguridad antes de integrarlos. Clasificar hallazgos de herramientas SAST existentes para distinguir los problemas probablemente reales de los falsos positivos. Ejecutar análisis de seguridad con modelos alojados localmente cuando el código fuente no puede salir de la red.
- ¿Cómo se instala metis?
- Clona el repositorio: git clone https://github.com/arm/metis.git Crea un entorno virtual e instala las dependencias: uv venv && uv pip install . Configura tu clave de API de OpenAI como variable de entorno: export OPENAI_API_KEY="your-key-here" Ejecuta el análisis en un código fuente: uv run metis --codebase-path "/path/to/src" --verbose
- ¿Dónde consigo metis?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/arm/metis
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
CLI de revisión de código con IA que combina una selección determinista de archivos y reglas con un agente LLM para dejar comentarios por línea en diffs de Git.
Un grafo local de conocimiento del código que proporciona a las herramientas de programación con IA contexto preciso para revisiones mediante MCP y una CLI.
Skills de Hermes Agent que hacen que el agente genere sus propios prompts analíticos (prismas), adaptados a cada artefacto, y que informe tanto de los hallazgos como de los puntos ciegos.
Revisor de código con IA de código abierto que analiza pull requests de GitHub y cambios en ramas locales mediante LLM, con cualquier proveedor de modelos.
Herramienta de modelado de amenazas con IA que usa LLM para generar modelos STRIDE, árboles de ataque y mitigaciones para aplicaciones.