开源项目第235期：REA — 让 AI Agent 逆向任何东西，从网站/Electron 应用一路分析到二进制层

引言

"See a feature you like. Understand how it works, down to the binary level."

这是「每日一个开源项目」系列的第 235 篇 。今天的项目是 REA（Reverse Engineer Anything） ------ 一个把 AI Agent 和逆向工程工具连接起来的 MCP 服务器，作者 morluto，187,000+ Stars，MIT 许可证，上线仅半年即进入 Trendshift 趋势榜。

逆向工程一直是一门门槛很高的手艺：要懂汇编、要会用 Hopper/Ghidra/IDA 这类专业工具、要能从反编译出的伪代码里拼出业务逻辑。REA 的做法是把这套能力封装成 MCP 工具，交给 AI Agent 去调用------你只需要用自然语言告诉 Agent "我想知道这个 App 的某个功能是怎么实现的"，Agent 就会自己调用 REA 提供的各种分析工具，逐步深入到字节码、汇编、符号表层面，拿到带证据链的分析结果，再据此帮你写出一个类似的实现。

你会学到什么

REA 的核心定位：MCP 工具 + Agent，而不是一个独立的逆向平台
它能分析的目标清单有多广：从网站、Electron 应用，到 Native 二进制、EVM 字节码、Android APK、固件
"证据 + 局限性"的结果设计，为什么对 AI 辅助分析特别重要
快速上手：npx rea-agents setup 到让 Agent 开始分析
原生二进制分析依赖 Hopper/Ghidra/IDA，但 JS/Electron 分析不需要

前提知识

了解 MCP（Model Context Protocol）的基本概念
使用过 Claude Code、Cursor、Codex 等支持 MCP 的 AI Agent
对逆向工程术语（反汇编、伪代码、符号表）有基础认识会更容易理解，但不是必需

项目背景

概述

REA 的核心主张很直接：看到一个应用里喜欢的功能，让 Agent 去调查它。 不需要源码，Agent 就能检查这个应用，解释功能的工作原理，给出证据，然后在你自己的项目里实现一个类似版本。REA 本身不是一个"全能逆向平台"，而是把现有的逆向工具（Hopper、Ghidra、IDA 等）包装成标准化的 MCP 接口，让 Agent 能够驱动它们完成分析任务------分析过程完全在本地运行。

作者 / 团队

作者: morluto
主要语言: TypeScript
许可证: MIT License
创建时间: 2026-04-14（上线仅约半年）
当前状态: 活跃开发中，社区贡献者众多，Discord 社区活跃

项目数据

⭐ GitHub Stars: 187,000+
🍴 Forks: 45,000+
📄 许可证: MIT
📅 创建时间: 2026-04-14
🔥 Trendshift 趋势仓库（trendshift.io/repositories/82054）
👥 核心贡献者：作者 morluto（1,389 次提交）领衔，N0zoM1z0（504 次）、kaoru0822-kitauji（407 次）等多名活跃贡献者
🏷️ Topics: agent-skills, ai-agents, binary-analysis, claude-code, cli, codex, ctf, decompiler, disassembler, ghidra, hopper, llm, mcp, model-context-protocol, reverse-engineering, static-analysis

说明：项目半年内积累近 19 万 Star 确实惊人，但 Trendshift 官方趋势徽章和稳定的多贡献者提交记录（而非单一账号刷量）都印证了这是一个真实的、处于"AI Agent + 逆向工程"风口上的热门项目，而不是刷星仓库。

快速上手

配置 Agent

安装好 Node.js 和 npm 后：

bash 复制代码

npx rea-agents setup

命令会让你选择要接入的 Agent，展示即将做出的改动，经你确认后才会写入配置（并自动备份原有配置）。配置完成后记得重启 Agent。目前官方支持 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等多个 Agent。

向 Agent 提问

text 复制代码

Understand how search works in the Notes app, show me the evidence, and build a
similar feature for my project.

把 Notes 换成你想分析的目标应用，把"search"换成你想理解的功能即可，剩下的交给 Agent 和 REA 配合完成。

命令行直接用

分析一个解压后的 JavaScript/Electron 应用目录或 ASAR 包：

bash 复制代码

npx -y rea-agents@latest analyze-javascript-application /absolute/path/to/app --json

结果包含模块、依赖导入、Electron 进程边界及对应证据。如果要长期使用，可以全局安装：

bash 复制代码

npm install --global rea-agents
rea --help

原生二进制分析需要先配置一个分析引擎（Hopper/Ghidra/IDA 任选其一）。

核心剖析：工作流程与"证据+局限性"的结果设计

Agent 通过 MCP 调用 REA，REA 返回带证据的发现

REA 的工作流程很清晰：Agent 通过 MCP 调用 REA 检查目标并追踪相关代码，REA 返回发现（findings）及其证据，Agent 据此继续追问、解释原理，或者直接写代码并测试实现。命令行用的是同一套工作流，所以你也可以不经过 Agent，直接在终端里跑分析命令、生成快照、做脚本化处理。

这个设计的关键在于：REA 本身不负责"下结论"，它只负责提供有证据支撑的分析事实，真正的推理、解释、代码生成都交给调用它的 Agent 完成。这种分工让 REA 保持工具的单一职责，同时让分析结果天然带有"可审查性"------Agent 给出的每一个结论都能追溯到具体的反汇编行、字符串引用或模块依赖关系。

分析目标清单：覆盖面是这个项目最硬核的部分

REA 支持的分析目标种类相当惊人，README 里列出了一张详尽的表格，这里摘录一些有代表性的：

分析目标	返回内容	依赖
Native 二进制	伪代码、汇编、字符串、符号、调用关系	Hopper / Ghidra / IDA
Go 二进制	内嵌的编译器版本、模块、构建设置	内置静态解析，无需安装 Go
EVM 字节码	调度选择器、字节偏移、推断参数和可变性	本地离线分析
JavaScript / Electron	模块、导入、Source Map、路由、IPC、Native 插件关系	Node.js + npm
网站	页面结构、脚本、网络请求观察、截图	Chrome 系浏览器
.NET 程序集	元数据、CIL 指令、声明的 Native 依赖、构建对比	纯静态分析，无额外依赖
Android APK	Manifest 声明、类、反编译方法、引用关系	Headless JADX + 完整 JDK
固件	分区、提取结果、Native 分析交接	Linux 下的 Binwalk / Unblob
录制的网络抓包	请求、响应、暴露的 Payload、来源代码位置	HAR / Fiddler SAZ

静态 JavaScript 和 .NET 检查只读取提供的文件，不会运行应用；而涉及运行时行为的分析（比如网站交互、进程行为捕获）会以你当前用户权限真实运行或与目标交互------每份对应的指南都会说明具体影响范围。这种"静态优先、运行时按需"的分层设计，让大多数轻量分析场景（比如看一眼某个 Electron 应用的 IPC 结构）完全不需要触碰运行时风险。

原生分析引擎可插拔，JS/.NET 分析完全不需要引擎

REA 没有自己重新发明一套反编译引擎，而是复用你已经安装好的 Hopper、Ghidra 或 IDA------设置过程中可以在获得你批准的情况下帮你安装 Hopper，Ghidra 和 IDA 则直接使用现有安装。这个选择很实际：反编译引擎这件事技术门槛极高，REA 没有必要重复造轮子，它要解决的是"把这些引擎的能力暴露给 Agent"这个集成问题。而对于不涉及二进制反编译的场景------纯静态的 JavaScript、.NET、Flutter 分析------REA 内置了完整的解析能力，不依赖任何第三方引擎，这意味着哪怕你完全没有逆向工具链，也能先用这部分能力起步。

项目地址与资源

🌟 GitHub : morluto/rea
🌐 官网 : rea.tools
📖 使用指南 : rea.tools/guides
🎬 案例研究 : rea.tools/showcase（包括还原 DX-Ball 音效声像算法、追踪 Notion 的 Electron 剪贴板桥接、复原 TH04 DOS 游戏子弹环算法）
📦 npm : rea-agents
💬 Discord : discord.gg/GkcryMnJDM
⚠️ 免责声明 : 详见项目的 DISCLAIMER.md，明确限定用途为合法研究、教育、互操作性和软件保护，以及分析你拥有或已获授权的软件

总结

REA 代表了一种关于"AI + 逆向工程"的清晰判断：逆向分析所需的专业工具链早已存在，真正缺的是一层能让 AI Agent 自主调用这些工具、并把结果组织成可信证据的接口。

三点值得注意：

把"下结论"的职责留给 Agent，自己只负责"提供有证据的事实"，是克制且正确的架构分工。 很多 AI 分析工具试图让模型直接产出"这段代码在做什么"的结论，容易出现幻觉且难以验证。REA 坚持返回原始发现和证据链，让 Agent 在此基础上推理，这个设计选择本身就是对"AI 辅助逆向"这件事该怎么做的一次很好的回答。

分析目标覆盖面从网站、Electron 到 EVM 字节码、固件、Android 设备，广度远超一般逆向工具。 这说明项目在刻意追求"一个 MCP 覆盖尽可能多的逆向场景"，而不是只做某一类专精分析------这也解释了为什么它能同时吸引安全研究者、CTF 玩家和想理解竞品功能的产品开发者。

半年内获得近 19 万 Star 和 4.5 万 Fork，背后是真实的多贡献者生态，而不是刷量。 这提示了一个趋势：当"用 AI Agent 分析闭源软件行为"从极客圈的小众玩法变成一个有明确工具链支撑的工程实践时，它能迅速吸引大量开发者------这个方向值得持续关注。

如果你经常好奇某个应用的某个功能到底是怎么实现的，又不想从头学一遍反汇编，REA 提供的"Agent 驱动分析"路径值得你亲自试一试。

探索 PrimeSkills ------ 精选 AI agent 和技能工具，每一个都经过真实工作流验证。没有炒作，只有真正好用的工具。

访问我的个人主页，获取更多见解和有趣的产品。