REA：开源逆向分析工具，让 AI Agent 无需源码即可解析软件

1. REA是什么

REA（Reverse Engineer Anything）是一款开源的通用逆向分析工具，通过 MCP（Model Context Protocol）协议将 Claude Code、Codex、Cursor 等 AI 编程 Agent 与 Ghidra、Hopper、IDA 等专业逆向工具连接起来，使 Agent 能够在无源码条件下对软件进行深度分析。REA 覆盖从原生二进制、Electron/JS 应用、APK、.NET 程序集到网站、固件、WASM 等 15 种以上目标类型，能够追踪功能实现逻辑并生成带证据链的分析结果，进而辅助开发者重建相似功能。

技术定位与领域： REA 属于软件逆向工程与 AI Agent 工具链的交叉领域，核心定位是充当“逆向调度层”，将 AI Agent 的自然语言理解能力与专业逆向引擎的底层分析能力进行桥接。它并非替代 Ghidra 或 IDA，而是以 MCP 协议为纽带，让 Agent 能够自动调度这些工具完成分析任务。

研发背景： REA 由开发者 morluto 发起并开源，采用 MIT 许可证。其研发动机源自逆向工程的高门槛矛盾——传统逆向需要深厚的汇编语言和反编译知识，而 AI Agent 虽然具备代码理解能力，却缺乏直接调用专业逆向工具的标准通道。REA 正是为解决这一鸿沟而生。

核心价值： REA 的核心价值在于将逆向分析从“专家操作”转变为“自然语言对话”。用户无需理解反汇编、调用约定或二进制格式，只需向 Agent 描述分析目标，REA 即自动完成工具调度、数据提取和证据整理。此外，全部分析在本地运行，保障了目标软件的安全性，避免敏感代码上传云端。

技术特点： REA 采用多引擎调度架构，底层兼容 Ghidra、Hopper、IDA、JADX、JEB 等主流逆向工具，通过统一接口输出伪代码、汇编、调用关系和字符串等结构化数据。同时，其证据链机制为每个分析结论附带可追溯的原始证据，显著提升了分析结果的可验证性。

2. 主要功能

• 原生二进制分析： 解析 Mach-O、ELF、PE 等可执行文件格式，返回伪代码、汇编指令、字符串常量、符号表和调用关系图。该功能支持深度反编译，可为 Agent 提供完整的函数逻辑还原，适用于恶意软件分析、闭源程序理解等场景。

• JavaScript/Electron 应用分析： 静态梳理 JS 应用的模块结构、入口文件、IPC 通信通道和 source map，无需实际运行应用即可还原其内部架构。该功能对审计桌面端 Electron 应用尤为有效，能够揭示 preload 脚本与主进程之间的数据流动。

• Android 应用逆向： 借助 JADX 反编译 APK 文件，提取清单声明、类结构、方法实现和资源引用。同时支持通过 ADB 连接 Android 设备，获取设备信息、进程列表、日志输出和屏幕截图，实现动态与静态结合的分析。

• .NET 程序集检查： 无需执行程序即可查看 .NET 程序集的元数据、CIL（公共中间语言）指令和原生代码边界，帮助分析托管代码与原生代码的交互点，适用于 .NET 遗留系统的安全审计和依赖分析。

• 固件与包文件分析： 利用 Binwalk 或 Unblob 工具提取固件分区和文件系统镜像，或为 ZIP、APK、ASAR 等归档格式直接生成文件清单。该功能覆盖物联网设备固件分析和安装包结构审查场景。

• 版本差异对比： 比较同一应用两个版本之间的二进制差异，自动生成包含新增、删除、修改函数和资源的变更报告。该功能对于评估软件更新影响范围、追踪安全补丁有效性具有实用价值。

• 网络抓包分析： 解析 HAR 文件或 mitmproxy 捕获的数据，将网络请求与源码位置进行关联，揭示应用的网络通信模式和 API 调用逻辑，支持前端应用的数据流分析。

• 代码重建辅助： Agent 基于 REA 提供的分析结果，追踪目标功能的实现线索，自动编写功能等价的相似实现并进行验证。该功能将逆向分析直接转化为开发能力，缩短了从“理解”到“实现”的路径。

3. 如何使用

1. 环境准备： 安装 Node.js（≥22.19 版本）和 npm 包管理器。同时需要已安装 Claude Code、Codex、Cursor、Gemini CLI 或 Windsurf 中任一受支持的 AI 编程 Agent。操作系统支持 Linux、macOS 和 Windows（部分功能如进程捕获仅限 Linux/macOS）。

2. 一键安装： 在终端执行 npx rea-agents@latest setup 命令，按提示选择要接入的 Agent。安装脚本会自动注册 MCP server，并为 Agent 配置 workflow 指令文件。该过程会先展示待修改的配置项供用户审核确认。

3. 审批配置并重启： 确认 setup 提出的 MCP server 注册信息和工作流指令修改（工具会自动备份原配置文件）。配置完成后，需重启对应的 AI 编程 Agent，使新增的 MCP 工具生效。

4. 准备逆向引擎（可选）： 如进行深度原生二进制分析（如 ELF、PE、Mach-O），需预先安装 Hopper、Ghidra 或 IDA 中至少一款工具。REA 会自动检测并调度已安装的引擎；纯 JS/Electron 或 .NET 分析则无需额外安装。若需分析 Android APK，需自行准备 JADX 和 JDK；固件分析需安装 Binwalk。

5. 自然语言提问： 向已配置的 Agent 描述分析目标，例如“分析 Notes 应用的搜索功能如何工作，展示证据，并为我的项目实现类似功能”。Agent 会通过 MCP 协议调用 REA 在本地执行分析任务，返回带证据链的伪代码、调用链和功能逻辑说明。

6. 结果验证与迭代： 对 REA 返回的分析结果进行人工审查，确认证据链的完整性。若分析深度不足，可通过 CLI 工具直接调用 REA 的细粒度能力（如指定函数反编译、特定节区导出），或调整分析策略后重新执行。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于希望以最低学习成本实现“自然语言驱动逆向分析”的开发者，REA 是最合适的选择。它在目标类型覆盖、Agent 接入便捷性和端到端自动化方面具有明显优势，尤其适合需要同时分析多种类型软件（如 Electron 应用 + 原生模块 + APK）的复合场景。若只需对原生二进制进行深度逆向，且团队已熟悉 Ghidra，则 GhidraMCP 作为轻量级桥接方案更为直接。对于企业级安全研究团队，IDA Pro 搭配 MCP 桥接可提供更强大的反编译质量和调试能力，但需考虑商业授权成本。若追求极致的分析可控性且不依赖 AI Agent，传统 Ghidra 人工分析仍是可靠选择。

6. 编辑总结

REA 的出现为逆向工程领域带来了方法论层面的创新。传统逆向分析高度依赖人工经验，从加载二进制文件到定位关键函数、理解调用关系，每一步都需要专业知识和大量时间。REA 通过 MCP 协议将 AI Agent 的语义理解能力与成熟逆向引擎的底层能力结合，把这一过程压缩为自然语言对话，有效降低了逆向工程的专业门槛。

从技术实现角度看，REA 的多引擎调度架构具有较强的可扩展性——通过统一接口兼容 Ghidra、Hopper、IDA、JADX、JEB 等工具，避免了单一工具的能力局限。其对 15 种以上目标类型的覆盖在同类开源工具中较为罕见，尤其是将 Electron/JS 静态分析和网站被动观察纳入能力范围，填补了传统逆向工具在多类型现代应用分析上的空白。证据链机制的设计也值得肯定，每个结论附带可追溯的原始证据，在一定程度上抑制了 AI 模型在分析过程中可能产生的幻觉问题。

实用价值方面，REA 适用于多种实际场景：安全审计人员可快速评估闭源应用的安全状况；开发团队能够从竞品实现中提取功能逻辑并复用；维护团队可对失去源码的遗留系统进行技术还原。其本地化部署特性也契合企业对代码隐私的要求。

REA 的适用人群主要包括：希望借助 AI 提升逆向效率的安全工程师、需要分析第三方应用实现逻辑的软件开发者，以及涉及遗留系统迁移的技术决策者。对于专业逆向工程师而言，REA 可作为辅助工具加速初步分析，但深度手工逆向仍需依赖专业工具。

作为开源项目，REA 仍处于快速迭代期，其长远发展取决于社区贡献和生态建设。随着 AI 编程 Agent 的普及和 MCP 协议生态的成熟，类似 REA 的“AI + 专业工具”桥接范式有望成为软件分析与理解领域的重要方向。

7. 应用场景

• 竞品功能复现： 开发团队看中竞争对手应用中的某项功能（如离线搜索、数据同步机制），通过 REA 让 Agent 拆解目标功能的调用链和实现逻辑，获取带证据的伪代码，然后基于分析结果在自己的项目中实现功能等价的版本。该场景可显著缩短功能逆向和重实现周期。

• 无源码老软件抢救： 企业面临失去源码的遗留系统（老软件、老游戏、历史库文件）维护需求时，利用 REA 读取伪代码和汇编指令，让 Agent 还原关键算法和数据结构的实现方式，并将分析结果迁移到现代技术栈中重新构建，降低系统消亡风险。

• Electron/桌面应用安全审计： 安全团队使用 REA 对闭源桌面应用进行静态分析，快速梳理模块结构、路由定义、IPC 通信通道和 preload 脚本内容，评估是否存在敏感信息泄露、权限不当或可疑的通信行为，为安全决策提供依据。

• 遗留系统迁移评估： 在进行系统升级或技术栈替换时，使用 REA 对比软件两个版本的二进制差异生成变更报告，或分析 .NET/原生组件的依赖边界，明确哪些模块需要重写、哪些可以直接封装复用，辅助制定迁移计划和风险评估。

8. 常见问题FAQ

Q1：哪些 AI Agent 可以使用 REA？
A：任何支持本地 MCP server 的 AI 编程 Agent 均可接入。REA 的 setup 命令会自动配置已验证的 Agent（如 Claude Code、Codex、Cursor、Gemini CLI、Windsurf），其他 MCP 兼容客户端可参照文档手动注册 MCP server 使用。

Q2：是否必须安装 Hopper、Ghidra 或 IDA？
A：深度原生二进制分析（如 ELF、PE、Mach-O）需要上述工具中的至少一款。若仅进行静态 JavaScript/Electron 分析或 .NET 程序集检查，则不需要任何原生分析引擎。setup 命令可在获得用户批准后自动安装 Hopper；Ghidra 和 IDA 使用用户已有的安装。

Q3：分析前需要预先启动 Hopper 吗？
A：不需要。REA 会在需要时自动启动 Hopper。但在 macOS 上首次运行时，系统会弹出对话框要求选择演示模式或激活许可证，用户需要在同一会话中完成该提示，才能继续执行后续 CLI/MCP 操作。

Q4：REA 返回的分析结果是什么形式？
A：原生二进制分析返回伪代码和汇编指令；JavaScript/Electron 分析恢复模块结构及其依赖关系。所有分析结果均附带证据信息（如地址引用、调用链），Agent 基于这些发现来编写和测试目标功能的实现代码。

Q5：REA 会将目标软件上传到云端吗？
A：不会。REA 的全部分析过程在本地计算设备上完成，目标软件和代码不会上传至云端。只有用户配置的 AI Agent 会接收到工具返回的分析结果，模型提供商的数据处理政策由其各自平台的服务条款决定。

Q6：如何更新 REA 或排查使用中的问题？
A：CLI 用户可运行 rea update 命令更新版本；npx 用户重新执行 npx rea-agents@latest setup 并重启 Agent。若问题仍存在，建议在 GitHub 仓库提交 issue，并附上版本信息、目标文件类型、复现步骤和完整错误输出。

Q7：REA 能分析哪些特殊格式的目标？
A：除常见格式外，REA 还支持 WASM 文件（需自备 WABT 工具）、EVM 字节码（需 Linux x64 环境）、Go 二进制（内置静态 ELF/PE/thin Mach-O 检查）、Linux 崩溃记录（需 pwntools）以及 JEB 工程文件（需由调用方启动 JEB 客户端并配置 MCP 连接）。

9. 项目地址

• 项目官网：https://rea.tools/
• GitHub 仓库：https://github.com/morluto/rea