第 5 期 · 2026-11-05
morluto/rea — 让 AI agent 帮你把任何软件逆向到底
第 5 期看点:给 AI agent 配了一套逆向工程工具箱——不用源码,也能让 agent 从“这个功能长什么样”一路追到“它在二进制里是怎么实现的”。
一句话定位
morluto/rea(简称 REA,Reverse Engineer Anything)是一个面向 AI agent 的逆向工程工具包:一个 MCP 服务器加一个同名 CLI。它解决的问题很具体:你在一个 App 里看到一个喜欢的功能,想知道它怎么实现、能不能复刻到自己的项目里——REA 让 agent 直接去“看”那个应用:没有源码也能 inspect,从界面行为、网络请求、JS 模块一路追到原生二进制的伪代码、汇编与调用关系,并把每条结论连同证据交回来。分析全程在本地运行。
源码结构
克隆下来实测(git clone --depth 1,约 123MB),仓库共 7,156 个 tracked 文件:
src/(3,580 个文件):核心实现。非测试 TypeScript 文件 2,430 个、约 57.2 万行;测试文件约 38.7 万行——测试代码量接近实现代码的七成,说明这是一个把“结论可验证”做到工程流程里的项目。按目标域分目录:ghidra、hopper、ida、kuna、jeb、cutter、rizin、frida、gdb(原生与动态分析);android、adb、apktool(安卓);electron、javascript、browser、captures、pcap(应用与网络观测);dotnet、evm、wasm、sqlite、go、rust、gpu、erlang、flutter、il2cpp、firmware(格式解析)。src/server/(117 个文件):MCP 服务器本体,其中 73 个 register*Tools 文件按目标域注册工具,从这些注册文件里抽到的工具名约 117 个——这就是 agent 能调用的工具箱规模。src/cli.ts与src/cli/:终端入口,48 组命令注册;CLI 与 MCP 共用同一套工作流实现。bridge/(36 个文件):跨语言桥接层——Ghidra 的 Java 插件(ReaGhidraBridge.java 等 11 个文件)、Cutter 的 Python 桥 rea_bridge.py、JADX 的 Java 桥、macOS 原生 UI 与进程的 Swift 桥、mitmproxy 的 capture.py。docs/:101 篇文档,约 9.5MB;README 本体 482 行,顶部提供 20 多种语言版本链接。website/:官网 rea.tools 的源码;根目录还有 install.sh、AGENTS.md、DISCLAIMER.md、SECURITY.md 等治理文件。scripts/rea.mjs:npm 包的 bin 入口(rea 与 rea-agents 两个命令),包名 rea-agents,当前版本 6.8.0。
架构图
flowchart TD
A[Agent 或终端用户] --> B[入口层 CLI 与 MCP 服务器]
B --> C[编排层 会话与调查工作流]
C --> D[工具注册层 按目标域注册]
D --> E[领域层 Evidence 证据模型]
E --> F[Provider 层 各目标分析器]
F --> G[桥接层 Ghidra Hopper IDA JADX]
F --> H[内置静态解析 Go Rust IL2CPP GPU]
F --> I[运行时观测 浏览器 ADB Frida GDB]
G --> J[目标应用或二进制]
H --> J
I --> J
分层设计说明
按实际代码可以分成七层,每层只负责一件事:
- 入口层:两种入口同一套实现。CLI(scripts/rea.mjs → src/cli.ts)与 MCP 服务器(stdio,
--http时走 streamable HTTP)共享命令注册与工作流;setup 命令负责把 MCP 服务器与配套工作流说明写入 agent 配置,改动前先备份现有配置。 - 编排层:composition/ 与调查流程相关代码负责会话、调查流程与派生操作,例如从网络抓包或浏览器场景构建本地 agent 环境,再对派生环境做“证据门控的写操作”(6.8.0 的新能力)。
- 工具注册层:73 个 register*Tools 文件按目标域拆分,工具名如 inspect_android_method、analyze_function、compare_bundles、decode_signal_recording,命名就是“动词 + 对象”,agent 选工具时基本不用猜。
- 领域层:domain/ 放证据模型(evidence.ts)与分析视图等核心概念;所有工具的返回都要先过这一层的 schema 校验(zod strictObject),再交给 MCP 编码与预算控制(输入、输出 schema 都有 compact 档位)。
- Provider 层:每个目标域一个目录,负责把“查什么”翻译成“怎么查”。
- 桥接层与内置解析:两条路线并行——重型引擎(Hopper、Ghidra、IDA、Kuna、JADX、JEB、Cutter)走 bridge 里的官方插件或脚本调用;轻量格式(Go、Rust、IL2CPP、GPU code object、PE 证书、ELF notes、BEAM、WASM、EVM、SQLite、Godot PCK、PyInstaller)用 TypeScript 原生解析,零外部依赖。
- 运行时观测层:browser(Chrome 系浏览器)、adb(真机或模拟器)、frida/gdb(动态插桩与调试)、captures/pcap(网络抓包)负责“跑起来看行为”,补静态分析看不到的动态部分。
技术亮点
亮点一:Evidence 证据模型——结论必须自带证据与局限。 证据记录(src/domain/evidence.ts)用 zod 严格定义:provider 身份(id、name、version)、分析对象(名称 + sha256 摘要 + 本地路径)、来源位置、结论与“局限”字段。也就是说 agent 拿到的不是一句“登录逻辑在某某函数”,而是一条可追溯、可复核的证据链;查不到、推断不确定时,局限字段会明说,而不是编一个确定性的答案。6.8.0 还把 analyze_function 的默认输出改成了 retained summary(摘要),要完整档案需显式传 detail:"complete"——在“给全证据”和“省上下文”之间做了显式取舍。代价:证据记录本身很重,工具返回要过预算控制与溢出投影,客户端实现必须按它的分帧规则解析,不能当普通 JSON 随便读。
亮点二:不重造反编译器,做“引擎的编排者”。 原生分析最难的部分(反编译、反汇编)直接交给 Hopper、Ghidra、IDA、Kuna;Android 交给 JADX、JEB;REA 自己只做统一入口、会话管理与证据归一。实测 bridge 目录就是证据:Ghidra 插件 11 个 Java 文件(含 MIPS 软浮点、RISC-V 调用约定、16 位 DOS 等专门处理),Cutter、JADX 各有专用桥。好处是复用了各引擎多年打磨的准确度;代价也写在 README 里:REA 不安装也不更新这些引擎,Hopper、Ghidra、IDA、Kuna 要用户自备,objdump、Rizin 同样 caller-supplied——装机门槛是这个项目最大的使用成本。
亮点三:内置静态解析覆盖了一长串“冷门但常遇到”的格式。 README 的“What you can analyze”表列了约 35 种目标,其中 Go 二进制(内嵌编译器版本与模块)、Rust 二进制(cargo-auditable 依赖边)、Unity IL2CPP 元数据(版本 24、27、29、31、39)、GPU code object(CUDA/HIP 内核参数与 PTX 文本)、PE 证书、ELF notes、Erlang BEAM、Godot PCK、PyInstaller 打包体等,全部是 TypeScript 原生解析,不需要装 Go、Unity 或任何外部工具。边界同样清楚:静态解析只能回答“文件里有什么”,应用跑起来的行为(IPC、网络、动态加载)必须走运行时观测层,两层结论的证据等级不一样,不能混着用。
值得参考的设计或实现
- “一份实现、两个入口”:CLI 的 48 组命令注册与 MCP 的 73 个工具注册文件共用同一套工作流,新能力只要实现一次就同时出现在终端与 agent 里。做开发者工具时,这个模式比“CLI 与 API 各写一套”省一半维护量。
- 把“省上下文”做成可配置项:MCP 输入 schema 默认 compact 档,环境变量 REA_MCP_INPUT_SCHEMA_PROFILE=full 才给完整字段说明;输出 schema 也有 compact、off 两档。上下文预算不是一句口号,而是三个显式档位,客户端按自己的 frame 上限选。
- 安全边界写进流程而不是口号:静态检查只读文件、不运行目标;运行时观测有进程归属检查(Linux 要求 procps 的 ps)、会话准入与资源约束;setup 改 agent 配置前先备份。README 还用 IMPORTANT 横幅提醒只从官方源(morluto/rea、rea.tools、npm rea-agents)获取,防同名仿冒仓库。
- 文档规模本身就是护城河:101 篇 docs、20 多种语言的 README、官网与 showcase——一个 2026 年 4 月才创建的项目能在半年多冲到 43 万 star,除了踩中 agent 浪潮,文档与案例的完整度是重要原因。
适合谁
- 安全研究员、逆向爱好者:想系统地看一个 App 或二进制到底做了什么,且希望结论有证据链而不是模型猜测。
- 产品与客户端工程师:看到竞品功能想复刻,想从行为追到实现再落到自己项目。
- 用 agent 做代码考古、遗产系统分析的人:把“读不懂的老系统”交给 agent + REA 做结构化调查。
- 不适合只想“一键破解、绕过授权”的人:项目自带 DISCLAIMER 与 SECURITY 文档,分析在本地运行、结论带局限,定位是理解与复刻,不是绕过保护。
怎么上手
- 环境:Node.js 22.23.4+、24.22.1+ 或 26.12.1+(23 与 25 不支持),加 npm。
- 一条命令:
npx rea-agents setup,按提示选 agent(Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等),它会把 MCP 服务器与配套工作流说明写进 agent 配置并备份旧配置;重启 agent 后直接问,例如“搞清楚 Notes 应用的搜索是怎么实现的,给出证据,再给我的项目做一个类似功能”。 - 终端直接用:rea 命令与 MCP 共用同一套工作流,不用 agent 也能跑。
- 原生二进制分析需自备 Hopper、Ghidra、IDA 或 Kuna 之一;纯 JS、Electron 静态分析不需要任何原生引擎;Android 分析需要 headless JADX 与完整 JDK。
数据卡
- 仓库:morluto/rea
- Star:430,794(Atlas 快照 409,662,三天涨了约 2.1 万)
- Fork:107,068
- 主要语言:TypeScript
- 许可证:MIT
- Atlas 分类:Skills;领域:软件开发
- 创建时间:2026-04-14
- 最近更新:2026-11-04(GitHub 实时数据,查询于 2026-11-05)
- npm 包:rea-agents 6.8.0(2026-10-25 发布)
- 实测体量:克隆约 123MB,7,156 个 tracked 文件;src 非测试 TypeScript 2,430 个文件约 57.2 万行,测试约 38.7 万行;bridge 36 个文件;docs 101 篇
- 未解决 Issue:1,638 个;官网:https://rea.tools