REA 30 万 Star 背后：让 AI Agent 无源码读懂软件的 MCP 逆向工具链

blackappleD
14 阅读10分钟

10 月初，GitHub 上一个叫 REA（Reverse Engineer Anything）的仓库连着几天排在 Trending 第一。到 10 月 18 日，GitHub API 显示 morluto/rea 有 308,201 个 Star、77,992 个 Fork，npm 包 rea-agents 在 10-10 到 10-16 这一周下载了 30.7 万次。它做的事情是把 Ghidra、Hopper、IDA、JADX 这些逆向工具封装成 MCP 工具交给 AI 编程 Agent，让 Agent 在没有源码的情况下弄懂软件里某个功能是怎么实现的。

常见的误解是把它当成"AI 反编译器"，或者以为装上就能整包克隆 App。下面按官方仓库和几份第三方测试，讲它的设计、实际效果和边界。

数据以 2026 年 10 月 18 日能查到的信息为准。文中命令按官方文档整理，本文未实测。

一、它是什么

项目内容
名称REA，Reverse Engineer Anything，官网 rea.tools
仓库morluto/rea，MIT 许可证，TypeScript
时间线仓库 2026-04-14 创建；npm 首个版本 2026-07-12；4.0.0 于 10-05、5.0.0 于 10-07 发布，随后冲上 Trending；当前最新 6.5.0（10-14）
形态本地 MCP 服务器 + CLI，外加一份给 Agent 的工作流说明（skill）
支持的 Agentsetup 直接支持 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等；其他支持本地 MCP 的客户端可手动注册
分析对象原生二进制、JavaScript/Electron、网站和抓包、.NET 程序集、Android APK、固件、WASM、EVM 字节码等
运行环境Node.js 22.19+、24.11+ 或 26+；Ghidra、IDA 要自己装，Hopper 可由 setup 经确认后安装
价格REA 免费开源；IDA、Hopper、JEB 等商业工具要自己合法购买，模型调用照常计费

几个热度数据：

  • HN 上 10 月 10 日的帖子目前 808 分、339 条评论（HN Algolia）；作者 7 月 14 日的 Show HN 只有 3 分。
  • 第三方调研仓库 ringozzt/rea-research 记录的是：10 月 11 日约 7.9 万 Star，10 月 15 日约 24.7 万。这组数我只能核实到今天的终点值。
  • 7 月到 10 月发了 30 多个版本，仅 10 月 5 日到 14 日就有 10 个，好几个带破坏性变更，比如 6.0.0 起 MCP 的文件路径参数必须是绝对路径。用之前先看 release notes。

二、原理和架构：它是接口层，不是新的反编译器

2.1 REA 自己不反编译

REA 仓库里没有新的反编译引擎，干活的还是老牌工具：

            你的 Agent（Claude Code / Codex / Cursor ...）
                 │  通过 MCP 调用（也可以走 CLI）
                 ▼
        ┌─────────────────────────────┐
        │           REA               │
        │  统一的工具契约 + 证据记录   │
        └─────────────────────────────┘
          │        │         │        │
          ▼        ▼         ▼        ▼
   Ghidra/IDA   JADX/     Chrome    Binwalk/
   /Hopper      Apktool   DevTools  TShark ...
   （原生）     （安卓）  （网页/   （固件/
                          Electron）  抓包）

官方架构图分为入口（MCP 服务器和 CLI）、应用层（会话、证据账本）、各工具的 provider 适配层和管理子进程的进程层。IDA 部分对接开源的 ida-pro-mcp。官网的分工说明很直白：REA 提供指令、反编译代码和调用关系，判断走哪个分支、算了什么、怎么重建，归 Agent。

2.2 为什么这样设计

逆向难的往往不在反编译这一步：

  1. 工具各自为战。 分析 Electron 应用要先解 asar、看 JS 模块、顺着 IPC 找 main 进程，再进原生 .node 插件用 Ghidra 看，每步换一个工具。
  2. Agent 直接调这些工具很别扭。 Ghidra headless 启动慢、输出大，Agent 用 shell 硬调容易超时，或者被输出淹没。
  3. 结论没法复核。 Agent 说"这个按钮最后调用了某个函数"，你不知道它是真看到了还是猜的。

REA 用 provider 适配层把十几种工具收进一套 MCP 接口；用会话管理处理启动和资源，比如 Ghidra 会话用独立的临时项目、限制 CPU 和内存、结束后删除，启动超时可以用 REA_GHIDRA_STARTUP_TIMEOUT_MS 调；第三点靠的是证据契约，我觉得这是它最值得看的设计。

2.3 证据契约

README 说每条结论都附带证据和局限说明。据第三方调研整理，每次工具调用返回结果、一个 evidence_id 和完整证据记录，分开写明观察到的、推断的和未知的部分。kingy.ai 的测试输出对得上：追踪一个导出功能时，结果列了 31 条观察事实、42 条推断事实，更大范围的语义图里还剩 44 个 unknown（25 个动态调用、19 个歧义目标）。

逆向结论最怕"看起来很对"。有了证据记录，Agent 的解释能一条条追溯回去，人至少可以抽查。

代价是输出很大：kingy.ai 测试里 1,648 字节源码对应约 907 KB JSON；GitTested 测试中 22 MB 的 Electron 归档生成了 692 MB 产物，只能改用摘要视图或写入文件。

2.4 粒度：一次讲清一个功能

官网的 Windows 计算器案例（REA 4.1.0）从汇编里找到乘、除两个命令 ID 的比较和常量 0x64（100），还原出 % 键的规则：乘除之后表示 current/100，加减之后表示 current×previous/100，所以 200+10% 等于 220。官方称结论和微软公开的计算器源码、测试用例一致。它做的是解释单个功能，没有把整个程序还原成源码。

三、对比

3.1 和其他方案比

方案形态覆盖范围上下文开销特点
传统人工逆向专家 + IDA/Ghidra GUI取决于人无最可靠，但慢、门槛高
GhidraMCP / ida-pro-mcp单引擎 MCP原生二进制中2025 年 3 月就有，Agent 接反编译器不是 REA 首创
leanrea约 8 KB 的 skill，不用 MCPAgent 直接用原生 CLI小作者称同样任务更快更省
不加工具Agent 自己用 shell看模型能力最小小程序上已经很强
REAMCP + CLI + skill原生、JS、安卓、网页、固件等大覆盖最广，一键安装，带证据记录

GhidraMCP 和 ida-pro-mcp 的仓库分别创建于 2025-03-23 和 2025-03-25（GitHub API）。REA 的新意在覆盖面、安装体验和证据模型。

3.2 第三方测试

热度说明不了效果。目前能找到的独立测试，结论都比较克制。

GitTested（10 月 10 日）：REA 6.2.0，Claude Code 2.1.295，claude-sonnet-5-5 medium effort，测 4 个去符号的小二进制（最大 264 KB）和 3 个 Electron 应用，每题按真实源码预先写 5 个事实点打分。

原生题指标只用 shell 工具要求用 REA自由选择
清单得分74/7573/7571/75
重写的函数全部输入一致5/55/54/5
中位 token94,663233,951119,869
中位时长54.5 s63 s48 s

Electron 部分用不用 REA 都是 57/60。评测方的结论是 "adopt-with-care"：反编译结果可读，但小程序上普通工具已接近满分，REA 主要多花了 token（约 2.5 倍，算上缓存读取折扣，成本约 1.5 倍）。REA 给 Agent 加了 139 个工具，会话起始上下文从约 5,000 token 涨到约 11,000。

leanrea 作者的对比（竞品自测）：Claude Code 无头模式 + Sonnet 5.5，4 个任务各跑 3 次。REA 组 75/75、627 秒、3.36；leanrea组74/75、388秒、3.36；leanrea 组 74/75、388 秒、2.17，作者据此称"快 38%、省 35%"。他也承认样本只有 3 次、测试机没装 Ghidra。数据来自竞品作者，看个方向即可。

kingy.ai（10 月 8 日，10 月 17 日更新）：用 REA 6.0.0 只走 CLI，分析官方的 Electron 笔记导出示例，追踪出从按钮点击到写出 notes.csv 的完整路径，再另写一个 CSV 格式化器，14 个用例和原版逐字节一致。作者说明这不能证明它在不透明的二进制上同样准确，也不代表能整包克隆。

放在一起看：准确率上 REA 没有明显优势，成本明显更高。它的价值应该在大而杂的目标上，比如跨 JS、IPC、原生插件的 Electron 应用，或者需要 Ghidra 又不想手动折腾的场景，而这类目标恰好还没有像样的公开测试。

四、适用场景和局限

4.1 适合的场景

  • 分析自己的或已获授权的软件：接手没有源码的遗留二进制，弄清某个算法，再用新技术栈重写。
  • 互操作：搞清某个文件格式、本地协议或导出格式，让自己的工具能读写。
  • 安全研究：恶意样本分析、漏洞研究、CTF，这些都在 DISCLAIMER.md 列出的正当用途里。

接入方式（按官方文档，本文未实测）：

# 交互式安装：选择要接入的 Agent，确认计划后才写配置
npx rea-agents@latest setup

# 只看计划不落地：只配 Codex 和 Cursor，不装 skill
rea setup --client codex --client cursor --skill=false --dry-run

# 健康检查
rea doctor --json

也可以只用 CLI：

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

4.2 局限

  • 不恢复源码，不整包克隆。 产出是"某个功能怎么工作"的证据和解释，重建靠 Agent 逐个功能写。
  • 加壳、混淆、反调试仍是硬边界，目前公开的成功案例，目标基本没有混淆。静态关系也证明不了代码在运行时一定会执行到。
  • 平台差异：Windows 下的 Ghidra 支持官方标为实验性。
  • 不是沙箱。 SECURITY.md 原话是 "This is not a sandbox"。打开不可信的二进制，等于让本地反编译器用你的用户权限去解析它，分析恶意样本请放进虚拟机。
  • 本地分析不等于数据不出本机。 结果会交给 Agent，再发给模型服务商。分析公司内部软件前先确认数据政策。

4.3 法律和协议风险

DISCLAIMER.md 明确不支持：绕过 DRM、授权校验和反作弊，开发外挂，复制专有软件的受保护代码和素材，规避 AI 服务商的使用政策。它还写了，软件能公开下载、文件在你手上，不等于你有权做任何操作。

  • 很多商业软件的用户协议禁止反向工程，各地法律对"为互操作而逆向"的例外也不同，商用前请咨询法务。
  • 逆向得到的类源码输出不给你任何权利，分析报告也一样。
  • 看过原始实现再重写，算不上 clean-room，kingy.ai 的测试也特别说明了这一点。
  • IDA、Hopper、JEB 要用正版，REA 明确不认可破解版和盗用的授权。

五、我的判断

  1. REA 火，主要因为门槛降到了"一句 npx"。 以前要会装 Ghidra、会看伪代码，现在一句提示词就能让 Agent 开工。30 万 Star 里大部分应该是想试试的人。
  2. 最有价值的是证据契约，不是工具数量。 能把 Agent 的结论追溯到具体函数和指令，比多接一个反编译器重要。写 Agent 工具的人可以借鉴。
  3. 对熟手来说，它目前是省事，谈不上更准。 两份测试里，小目标上它和裸 Agent 准确率差不多，成本更高。熟悉命令行的人用 leanrea 这类轻方案可能更划算。
  4. 逆向的成本在快速变低。 以前保护实现细节，很大程度上靠"读懂太费劲"。客户端里的逻辑应当默认会被看懂，密钥、授权判断和核心算法该放服务端的就放服务端。
  5. 还缺大目标上的公开测试。 现有案例都是小程序。在那之前，可以先拿官方示例（恐龙游戏、计算器、Notes 导出）练手，再在自己有权分析的软件上试。

参考资料

avatar
文章
阅读
粉丝