企业官网建设流程全解析

如何把 REA 逆向分析快速接入你的 AI Agent

【免费下载链接】reaReverse engineer anything with agents, from app behavior down to native binaries.项目地址: https://gitcode.com/GitHub_Trending/rea2/rea

REA 是一个逆向工程的 MCP 服务器和 CLI，把 Hopper、Ghidra、IDA 等本地分析引擎接入 AI Agent，供想调查二进制、JavaScript 应用和 .NET 程序集的开发者使用。最大差异点：每个结论都附带可追溯的证据，没查到的部分被明确记为未知项，而不是被省略。

🎯 场景：复刻一个交互，要绕多少弯路

假设你在某个桌面 App 里看到一个不错的交互（比如官方案例里 Notion 的剪贴板桥接），想在自家产品里复刻类似效果。传统流程是：自己打开反汇编器，从字符串和符号里找入口，逐个函数追交叉引用，耗时且依赖经验，而且做完之后"结论"往往没有任何支撑材料可以给别人复核。

REA 的用法是：你只需用一句话描述目标，例如"研究 Notes 应用的搜索是怎么工作的，展示证据，并在我的项目里实现类似功能"。Agent 会依次完成打开目标、检索线索、追踪引用、反编译关键函数这些步骤，最后给出行为解释和可以写进你项目的实现参考。

官方的调查链路分三步走：先恢复可读产物（伪代码、汇编、字符串、符号），再追踪代码路径直到能解释目标行为，最后在你自己的代码里重建实现并做校验。同一套 MCP 工具和 CLI 命令都对应这条主线，所以你可以让 Agent 全程代劳，也可以在终端里手动复现其中某一步。

🚀 最小上手路径：三条命令先拿到结果

前置条件只有一个：Node.js（22.x ≥ 22.19、24.x ≥ 24.11 或 26+）加 npm。

第一步，注册 Agent。运行下面这条命令，它会交互式列出支持接入的 Agent（Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等），先展示包含具体路径和文件变更的完整计划，你批准后才会写入，并自动备份现有配置：

npx rea-agents setup

完成后按提示重启对应 Agent 即可。

第二步，体检环境。下面这条命令检查宿主前置条件、各 Agent 的注册状态、已安装的工作流和可选的分析引擎；它严格只读，不修改任何配置：

npx -y rea-agents@latest doctor

只关心某一个引擎时可以加范围参数，例如rea doctor --provider ghidra --json。

第三步，零依赖验证。下面这条命令对一个已解包的 JavaScript/Electron 应用目录或 ASAR 做静态分析，返回模块图、导入关系、Electron 边界和对应的证据——不需要任何逆向引擎，也不需要运行目标应用。这是你能立刻拿到完整结果的一步：

npx -y rea-agents@latest analyze-javascript-application /绝对路径/到/app --json

长期使用可以全局安装rea-agents获得rea命令；完整命令集、参数和退出码见 CLI 指南。

📦 覆盖范围速查：你的目标需要什么引擎

完整清单还包括 Go 二进制、WASM 制品、EVM 字节码、已保存的网络抓包、Android 设备、Flutter 应用和进程行为观测等，各目标的具体宿主支持与前置条件在 安装文档 中逐项列出。

🏗️ 为什么这样设计

引擎可插拔。原生二进制的深度分析复用你机器上已有的 Hopper、Ghidra 或 IDA，setup 流程在你明确批准后还可以安装 Hopper；而 JavaScript 和 .NET 的静态分析完全不需要逆向引擎，直接读取你提供的文件。你的工具成本取决于目标类型，而不是被绑定在某一家反汇编器上。

工具契约按分析师任务统一。REA 的 MCP 工具按"动作 + 对象"命名（inspect、search、trace、compare、capture 这类任务形状），而不是包装某个引擎的内部 API。官方设计原则写明：公开名称和语义保持 provider 中立，每个引擎的实际覆盖范围单独报告。这就是 Agent 在 Ghidra 和 Hopper 之间切换时面对同一套语义的原因，具体规则见 工具设计文档。

通信走本地私有通道。REA 没有托管分析服务，各 provider 都在本地完成工件分析和行为捕获，与 Hopper、Ghidra 之间通过本地私有 socket 通信。官方 FAQ 对"REA 会不会上传我的 App"的回答是：分析在本地完成，目标文件不上传云端。

📎 证据机制：结论能被追问到什么程度

普通"让 AI 读代码"的方案输出一个自洽的答案；REA 输出的是一份证据记录。每条 Evidence 至少包含四层信息：观测事实（实际看到的指令、字符串、元数据、文件偏移）、工件与引擎身份（分析的是哪个文件的哪个版本、用哪个引擎的哪个版本）、置信度与限制（结论的可信程度和适用边界）、未知项（明确列出没查到的部分）。

其中最关键的原则是：缺失的证据算"未知"，不算"空"，也不算"否定"。官方契约原文是 missing coverage is unknown, not absence，未解析的引用边就保留为未解析边。重建校验只报告通过、失败、未知三种状态，"没验证到"永远不会被聚合记成"通过"。

落到使用体验上：当 Agent 给出一个逆向结论时，你可以追问"证据在哪"，它真的能指给你看；不同函数、不同版本的证据记录遵循同一结构，可以直接交给对比工具做差异分析。完整定义见 MCP 契约。

⚖️ 边界与适用判断：什么人该选、谁不该选

官方声明的边界有四点，选型前值得逐条过一遍。

• 不承诺恢复原始源码。返回的是伪代码、汇编和模块关系，价值在于"结论如何得出"的过程可复核，把它当自动还原源码的工具会失望。
• 数据本地，但模型侧另有政策。目标文件不上传任何云端，不过 Agent 收到的工具结果会进入你使用的模型服务商，其数据政策需要单独评估。
• 运行时能力有真实副作用。静态分析只读文件；浏览器观察、进程捕获这类功能会以你的用户权限运行或交互目标，各自的运行时指南写明了影响范围。
• 失败显式报错，不静默降级。引擎不可用时按原始原因返回，你可以用rea doctor诊断，而不会被悄悄换到另一个引擎给你一份"看起来能用"的结果。

适合你：一次性、隐私敏感的目标（未发布产品、内部工具、安全研究），手边已有 Hopper / Ghidra / IDA 之一，且希望把调查链路交给 Agent 并保留证据。不适合你：期待一键还原原始源码，或希望分析结果不经过任何模型服务商的场景。

命令全集与参数见 CLI 指南，Agent 注册、引擎配置与诊断范围见 安装文档；README 里的 Showcases 一节还有 Notion 剪贴板桥接追踪、DX-Ball 声像重建（通过 3,205 个原始 x86 用例）等完整案例，可以参考重建的深度和代价。

【免费下载链接】reaReverse engineer anything with agents, from app behavior down to native binaries.项目地址: https://gitcode.com/GitHub_Trending/rea2/rea