让 Agent 逆向任何东西：REA 把二进制分析变成 MCP 调用
你看到一个 App 里有这样的功能：鼠标悬停在某个按钮上，整个界面会平滑地缩放，但只缩放可视区域，不影响侧边栏。你想在自己的产品里复刻这个效果，但没有源码，没有文档，开发者也不回邮件。
目录
让 Agent 逆向任何东西：REA 把二进制分析变成 MCP 调用
项目：morluto/rea · 2963 stars/day · TypeScript
一个不可能的请求
你看到一个 App 里有这样的功能：鼠标悬停在某个按钮上，整个界面会平滑地缩放，但只缩放可视区域，不影响侧边栏。你想在自己的产品里复刻这个效果，但没有源码，没有文档，开发者也不回邮件。
传统做法：找一个逆向工程师，用 Hopper 或 Ghidra 打开二进制文件，花三天找到相关函数，再花三天理解调用链，最后写一份报告告诉你"它在 offset 0x4a3c 处调用了某个 Core Animation 的私有 API"。
REA 给出的路径不一样。你打开 Claude Code，说一句"investigate this app's hover zoom feature"。你的 agent 连接到 REA 的 MCP 工具，自己决定先静态分析 JavaScript 入口、再动态检查 native 调用链、最后交叉验证证据。几分钟后，你拿到一份包含证据链和局限性说明的报告。
2963 颗星，一天。 这个数字说明一件事：把逆向工程从专家手里拿走，塞进 agent 的工具箱，是一个被压抑了太久的需求。
REA 是什么
全称 Reverse Engineer Anything。一个 MCP 服务器，把逆向工程工具暴露成 agent 可调用的接口。
它覆盖四个层面：
| 层面 | 工具 | 能做什么 |
|---|---|---|
| Native 二进制 | Hopper / Ghidra / IDA | 反汇编、函数识别、调用图恢复 |
| JavaScript / Electron | 内置静态分析 | 从 ASAR 包恢复源码、追踪模块依赖 |
| .NET 程序集 | 内置 | 反编译 IL 代码、提取类型信息 |
| 网站 | 内置 | DOM 结构分析、网络请求追踪 |
为什么 agent 适合做逆向
逆向工程的核心难点不是工具不够多——Hopper 和 Ghidra 已经很强大了。难点是决策疲劳。
一个典型的二进制分析流程：
1. 打开文件，看到 10 万个函数 2. 搜索关键词，找到 200 个候选 3. 逐个检查调用图，排除 180 个 4. 对剩下的 20 个做动态分析 5. 交叉验证结果，排除矛盾 6. 写报告
每一步都需要判断："这个函数值得深入吗？""这条调用链是关键路径吗？""这个字符串引用是线索还是噪音？"人类逆向工程师靠经验做这些判断，而经验本质上是模式匹配——这恰好是 LLM 最擅长的事。
REA 的做法不是让 agent 替代 Hopper，而是让 agent 驱动 Hopper。agent 决定分析策略（先看 JavaScript 入口还是先看 native 调用链），调用 Hopper 的 API 执行具体分析，然后解读结果、调整策略、继续深入。这和 agent 驱动浏览器（browser-use）、agent 驱动终端（Claude Code）是同一个模式——agent 作为编排层，专业工具作为执行层。
调查模型：不是工具堆叠，是方法论
REA 最有意思的设计不是工具集合，而是它的 investigation model。安装时，REA 会给 agent 注入一套工作流指令（skill），定义了逆向分析的标准化流程：
- 假设驱动：先提出假设（"这个功能可能用了某个私有 API"），再找证据验证
- 证据链：每条结论必须附带证据来源（函数地址、调用链、字符串引用）
- 局限性标注：明确标注"我不知道什么"——哪些函数没分析、哪些路径没覆盖
- 交叉验证：多个工具的结果互相印证，矛盾时标注而非忽略
这让我想到一个更大的模式：skill 作为方法论的载体。传统的工具调用是"agent 决定做什么"，而 skill 注入是"agent 学会怎么思考"。REA 的 investigation model 是一个具体例子——它把逆向工程师的思维模式编码成了一套可执行的指令。
MCP 作为逆向工程的统一接口
REA 是一个 MCP 服务器。这意味着任何支持 MCP 的 agent 都能用它——Claude Code、Codex、Cursor、Gemini CLI、Windsurf、Devin、OpenCode、Antigravity、GitHub Copilot CLI、VS Code。
这看起来只是兼容性列表，但实际意义更大。MCP 正在成为 agent 生态的"通用插头"。每个专业领域（逆向工程、数据库查询、文件系统操作、API 调用）都实现一个 MCP 服务器，任何 agent 都能即插即用。
类比一下：USB 之前，每个外设都有自己的接口——串口、并口、PS/2、SCSI。USB 之后，所有外设统一成一个接口。MCP 之于 agent，就像 USB 之于硬件——标准化接口的价值不在于接口本身，而在于它释放的组合可能性。
REA 证明了这一点：一个逆向工程工具，因为走了 MCP 协议，立刻被十几个 agent 生态接入。如果没有 MCP，作者需要为每个 agent 写专门的集成——这个工作量足以让大多数跨领域工具放弃兼容。
静态 JavaScript 分析：零依赖的切入点
REA 有一个设计选择值得注意：静态 JavaScript 分析不需要任何引擎（不需要 Hopper、Ghidra 或 IDA）。
为什么？因为 JavaScript / Electron 应用的源码本质上就是文本。ASAR 包只是把文件打包在一起，没有编译成二进制。REA 可以直接解包、解析 AST、追踪模块依赖、恢复函数调用图——全部用 Node.js 做完。
这不是技术细节，是策略选择。REA 把逆向工程的门槛分成了两层：
- 第一层（JavaScript / Electron / 网站）：零依赖，装上就能用。覆盖了大量现代桌面应用（VS Code、Slack、Discord 都是 Electron）和所有网站。
- 第二层（Native 二进制）：需要 Hopper 或 Ghidra。覆盖了需要深度分析的场景。
证据和局限性：信任的基石
REA 的每个分析结果都包含两部分：Evidence（证据）和 Limitations（局限性）。
- 证据：函数地址、调用链、字符串引用、控制流图
- 局限性：哪些函数没分析、哪些路径没覆盖、哪些结论是推断而非确证
_CAViewSetScale，该函数在 Core Animation 私有头文件中存在，调用链经过 -[AppWindow mouseMoved:] → -[AppWindow handleHover:] → _CAViewSetScale"——你可以自己验证。局限性标注更重要。agent 主动告诉你"我没分析到这个函数的返回值"或"这个调用链基于字符串匹配，可能有误报"，这比假装全知全能要可信得多。承认无知是信任的前提——这个道理对人类成立，对 agent 也成立。
这意味着什么
REA 代表的趋势不只是"逆向工程自动化"。更深层的变化是：专业工具正在从"专家直接操作"变成"agent 编排调用"。
Hopper 和 Ghidra 不会消失——它们仍然是最好的二进制分析引擎。但操作它们的"人"变了。以前是逆向工程师手动操作，现在是 agent 自动编排，人类审查结论和证据。
这个转变和之前发生的事很像：数据库不会消失，但操作数据库的从 DBA 变成了 agent 调用 SQL；浏览器不会消失，但操作浏览器的从人类变成了 browser-use。工具不变，操作者变了——这是 agent 时代的一个核心模式。
REA 把这个模式带到了逆向工程领域。2963 颗星说明这个需求一直存在，只是之前没有合适的接口让 agent 介入。MCP 提供了接口，REA 填充了内容。
下一步值得关注的不是 REA 本身能做多少事，而是当 agent 能自主逆向分析时，软件保护的博弈会怎么变化。如果任何 agent 都能拆解你的二进制、理解你的实现、复刻你的功能，"通过闭源保护知识产权"这个策略还剩多少价值？这个问题，REA 没有回答，但它让这个问题变得紧迫了。