逆向工程这件事，工具链的成熟度远超大多数人的想象：Hopper、Ghidra、IDA Pro 三款反汇编器能把一个 stripped binary 拆成函数列表、控制流图和伪代码。但这条工具链有一个共同的缺口——它们都是给人用的。交互靠 GUI，操作靠鼠标点选，输出是屏幕上的一段高亮汇编。当编码智能体（Claude Code、Codex、Cursor 这类）想参与这项工作时，它面对的是一个它点不动的界面。
GitHub 上的 morluto/rea 项目（REA，Reverse Engineer Anything）试图补上这一层。它把三款反汇编器连同 JavaScript/Electron 应用分析、.NET 程序集检查、固件与 APK 静态分析打包成一套 MCP（Model Context Protocol）服务，公开了 126 个工具，让编码智能体通过统一的协议直接驱动这些引擎。项目采用 MIT 协议，npm 包 rea-agents 于 2026 年 7 月首发，目前迭代到 v4.1.0。10 月 6 日它冲上 GitHub Trending 全语言榜第 3 位，日增 star 数接近 3000，fork 数超过 1100。
三引擎，一个入口
REA 的核心架构问题只有一个：Hopper、Ghidra、IDA 是三套完全不同的软件，分别用 Python API、Java HeadlessScript、私有 MCP 三种方式暴露自己，怎么让一个智能体不用关心差异？
它的答案是三层路由。最上层是入口适配：CLI（rea 命令）和 MCP stdio server 共享同一套应用层工作流，智能体走 MCP，人走终端，能力完全一致。中间层是会话路由器：每个分析目标（一个 Mach-O、一个 ELF、一个 PE）在会话内做一次不可变的深度绑定，由 AnalysisProviderRegistry 按排序规则做确定性选择，官方明确写的是"no fallback"——引擎选择不静默降级，选不了就报错。最底层是三个 provider 适配器：
- Hopper provider：通过一个运行在 Hopper 进程内的 Python bridge（
hopper_bridge.py）和 Unix socket 协议通信，支持 demo 模式，安装脚本可以在用户批准后自动装 Hopper； - Ghidra provider：要求 Ghidra 12.1.4 加 64 位 JDK 21，bridge 以 HeadlessScript 形式打包，暴露 inventory、函数分析、反编译和引用查询，另外支持在会话数据库里做原子性的函数命名和注释编辑——可执行字节保持不动；
- IDA provider：复用上游
ida-pro-mcp的注册，支持 attached（GUI 现状只读分析）和 headless（自有数据库托管）两种模式。
这种设计让"用什么引擎"变成配置问题而不是代码问题。README 里的调查示例把一次功能追踪拆成六步：open_binary 打开并识别二进制，search_strings/search_procedures 找离线搜索相关的线索，find_xrefs_to_name/xrefs 把线索连到可执行代码，get_call_graph/procedure_callees 重建控制流，procedure_pseudo_code/batch_decompile 反编译相关例程——前五步由 REA 的工具完成，第六步（把学到的机制用 TypeScript 和 SQLite 实现进你的项目）交还给智能体自己的文件编辑和测试工具。
每条结论都带证据和"不知道"
REA 与"让 AI 猜"式工具的分界线在证据系统。工具返回带 artifact 标识、provider 来源、文件位置、置信度和局限性的结构化 Evidence，而非自由文本。分析在目标的一份临时副本上运行，会话关闭时清掉临时工程；结果明确标注"Ghidra 观察到了什么、没能解析什么"，反编译产出的是伪代码而非原始源码，文档里反复强调不会声称恢复原始源代码或自动克隆应用。
配套机制有两个值得展开。一是快照：rea analyze --snapshot app.json 把成功结果存为不可变分析文件，后续只有目标字节、操作、参数、引擎和设置全部匹配才复用，快照文件落盘为 owner-only 权限——这是把"分析结果"当成可版本管理的资产，而不是一次性的对话输出。二是开放问题追踪：调查中未解决的发现、相互矛盾的证据、待补的探针都作为 residual unknowns 记录，重建校验（reconstruction checks）的返回值是 pass/fail/unknown 三态，缺失证据不会被当成通过。六个引导式 MCP prompt（investigate_feature、compare_application_versions、verify_reconstruction、trace_crash、audit_residual_unknowns、prepare_bounded_process_capture）把这套流程固化成了可发现的工作流。
不只是二进制
二进制之外，REA 覆盖了几类常见的"没有源码"场景：
- JavaScript/Electron 应用：对目录或 ASAR 包做纯静态分析，不执行应用，恢复模块、imports、source maps、路由、IPC 通道和原生插件清单；Electron 侧可进一步做渲染进程观察与静态/运行时对账；
- 浏览器观察：通过 loopback CDP 连到已运行的 Chrome 系浏览器，八个被动工具检查页面结构、网络元数据、脚本证据和截图，不导航、不点击、不执行页面 JS，凭据和 cookie 不留存；
- .NET 程序集：静态读元数据和 CIL 指令、比对构建差异，不加载不运行程序集；
- 固件与 Android：Linux 固件区域检查用调用方自备的 Binwalk/Unblob；APK 静态分析用 headless JADX，不启动模拟器不执行 APK，涵盖 manifest 声明、类搜索、方法反编译和静态引用。
Mac 平台还有一组不启动 Hopper 的轻量工具：直接解码 Mach-O 的 Objective-C 类/元类记录、方法条目、ivar 偏移，以及简单 Swift conformance 和 vtable 描述符；编译过的 Assets.car、keyed archive、storyboard/nib 都能直接读出结构化内容。
安全边界与真实局限
把逆向工程交给 AI，第一个问题就是：我的应用会被传到哪个服务器？REA 的答案是本地运行——分析发生在受支持的本地主机上，不把目标上传到任何在线分析服务。浏览器观察和进程捕获都是显式声明目标和动作的受控操作，场景 JSON 里只允许出现密钥引用和环境变量名，不允许出现密钥值。
局限同样写在明面上。原生深度分析依赖三款商业或开源引擎的本地安装：Hopper 是独立商业软件（demo 模式有厂商限制），Ghidra 和 IDA 都是 bring-your-own。链式 fixup、外部绑定、认证指针、categories、泛型/弹性类表这些 Objective-C/Swift 元数据形态被明确列为不支持或部分覆盖。Windows 侧的 Ghidra 支持标注为实验性 P0：只覆盖本地 NTFS 上的非托管 x86-64 PE 应用，25 个只读操作，无修改权限。跨层特性追踪、去混淆、协议级行为推断都不在已验证范围内——文档对"静态观察到的东西不能推断运行时行为"反复划线。
对开发者意味着什么
对做安全研究的人，这基本是"AI 辅助逆向"工程化的一步：三引擎统一契约意味着工具链可以替换，证据系统意味着智能体的结论可以审计，快照意味着长调查可以断点续作。对应用开发者，它降低了"这个 App 的某个功能到底怎么实现的"这类参考性调查的成本——当然，法律边界（许可证、DRM、反编译条款）依然在每个使用者自己手上，REA 不会替你判断这个。
对智能体工具链生态，REA 代表了一个清晰的方向：GUI 软件的 AI 化不一定非要等厂商出官方 API，在引擎外面套一层协议适配器，把交互式操作翻译成带证据的原子查询，同样能把几十年的桌面工具接入智能体工作流。项目迭代速度很快（npm 两个月内发了 25 个版本中的大部分，提交记录里当天还有社区 PR 被合并）， Roadmap 里的下一步是 Binary Ninja、Rizin、LIEF 支持和 LLDB/Frida 运行时观察。
仓库地址：https://github.com/morluto/rea
来源：REA 官方 README 与 docs/ 目录（architecture.mermaid、native-investigation.md、mcp-prompts.md）、GitHub API、trendshift.io