REA：让 AI 智能体成为逆向工程专家，36,900 星

看到一个 App 的功能想抄到自己项目里，但对方没开源？现在你可以让 AI 智能体帮你把二进制拆了、读懂了、然后重新实现一遍。REA（Reverse Engineer Anything）是一个 MCP 服务器，把你的 AI 编码助手（Claude Code、Codex、Cursor 等）变成逆向工程工具链。36,900 星、5,300 fork、1,709 次提交——GitHub Trending 榜首，一天涨 15,000 星。

一个 MCP 覆盖从 JS 到固件的所有逆向场景

传统逆向工程的工具链是碎片化的：Ghidra 做静态分析、Hopper 做反汇编、JADX 解 Android APK、binwalk 拆固件、mitmproxy 抓网络包。每个工具有自己的 UI、自己的工作流、自己的学习曲线。REA 做的事情是：把这些工具全部包进一个 MCP 服务器里，让 AI 智能体统一调用。

支持的 11 种目标类型覆盖面很广：原生二进制（伪代码 + 汇编 + 字符串 + 符号）、JavaScript/Electron 应用（模块 + import + IPC + 原生插件）、.NET 程序集、网站（页面结构 + 脚本 + 网络观察）、Android APK、固件、EVM 字节码、Linux 崩溃记录、进程行为捕获、包和资源文件、保存的网络抓包（HAR）。你不需要事先知道目标是什么格式——告诉智能体”分析这个”，REA 会自动选对工具。

实际案例：从二进制里恢复 16 位 DOS 游戏的弹幕计算

REA 的 showcase 里有一个案例很能说明问题：TH04——一款 1995 年的 PC-98 DOS 弹幕射击游戏。研究者用 REA 检查了原始 16 位指令，恢复了固定角度和瞄准角度的计算逻辑，然后把重建的 C++ 代码和当年历史编译器的输出做了对比。另一个案例：DX-Ball 的音效声场计算——从 x86 指令里重建了从位置到声场的转换函数，通过了 3,205 个原始 x86 测试用例，完整复现了 63 个编译后的函数字节。

谁会用这个东西

最直接的场景是”竞品分析”——看到一个 App 的交互方式很好，想知道它底层怎么实现的。以前这需要逆向工程师花几天时间，现在你可以让 Claude Code 配合 REA 在几小时内给出分析结果和参考实现。CTF 选手、安全研究员、恶意软件分析师也是天然用户。

但更值得关注的是它代表的趋势：AI 智能体正在进入”需要深厚领域知识”的专业领域。逆向工程过去是少数人的手艺——要懂汇编、懂 ABI、懂编译器行为。现在 MCP 把这些工具标准化了，智能体可以通过自然语言驱动整个分析流程。这意味着逆向工程的门槛在急剧下降。对安全行业来说，这可能是双刃剑——攻击者和防御者同时获得了更强的分析能力。

一个细节值得注意：REA 的分析全部在本地运行，不上传目标文件。但你的 AI 智能体（比如 Claude Code）会把分析结果发送给模型提供商。所以”本地分析”不等于”数据不出门”——你的二进制分析结论会经过 LLM 提供商。这对企业安全来说是个需要评估的点。

核心观点：如果你在做竞品分析或安全研究，REA 是目前最完整的 AI 辅助逆向工程工具链——一条命令 `npx rea-agents setup` 就能让 Claude Code 开始拆二进制。但要注意：分析结论会经过 LLM 提供商，企业使用需要评估数据合规。