REA：让 AI Agent 学会「逆向」，并把证据一并带回来

图：REA 的二进制分析结果示例

产品经理看到竞品 App 里一个很顺手的交互，想在自己的产品里复现。传统的做法是：找资深逆向工程师，用 Hopper 打开二进制，啃汇编，逆出协议，然后手写一份文档交付给开发。整个流程以周为单位计，费用以万计。

REA 想做的是把这条链路压成一句话：

"Understand how search works in the Notes app, show me the evidence, and build a similar feature for my project."

一个 MCP，逆向一切

REA 的定位是面向 AI Agent 的逆向工程 MCP 服务器——对外只暴露一个标准协议接口，内部把逆向能力拆成一组可组合的分析动作。

它能处理的对象覆盖面很宽：

• 原生二进制：通过 Hopper、Ghidra、IDA 等引擎做静态分析
• JavaScript / Electron 应用：静态分析不需要任何原生引擎，装完就能用
• .NET 程序集
• 网站与浏览器行为
• 移动端：APK 签名、APKTool 资源分析、Android 分析
• 固件与嵌入式：devicetree、固件分析
• 特殊目标：EVM 字节码、Erlang/Elixir BEAM、Flutter 应用、Electron fuses

docs/ 目录按分析对象分成了几十篇独立文档，每一篇都是一份完整的操作指南。这个组织方式本身就说明了它的能力边界——不是「能分析点东西」，而是「每个目标类型都有专精路径」。

证据链是这个项目的灵魂

REA 输出的每个结论都附带两样东西：支撑它的证据和这次分析的局限。

这一点比听起来更重要。AI 助手最典型的失败模式是给出听起来合理但无法追溯的答案——它说「这个 App 用的是 AES-128 加密」，你无法判断这是它真读出来的，还是它猜的。REA 的设计直接针对这个痛点：证据让人可以验证，局限说明让人知道边界在哪。

它还支持构建 RL 环境（README 里有专门的 "Build RL environments" 章节），意味着这些取证过的分析过程可以被组织成强化学习的训练信号——让模型从「会描述」走向「会查证」。

接入方式

接入 AI 客户端（推荐）：

npx rea-agents setup

命令会交互式让你选择 Agent（支持 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等），展示将要做的修改，确认后写入 MCP server 配置和配套的工作流指令——已有配置会先备份。完成后重启 Agent 即可。

纯命令行：

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

输出是结构化 JSON，包含模块列表、导入关系、Electron 边界和各自的证据。

常规安装：

npm install --global rea-agents
rea --help
rea update

rea update 有个细节做得很克制：更新命令的 stdout 和 stderr 合并后最多保留 4 MiB，超限的元数据回复在进程退出后被拒绝——这是在防日志炸屏。

上下文经济学上的小心思

MCP 最大的痛点是工具描述会吃掉大量上下文。REA 为此做了两套 profile：

• REA_MCP_INPUT_SCHEMA_PROFILE=full —— 完整字段说明与嵌套校验细节
• 默认（compact）—— 精简输入 schema，降低上下文开销

输出侧同理，REA_MCP_OUTPUT_SCHEMA_PROFILE 可设为 compact 或 off，用于应对客户端对 tools/list 帧大小的限制。两边都保留完整工具集和服务端规范校验，只调整描述长度。

这是有实际经验才会做的设计——说明作者踩过「工具太多把 Agent 上下文撑爆」的坑。

工程细节

仓库结构：

• src/ —— 核心分析引擎
• bridge/ —— MCP 契约与工具目录定义
• native/ —— Hopper / Ghidra / IDA 原生集成
• examples/ —— 示例分析目标
• docs/ —— 按对象分类的完整指南
• tests/ + stryker.config.mjs + stryker.semantics.config.mjs —— 测试与变异测试
• knip.json / knip.production.json —— 未使用依赖清理
• .jscpd.json —— 重复代码检测
• patches/、scripts/ —— 构建与补丁维护

两套 stryker 变异测试配置（普通版 + 语义版）说明它对「测试是否真的有效」有要求，变异测试正是用来验证测试断言强度的。knip 清理未使用依赖、jscpd 检测复制粘贴——这些通常出现在追求长期维护的团队仓库里。

install.sh 顶部有一段很有意思的注释：脚本用 { 包裹整个函数体做截断守卫，因为 curl | bash 模式下如果下载被截断在 set 之后，bash 会把裸内建命令当命令执行并打印所有 shell 变量。这种「防御自己被截断」的写法，说明作者踩过坑。

争议与局限

依赖外部商业工具。 静态 JS/Electron 分析不需要额外依赖，但原生二进制分析需要 Hopper、Ghidra 或 IDA 三者之一。Hopper 是商业软件（有免费的个人额度），Ghidra 开源。原生层的能力边界，实际上被这三个工具的能力边界框住了。

许可证合规是绕不开的问题。 逆向工程在多数司法辖区有合法空间，但「复现竞品功能」和「规避保护措施」的界限并不清晰。REA 自己在仓库里放了 DISCLAIMER.md——做企业合规评估时，这份文件值得逐字读。

样本是攻击面。 分析目标通常是未知的、可能恶意的二进制。REA 强调分析在本地执行、不上传样本，这是对的；但真正的隔离（容器、虚拟机）责任仍在使用者。docs/installation.md 里还提到 Linux 上需要 procps 兼容的 ps 命令来做进程归属检查——这本身就说明它会去查看和分析系统进程。

热度与成熟度的落差。 39 万星标、3.4 万 fork，但项目创建于 2026 年 4 月，到今天才半年多。高星标部分来自 AI 编程社区的爆发式关注，工具链还在快速迭代。

中文文档是加分项。 README 提供简体中文、繁体中文、日语、韩语等 20 多种语言版本，对中文团队上手友好度很高。

行业意义

REA 代表了一个新方向：AI 工具链正在从「写代码」向「理解既有系统」延伸。

当 AI 能写代码时，瓶颈就转移到了「拿到一个陌生系统并搞懂它」——接手遗留系统、竞品调研、安全审计、协议兼容，这些都是 AI 至今啃不动的硬骨头，因为它拿不到证据。

REA 的做法值得借鉴：把「取证」标准化成一组可被 Agent 调用的工具，并强制要求每个结论附带证据。这比单纯地让模型「更聪明」务实得多。

对我们的业务，短期内可以想到两个直接场景：一是老旧系统的接手与迁移——把没人看得懂的 Delphi/C++ 后端丢给 Agent，让它逆出接口；二是竞品功能调研——不是抄，而是理解某个功能在技术上如何实现，判断我们的实现路径是否更优。这两件事过去都要排队等资深工程师。