产品经理在竞品App里看到一个很妙的功能，想知道它是怎么实现的。放在半年前，选项只有两个：凭经验猜，或者花钱请安全研究员。现在多了一个选项——对Agent说一句“帮我搞清楚这个功能是怎么做的”，然后等着看一份从交互层一路追到二进制的分析报告。让这件事成立的，是一个叫REA（Reverse Engineer Anything）的开源MCP服务器，2026年4月14日创建，半年拿下187,000+ Stars，进了Trendshift趋势榜（掘金上的项目介绍）。
项目README里的slogan大意是：看到喜欢的功能，把它搞懂到二进制层面。这个承诺放在两年前，说出来没人信。
做逆向工程，你得懂汇编，会用Hopper、Ghidra、IDA这类专业工具，还要能从反编译出来的伪代码里一点点拼出真正的业务逻辑。这套技能的学习曲线陡到什么程度？安全圈里能独立做原生二进制分析的人，长期是稀缺资源。工具本身早就存在，Ghidra是NSA开源的，IDA是商业标准，它们的能力没有问题。问题是操作它们需要多年训练，而且工具的输出（几万行反汇编、命名混乱的伪代码）离“看懂一个功能”还差着大量人肉翻译工作。
REA没有试图发明新的逆向引擎，它做的事更像搭一个翻译层：把现有的逆向工具封装成标准化的MCP接口，让AI Agent能够自主驱动它们。TypeScript编写，MIT许可证，分析过程完全在本地运行。你用自然语言提出问题，Agent自己决定调用哪个工具、分析哪一层，从网站、Electron应用、.NET程序集，一路深入到Native二进制、EVM字节码、Android APK和固件，最后拿到一份带证据链的分析结果，甚至可以据此在你自己的项目里写出一个类似实现。
它敢叫"Reverse Engineer Anything"，靠的是覆盖面。不同类型的分析目标，依赖的条件也不一样：
| 分析目标 | 是否需要本地专业工具 | 说明 |
|---|---|---|
| 网站、JS/Electron应用 | 不需要 | 直接分析脚本层 |
| .NET程序集 | 不需要 | 反编译相对成熟 |
| Native二进制 | 需要 | 依赖Hopper/Ghidra/IDA |
| APK、固件、EVM字节码 | 视情况 | 多层递进分析 |
也就是说，如果你只是想搞懂一个Electron应用的某段逻辑，装上REA就能跑；如果要啃一个原生二进制，还得自己先把Ghidra或IDA装好。这个依赖关系在README里写得很清楚，没有夸大。
npx rea-agents setup它会让你选择要接入的Agent（目前支持Claude Code、Codex、Cursor、Gemini CLI、Grok Build等），展示即将做出的配置改动，经你确认后才写入，并自动备份原有配置。这个“先展示再写入”的细节说明作者清楚自己在动的是开发者的核心工具链，谨慎一点没坏处。
Agent给出的每个结论都附带证据链，同时明确标注自己没搞清楚的部分，这是我觉得最有意思的设计。这一点对AI辅助分析尤其重要：大模型最容易被诟病的就是一本正经地编造，而在逆向分析这种需要可验证性的场景里，一个不能追溯来源的结论等于没有结论。REA把“承认局限性”做成了输出格式的一部分，等于给AI的推理过程上了可审计的枷锁。
过去你要理解一个二进制，得自己学会读反汇编；现在Agent替你读，你只需要能提出正确的问题、看懂它给出的证据。能力没有凭空出现，但使用能力的人群扩大了几个数量级。这和当年编译器让程序员不用手写汇编、SQL让分析师不用写遍历代码，是同一类事情：工具的抽象层级上移，使用者随之扩大。
官方定位的使用场景是安全研究、CTF和竞品功能分析。竞品分析这一条，对做产品的人来说诱惑是直接的：不用源码，Agent检查应用、解释原理、给出证据，然后帮你实现一个类似版本。这里有一条不能踩的线。逆向出来的实现方式是否构成侵权，取决于具体代码和专利情况，“看懂了”不等于“可以照抄”。分析工具是中性的，用它做什么，责任在使用者。
关于那187,000个Star的真实性，我一开始也打了个问号，半年19万，放在任何时期都是顶级数据。两个佐证让它站得住：一是Trendshift官方趋势徽章（trendshift.io/repositories/82054），这个榜单的入选有独立的数据门槛；二是贡献者结构，作者morluto以1,389次提交遥遥领先，后面还有几名各贡献了数百次提交的活跃成员，加上活跃的Discord社区，不是单一账号刷量能堆出来的形态。当然，Star数衡量的是关注度而非使用深度，这点对任何项目都一样。
遇到加壳、反调试、复杂混淆的目标，Agent驱动的自动化流程大概率会卡住，这时候还是得人上，专业逆向工具并没有被替代。REA擅长的是把“从零到看懂大概原理”这段最耗时的路径自动化，让专家把精力留给真正难啃的部分。对专业逆向工程师来说，它更像一个效率放大器，而不是替代品。
半年19万Star说明市场对“AI Agent接管专业工具”这个方向的需求比多数人预想的更饥渴。REA选的切口很聪明：不造新工具，只做封装层，把存量专业能力和新交互方式接起来。接下来值得观察的是两件事。一是这类“Agent驱动专业工具”的模式会不会被复制到其他高门槛领域，EDA、CAD、专业音视频工具链都是候选；二是当逆向分析的门槛降到一句话，软件厂商的防护策略会不会跟着升级。毕竟攻防的天平，从来都是跟着工具成本走的。