REA 實測：讓 AI 代理深入逆向分析 JavaScript 應用與原生二進位

morluto/rea 是 GitHub 上的開源專案，本站記錄時 385,368 星；一天內新增約 54,679 顆星。我們在一台 RTX A6000 48 GB 工作站 上，從安裝到跑出結果整段錄下終端機；測的是 2026-10-25 的版本（commit 1173c0a9dc1b）。實測影片公開後會嵌在本文最下方。

背景

開發者常遇到「看到別家 App 有個很棒的功能，想知道怎麼實作」卻沒有原始碼的困境。傳統逆向工程需要熟練使用 Ghidra、IDA 或 Hopper 等工具，門檻極高。REA (Reverse Engineer Anything) 是一個 MCP (Model Context Protocol) 伺服器與 CLI 工具，旨在讓 AI 代理（如 Claude、Cursor）能直接調用逆向分析工具，檢查原生二進位、JavaScript/Electron 應用、.NET 組件等，將黑盒行為轉化為可理解的程式邏輯與證據。

它解決的核心問題是「AI 缺乏對閉源軟體的感知能力」。透過 REA，AI 不再只能猜測 API 行為，而是能靜態分析程式碼結構、追蹤呼叫鏈，甚至結合動態分析（需配合 Hopper/Ghidra），讓 AI 能基於實際的二進位或腳本證據來解釋功能運作方式。

運作方式與使用方式

REA 的運作核心是作為一個中介層，將複雜的逆向分析指令封裝成 AI 可理解的 MCP 工具。我們首先透過 npm install -g rea-agents 安裝全域套件，接著執行 rea --help 確認指令清單。REA 提供了豐富的子命令，例如 analyze-javascript-application 用於靜態分析 JS 專案，trace 用於追蹤功能呼叫鏈，以及 xrefs 用於查看交叉引用。

在實際使用中，我們嘗試了兩種場景。第一種是分析 REA 自身安裝後的 node_modules 目錄，指令為 rea analyze-javascript-application <path> --json。第二種是分析一個標準的開源框架 Express，指令相同。REA 會啟動後端分析引擎，遍歷檔案系統，解析 JavaScript 語法樹，並產出包含節點、邊、證據哈希的 JSON 結構。這些 JSON 輸出設計給 AI 代理閱讀，包含 evidence_id、sha256 完整性驗證以及詳細的 observations。

與未使用時的差異

安裝與執行過程

結果驗證

在分析 Express 原始碼的測試中，REA 表現穩定。它在 48.4 秒內完成了整個專案的靜態分析，產出了一個 131594284 位元組的 JSON 檔案。這個檔案並非普通的程式碼摘要，而是包含了 evidence_id、sha256 完整性校驗、每個檔案的 parse_status 以及詳細的 observations。這符合 README 中關於「結果包含證據與限制」的說法，每個節點都綁定了具體的檔案路徑與哈希值，確保 AI 引用的資訊是可驗證的。

然而，在嘗試分析 REA 自身安裝後的 node_modules 目錄時，我們遭遇了資源限制。雖然指令執行結束碼為 0，但輸出的 JSON 中明確標示 "error":"JavaScript application analysis failed" 與 "code":"resource_constraint"。錯誤訊息指出：「The parent's result capacity was exhausted after retaining static facts for node_modules/playwright-core/lib/utilsBundleImpl/index.js」。這顯示當分析對象包含大量依賴（如 Playwright 這種大型套件）時，REA 預設的記憶體預算（parent_result_budget_bytes 為 1848662468 bytes）會耗盡。REA 提供了明確的补救建議：透過設定 NODE_OPTIONS 環境變數來增加 V8 堆記憶體，而非簡單地崩潰，這對於自動化腳本非常友善。

遇到的問題

1. 分析大型 node_modules 目錄時遭遇記憶體限制：REA 預設的 parent result budget 為 1848662468 bytes，在處理包含 Playwright 等大型依賴的專案時會耗盡，導致分析中斷。解決方式需手動設定 NODE_OPTIONS 環境變數增加記憶體，或減少分析範圍。

2. npm 安裝警告：安裝過程中出現 prebuild-install@7.1.3 已棄用的警告，雖然不影響功能，但可能讓使用者擔心相容性問題。

結論

REA 是一個強大的工具，特別適合需要讓 AI 代理理解閉源 JavaScript/Electron 應用邏輯的開發者。它成功將複雜的靜態分析轉化為結構化、可驗證的 JSON 證據，讓 AI 能基於事實而非猜測進行回答。對於中小型專案或單一模組的分析，體驗流暢且速度快（如 Express 僅需 48.4 秒）。然而，對於包含大量第三方依賴的大型專案，預設的記憶體限制可能成為瓶頸，需要使用者具備一定的 Node.js 環境調優知識。我們建議在分析大型專案前，先手動設定 NODE_OPTIONS 環境變數。對於不熟悉逆向工程但希望 AI 能「看懂」App 內部機制的團隊，REA 值得納入工作流。