AI 辅助安卓逆向：TRAE+JADX-AI-MCP 插件实战
前言：随着大模型（LLM）的爆发，编程辅助工具层出不穷。但在安卓逆向领域，如何将 AI 的理解能力直接嵌入到我们熟悉的工具链中？今天介绍的 JADX-AI-MCP 就是这样一个革命性的插件，它是 Zin MCP Suite 的一部分，通过 MCP（Model Context Protocol）协议，将 JADX 与 Claude/Cursor 等 AI 助手无缝连接，实现了“反编译 -> AI 代码审计 -> 自动重命名/分析”的闭环工作流。
🛠️ 什么是 JADX-AI-MCP？
JADX-AI-MCP 是 JADX 的一个插件，它配合 JADX-MCP-SERVER（一个 Python 服务端），让你的 LLM（如 Claude Desktop, Cursor, 或其他支持 MCP 的客户端）能够“看”到 JADX 中反编译的代码，并直接对代码进行操作。
工作原理：
JADX GUIREQUEST HANDLERSJADX AI MCP PLUGINJADX MCP SERVERLLM CLIENTJADX GUIREQUEST HANDLERSJADX AI MCP PLUGINJADX MCP SERVERLLM CLIENTINVOKE MCP TOOLINVOKE HTTP REQUESTINVOKE HTTP REQUEST HANDLERPERFORM ACTION/GATHER DATAACTION PERFORMED/DATA GATHEREDCRAFT HTTP RESPONSEHTTP RESPONSEMCP TOOL RESULT
用户在 LLM 客户端发起请求 -> JADX MCP Server 转发请求 -> JADX 插件执行操作（如获取代码、重命名） -> 结果返回给 LLM。
核心能力：
- 代码获取与搜索：
fetch_current_class()/get_class_source(): 获取类源码。search_classes_by_keyword(): 全局搜索包含特定关键字的类。get_android_manifest(): 直接读取 Manifest 文件。get_strings(): 获取 strings.xml 资源。
- 重构与反混淆：
rename_class(),rename_method(),rename_field(): 自动重命名混淆的类、方法和字段。rename_package(): 重命名整个包。
- 交叉引用分析：
xrefs_to_method(): 查找方法的调用位置。xrefs_to_field(): 查找字段的访问位置。
- 调试辅助：
debug_get_stack_frames(): 获取调试时的堆栈信息。debug_get_variables(): 获取调试时的变量值。
项目地址：GitHub - zinja-coder/jadx-ai-mcp
🚀 环境搭建
安装配置主要分为三个步骤：下载资源、插件安装和服务端配置。
资源链接：https://pan.quark.cn/s/94e52164049d
1. 资源下载
前往 GitHub Releases 页面，下载以下两个文件：
jadx-ai-mcp-<version>.jar(插件本体，如果使用命令行安装可跳过)jadx-mcp-server-<version>.zip(MCP 服务端，必须下载)
2. 安装 JADX 插件
方法一：命令行一键安装（推荐）
确保 jadx 命令在环境变量中，运行：
jadx plugins --install "github:zinja-coder:jadx-ai-mcp"方法二：GUI 手动安装（推荐）
打开 JADX-GUI，进入插件管理界面
选择下载好的 .jar 文件进行安装。
3. 配置 MCP 服务端
本项目推荐使用 uv 进行 Python 依赖管理，这比传统的 pip 更快且环境隔离更好。当然，你也可以使用传统的 pip 或 Anaconda。
方式一：使用 uv (推荐)
- 解压
jadx-mcp-server-<version>.zip。 - 安装
uv(如果尚未安装):- Mac/Linux:
curl -LsSf https://astral.sh/uv/install.sh | sh
- Mac/Linux:
Windows: powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
方式二：使用 pip / Anaconda
如果你习惯使用传统的 Python 环境管理，可以直接执行以下命令安装依赖：
pip install -r requirements.txt 
如果出现依赖问题，建议通过 Anaconda 管理虚拟环境。笔者使用的是 Python 3.13 版本，实测兼容性良好。
4. 配置 AI 客户端
支持 Claude Desktop、Cherry Studio、LM Studio 等多种客户端。
选项 A: TRAE
方式一：使用 uv (推荐)
"mcpServers":{"jadx-mcp-server":{"command":"uv","args":["--directory","D:\\jadx-mcp-server-v6.1.0\\jadx-mcp-server\\","run","jadx_mcp_server.py"]}}方式二：使用系统 Python
注意：如果使用自带的 Python，需要先安装 httpx 和 fastmcp 两个包。
pip install httpx fastmcp 配置如下：
{"mcpServers":{"jadx-mcp-server":{"command":"E:\\tools\\path\\python\\python313\\python.exe","args":["E:\\tools\\Reverse\\Android\\jadx-mcp-server-v6.1.0\\jadx-mcp-server\\jadx_mcp_server.py"]}}}
选项 B: Claude Desktop (官方推荐)
编辑配置文件：
- Windows:
%APPDATA%\Claude\claude_desktop_config.json - macOS:
~/Library/Application Support/Claude/claude_desktop_config.json
添加如下配置（注意替换实际路径）：
{"mcpServers":{"jadx-mcp-server":{"command":"/path/to/uv","args":["--directory","/absolute/path/to/jadx-mcp-server/","run","jadx_mcp_server.py"]}}}选项 C: Cherry Studio
在 Cherry Studio 的 MCP 设置中添加工具：
- Type: stdio
- Command:
uv
Arguments:
--directory /absolute/path/to/jadx-mcp-server run jadx_mcp_server.py 5. (进阶) HTTP 模式与自定义端口
如果需要通过 HTTP 远程调用，或解决端口冲突，可以使用以下命令启动服务端：
# 开启 HTTP 模式 uv run jadx_mcp_server.py --http # 指定 JADX 端口 (默认 9999) uv run jadx_mcp_server.py --jadx-port 8652💡 常用提示词 (Sample Prompts)
配置好后，你可以直接对 AI 说出以下指令：
- 🔍 基础理解:
- “Explain what this class does in one paragraph.” (一句话解释这个类在做什么)
- “Is there any obfuscation in this class?” (这里面有混淆代码吗？)
- 🛡️ 漏洞检测:
- “Check this class for hardcoded secrets or credentials.” (检查硬编码密钥)
- “Does this method sanitize user input before using it?” (检查输入清洗)
- 🛠️ 逆向辅助:
- “Deobfuscate and rename the classes and methods to something readable.” (反混淆并重命名)
- “Tell me which classes contains code related to ‘encryption’?” (哪些类和加密有关？)
- 🐞 调试辅助:
- “Fetch stack frames and variables from debugger and provide summary.” (获取调试堆栈和变量并总结)
⚔️ 逆向实战：破解 CTF 题目 (Find the Flag)
为了演示 AI 如何辅助逆向，我们以一道典型的 CTF 题目为例。目标是从 APK 中找到隐藏的 Flag。
第一步：定位关键逻辑
打开 JADX，我们通常会先看 MainActivity。但 CTF 题目往往会在点击按钮时触发校验。
提示词：
“请分析 MainActivity，找到点击按钮后触发的校验方法。”AI 执行操作：
- 调用
get_class_source(className="com.testjava.jack.pingan1.MainActivity")。 - 分析
onClick监听器，识别出关键调用。
返回结果：
“点击按钮后，程序会立即执行 onClick 方法，该方法读取用户输入，使用 自定义的 Base64 算法 （由Base64New类实现）进行加密，然后检查加密结果是否等于5rFf7E2K6rqN7Hpiyush7E6S5fJg6rsi5NBf6NGT5rs=。”
第二步：分析加密算法
我们需要搞清楚 Base64New 类到底做了什么。
提示词：
“分析 Base64New 类，详细解释其编码逻辑，并检查它使用的字符表是否为标准 Base64 字符表。”AI 执行操作：
- 调用
get_class_source(className="com.testjava.jack.pingan1.Base64New")。 - 读取代码，对比标准 Base64 算法。
返回结果：
“经过分析，Base64New类实现了标准的 Base64 编码算法，但替换了字符映射表。
自定义字符表：vwxrstuopq34567ABCDEFGHIJyz012PQRSTKLMNOZabcdUVWXYefghijklmn89+/
标准字符表：ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/
这是一个典型的换表 Base64 混淆。解密时需要先将密文按自定义表还原数值，再按标准 Base64 解码。”
第三步：编写解题脚本 (Solver)
既然搞懂了逻辑，就让 AI 直接帮我们写出解密脚本拿到 Flag。
提示词：
“根据分析出的自定义 Base64 字符表和 MainActivity 中的密文，请帮我写一个 Python 脚本来还原出 Flag。”AI 执行操作：
- 提取密文
5rFf7E2K6rqN7Hpiyush7E6S5fJg6rsi5NBf6NGT5rs=。 - 提取自定义字符表。
- 生成 Python 解密代码（使用
str.translate映射回标准表，再解码）。
AI 生成代码：
import base64 # 自定义字符表 (从 Base64New 类提取) custom_table ="vwxrstuopq34567ABCDEFGHIJyz012PQRSTKLMNOZabcdUVWXYefghijklmn89+/"# 标准 Base64 字符表 std_table ="ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/"# 密文 (从 MainActivity 提取) cipher ="5rFf7E2K6rqN7Hpiyush7E6S5fJg6rsi5NBf6NGT5rs="# 建立映射并转换 trans_map =str.maketrans(custom_table, std_table) std_cipher = cipher.translate(trans_map)# 标准 Base64 解码 flag = base64.b64decode(std_cipher).decode('utf-8')print(f"Flag: {flag}")第四步：一键重命名优化
为了让代码以后更好看，我们可以顺手把类名改了，使其符合其实际功能。
提示词：
“把Base64New类重命名为CustomBase64，表明它是一个自定义的 Base64 实现。”
AI 执行操作：
- 调用
rename_class("com.testjava.jack.pingan1.Base64New", "CustomBase64")。 - JADX 界面中的引用自动更新，
MainActivity中的代码变为CustomBase64 nb = new CustomBase64();，可读性显著提升。
💡 总结与思考
通过 JADX-AI-MCP，逆向工程的门槛被进一步降低：
- 效率提升：不再需要人肉翻译每一个混淆变量，AI 能基于语义快速重构代码可读性。
- 交互式分析：你可以像问同事一样问 AI：“这里为什么会崩溃？”、“这个字符串是在哪里定义的？”，AI 会自动去调
xrefs或resources接口找答案。 - 动态调试结合：甚至在调试时，AI 都能帮你分析当前的堆栈帧（Stack Frames）和变量值。
未来展望：
这种 “IDE + MCP + LLM” 的模式将是未来的主流。对于逆向工程师来说，学会如何用 Prompt 驱动工具去干脏活累活，将成为核心竞争力之一。
参考资源：JADX-AI-MCP GitHub 仓库Model Context Protocol (MCP) 文档
