jadx-ai-mcp环境搭建AI逆向分析JAVA代码
⚡ 全自动 MCP 服务器 + JADX 插件，通过 MCP 与 LLM 通信，使用 Claude 等 LLM 分析 Android APK — 轻松发现漏洞、分析 APK 和进行逆向工程。
https://github.com/zinja-coder/jadx-ai-mcp
🤖 JADX-AI-MCP是什么？
JADX-AI-MCP是JADX 反编译器的一个插件，它直接与模型上下文协议 (MCP)集成，为 Claude 等 LLM提供实时逆向工程支持。
想象一下：“反编译 → 上下文感知代码审查 → AI 建议”——所有过程都是实时进行的。
高级序列图
参与者与角色
- LLM Client：发起调用的模型客户端。
- JADX MCP Server：向 LLM 暴露工具的 MCP 服务端。
- JADX AI MCP Plugin：具体工具实现，负责把请求转成 HTTP 并路由到处理器。
- Request Handlers：HTTP 请求处理层，协调具体动作。
- JADX GUI：被操作的图形界面，执行实际任务并产生数据。
主流程（自左向右）
- LLM Client 调用 MCP 工具到 JADX MCP Server。
- MCP Server 将其转为一次 HTTP 请求，发送给 JADX AI MCP Plugin。
- Plugin 触发内部的 HTTP Request Handler。
- Handler 驱动 JADX GUI 执行动作/采集数据。
- GUI 完成动作/产出数据，回传给 Handler。
- Handler 组织结果，生成 HTTP 响应给 Plugin。
- Plugin 将 HTTP 响应返回给 MCP Server。
- MCP Server 把工具结果返回给 LLM Client。
关键要点
- 插件（JADX AI MCP Plugin）是协议与应用之间的“桥”，完成 MCP→HTTP→应用 的适配。
- Request Handlers 将业务动作解耦为可路由的 HTTP 端点，便于扩展。
- GUI 是真实“执行者”，说明该链路能触发交互式或可视化操作，再回传结果。
🤖 JADX-MCP-SERVER 是什么？
JADX MCP 服务器JADX-AI-MCP是一个独立的 Python 服务器，它通过 MCP（模型上下文协议）与插件（参见：jadx-ai-mcp ）交互。它允许 LLM 与反编译的 Android 应用上下文进行实时通信。
🛠️ 入门指南
1. 从发布页面下载：https://github.com/zinja-coder/jadx-ai-mcp/releases
下载这两个jadx-ai-mcp-<version>.jar文件jadx-mcp-server-<version>.zip。
- 0：下载文件
- 从发布页下载插件和服务端包：GitHub Releases
- 需要两个文件：
jadx-ai-mcp-<version>.jar（JADX 插件）jadx-mcp-server-<version>.zip（MCP 服务端源码/脚本）
- 1：解压
- 解压
jadx-ai-mcp-<version>.zip后应包含：
- 解压
├─ jadx-mcp-server/ │ ├─ jadx_mcp.py │ ├─ requirements.txt │ ├─ README.md │ ├─ LICENSE ├─ jadx-ai-mcp-<version>.jar - 含义：
jadx-ai-mcp-<version>.jar：要装到 JADX 的插件文件。jadx-mcp-server/：Python 实现的 MCP 服务端项目（后续可用来与插件通信）。
- 2：安装插件（两种方式二选一）
- 方式 1：一行命令安装最新版（推荐）
- 在命令行执行：
- 方式 1：一行命令安装最新版（推荐）
jadx plugins --install "github:zinja-coder:jadx-ai-mcp"- 作用：直接把最新版本插件装入 JADX 的插件目录，无需手动下载 `.jar`。 
- 方式 2：通过 JADX-GUI 手动安装本地 jar
- 打开 JADX-GUI
- 进入插件管理（Plugins/插件）
- 选择“从本地文件安装/添加”之类的选项
- 选择你下载好的
jadx-ai-mcp-<version>.jar并确认 - 按提示重启 JADX-GUI 即可生效
以上完成后，插件已安装；jadx-mcp-server 目录则是后续在本地运行 MCP 服务端用的项目。
- 方式3：图形用户界面方法：下载 .jar 文件，并按照图中所示步骤操作。
- 第 3 步：进入目录
- 作用：切换到
jadx-mcp-server项目的根目录，后续命令都在这里执行。
- 作用：切换到
- 第 4 步：本项目用 uv 管理依赖（替代 pip/venv）
- uv 是 Astral 出品的 Python 包与环境管理工具，安装/解析依赖更快，内置缓存。
- a) 安装 uv（若未安装）
- b) 可选：如果在
jadx-mcp-server中遇到依赖报错，创建并启用虚拟环境- 激活虚拟环境：
- 完成效果
- 至此，
jadx-ai-mcp插件配套的jadx_mcp_server运行环境已就绪；后续即可在该环境中启动/开发服务端并与插件联动
- 至此，
第5步：打开trae配置mcp这里使用trae，cursor，Claude Desktop 或者 任意的带有mcp的就可以了
然后进行手动添加
"jadx-mcp-server": { "command": "uv", "args": [ "--directory", "D:\\jadx-mcp-server-v4.0.0\\jadx-mcp-server\\", "run", "jadx_mcp_server.py" ] } 或者 用自带的python，注意自带的python 需要安装上面说的 httpx fastmcp 两个包。
"jadx-mcp-server": { "command": "C:\\Users\\yang\\AppData\\Local\\Programs\\Python\\Python311\\python.exe", "args": [ "D:\\jadx-mcp-server-v4.0.0\\jadx-mcp-server\\jadx_mcp_server.py" ] } c) 可选：安装所需依赖到当前虚拟环境
uv pip install httpx fastmcp 执行过的
PS D:\jadx-mcp-server-v4.0.0\jadx-mcp-server> uv venv Using CPython 3.8.10 interpreter at: C:\Users\yang\AppData\Local\Programs\Python\Python38\python.exe Creating virtual environment at: .venv Activate with: .venv\Scripts\activate PS D:\jadx-mcp-server-v4.0.0\jadx-mcp-server> uv pip install httpx fastmcp x No solution found when resolving dependencies: `-> Because the current Python version (3.8.10) does not satisfy Python>=3.10 and all versions of fastmcp depend on Python>=3.10, we can conclude that all versions of fastmcp cannot be used. And because you require fastmcp, we can conclude that your requirements are unsatisfiable. Windows：
.venv\Scripts\activate Linux/macOS：
source .venv/bin/activate 创建虚拟环境：
uv venv Windows（PowerShell）：
irm https://astral.sh/uv/install.ps1 |iex若闪退使用下面的，或者问AI
powershell -NoExit -ExecutionPolicy Bypass -NoProfile -Command "irm https://astral.sh/uv/install.ps1 | iex" 
执行上述命令后，uv将成功安装到你的系统中。接下来，重启power或者使用红色框里面的设置命令
Linux/macOS：
curl -LsSf https://astral.sh/uv/install.sh |sh执行：
cd jadx-mcp-server 
