zinja-coder/jadx-ai-mcp

📦 项目：JADX‑AI‑MCP（属于 Zin MCP 套件的一部分）

它是什么

• 一个用于流行的 JADX 反编译器的插件，与 模型上下文协议（MCP）服务器通信。服务器将请求转发给 LLM（例如 Anthropic 的 Claude），使模型能够实时检查反编译的 Android 应用。
• 可以将其视为 Android APK 的 实时 AI 驱动代码审查器：在 JADX 中选择一个类、方法或资源，LLM 接收上下文，然后回复解释、漏洞检查、重构建议，甚至自动重命名。

关键组件

组件	作用
JADX‑AI‑MCP（Java 插件）	在 JADX 图形界面内运行，收集源代码/SMALI，发送 MCP 请求，将 AI 响应显示为注释或 UI 对话框。
JADX‑MCP‑Server（Python）	独立的 MCP 服务器，实现协议，与 LLM 客户端（Claude Desktop、LM‑Studio、Cherry Studio 等）通信，并在插件之间转发数据。
MCP（模型上下文协议）	一种轻量级的 JSON-over-stdio/HTTP 协议，允许任何 LLM 客户端将反编译的应用视为可查询的“上下文”。

你可以向 AI 询问什么（来自 README 的示例提示）

• 代码理解：“解释这个类的作用。”
• 漏洞检测：“这里有安全的 API 调用吗？”
• 逆向工程辅助：“去混淆并重命名这个类。”
• 静态分析：“列出此文件中的所有网络调用。”
• 代码修改：“为每个方法添加 Javadoc 注释。”
• 调试器辅助：“获取堆栈帧并总结执行流程。”

如何开始

1. 下载最新版本 – 一个 jadx-ai-mcp-<ver>.jar 和一个 jadx-mcp-server-<ver>.zip。
2. 安装插件
   • 一行命令：jadx plugins --install "github:zinja-coder:jadx-ai-mcp"
   • 或者将 JAR 放入 JADX-GUI 插件文件夹（README 中有截图）。
3. 设置服务器
   • 安装 uv（一个现代的 Python 包管理器）并运行 uv run jadx_mcp_server.py（可选使用 --http 进行网络传输）。
4. 配置你的 LLM 客户端（Claude Desktop、LM‑Studio、Cherry Studio 等）以使用 README 中显示的 JSON 片段指向 MCP 服务器。
5. 在 JADX 中打开一个 APK，选择一段代码，然后输入提示 – AI 的答案直接显示在图形界面中。

技术栈

• Java 11+ 用于 JADX 插件。
• Python 3.10+ 用于 MCP 服务器（使用 httpx 和 fastmcp）。
• MCP（模型上下文协议）– 工具与 LLM 之间的语言无关桥梁。
• 适用于任何实现 MCP 的 LLM（Claude Desktop 是主要示例）。

成熟度与状态

• 早期阶段，积极开发中；README 警告可能存在错误和崩溃。
• 提供完整的 MCP 命令集（获取类源代码、重命名符号、列出资源、交叉引用查询、调试器内省等）。
• 文档托管在 Read-the-Docs 上，并链接了多个演示视频。

适用对象

• 安全研究人员和逆向工程师，希望在分析 Android 二进制文件时获得 AI 辅助。
• 对快速静态分析、去混淆或 APK 自动化代码审查感兴趣的开发者。
• 任何熟悉运行本地 Python 服务器和基于 Java 的反编译器的人。

---

简而言之，JADX‑AI‑MCP 将 LLM 驱动的、上下文感知的分析引入 Android 逆向工程工作流程，将反编译器变成一个交互式 AI 助手。