---
title: "REA 是什麼？讓 AI Agent 拆解軟體的開源 MCP 工具：實測與企業風險"
description: "REA 是讓 Claude Code、Codex 等 AI Agent 透過 MCP 拆解無原始碼軟體的開源工具，適合研究自有或已獲授權的軟體，不能用來破解授權。本文整理它的運作方式、可分析的 23 類目標、我們實際跑一次的結果，以及企業導入前必須先訂好的合法界線、資料流向與權限規則。"
canonical: "https://yotron-ai.com/blog/rea-reverse-engineer-anything-ai-agent-guide"
published: "2026-10-15"
last-updated: "2026-10-15"
---

# REA 是什麼？讓 AI Agent 拆解軟體的開源 MCP 工具：實測與企業風險

REA 是讓 Claude Code、Codex 等 AI Agent 透過 MCP 拆解無原始碼軟體的開源工具，適合研究自有或已獲授權的軟體，不能用來破解授權。本文整理它的運作方式、可分析的 23 類目標、我們實際跑一次的結果，以及企業導入前必須先訂好的合法界線、資料流向與權限規則。

REA（Reverse Engineer Anything）是一套讓 AI Agent 拆解沒有原始碼的軟體的開源工具：它以 MCP 伺服器的形式接上 Claude Code、Codex 等 AI 寫程式助手，回傳虛擬碼、組合語言與呼叫關係等證據，讓 Agent 解釋某個功能怎麼運作。結論先講：它把逆向工程的門檻降到一般開發者也能用，但官方展示的成果仍是「一個函式、一條呼叫路徑」等級的還原，企業應把它當成研究自有或已獲授權軟體的工具，並在導入前訂好界線。

截至 2026 年 10 月 15 日，REA 的 GitHub 倉庫 [morluto/rea](https://github.com/morluto/rea) 有 251,667 顆星、63,217 個 fork（GitHub API 讀數），是近期成長最快的開源專案之一。

## REA 怎麼運作

REA 本身不是新的反編譯器，而是把既有的逆向工具包成 AI Agent 能直接呼叫的形式。流程分三步：

1. 使用者用一句話提問，例如「這個 App 的搜尋功能怎麼做的」。
2. Agent 透過 MCP 呼叫 REA，檢查目標並追蹤相關程式碼。
3. REA 回傳證據（虛擬碼、組合語言、字串、呼叫關係，以及分析的限制），Agent 據此解釋行為，或寫一份自己的版本並測試。

官方強調兩點：分析在本機執行，以及每個結論都附上證據與限制。後者是它和「直接叫 AI 猜」的主要差別。

安裝只需一行：

```bash
npx rea-agents setup
```

設定程式會列出要修改的 Agent 設定檔並備份，確認後重啟 Agent 即可。支援 Claude Code、Codex、Cursor、Gemini CLI 等，需要 Node.js 22.19 以上。

## REA 能分析哪些東西

官方 README（2026-10-15 版本）列出 23 類目標，依需要的外部工具大致分成三組：

| 類型 | 代表目標 | 需要什麼 |
|---|---|---|
| 不需額外引擎 | JavaScript／Electron App、.NET 組件、Go 與 Rust 執行檔的建置資訊、Flutter App | Node.js 與 npm |
| 需要分析引擎 | Windows、macOS、Linux 原生執行檔 | Hopper、Ghidra 或 IDA 其中一套 |
| 需要特定工具 | Android APK（JADX）、網站（Chrome 系瀏覽器）、韌體（Binwalk）、封包紀錄（TShark）、EVM 智能合約位元組碼 | 依目標而定，多數限 Linux |

Ghidra 免費；Hopper、IDA 與 JEB 是商用軟體，README 明寫使用者必須自行合法取得授權，盜版、外流金鑰或繞過授權限制都不在允許範圍。

## 我們實際跑一次的結果

為了確認「附證據與限制」不是行銷用語，我們用 REA 6.4.0 的命令列，對優創官網 repo 裡自己寫的 `scripts/` 資料夾（14 支 Node.js 腳本）執行靜態分析：

```bash
rea analyze-javascript-application /path/to/scripts --json
```

結果如下：

- **耗時約 4.4 秒**，14 個檔案全數解析，沒有解析失敗。
- **應用程式圖譜**：120 個節點、128 條關係，標出模組、匯入與 IPC 相關位置。
- **語意圖譜**：7,447 個節點、5,944 條關係。
- **2,489 個 unknown**：REA 無法確定的部分，它列成「未解析」，而不是替你猜一個答案。
- 每次分析附上 evidence ID 與檔案的 SHA-256，之後可以回頭比對是否分析同一份檔案。

我們的觀察：REA 的輸出量很大，人直接讀不實際，它的價值在於讓 Agent 有可追溯的證據可引用。unknown 的數量也提醒一件事：AI 讀完後寫出的「還原版本」，可信度取決於這些空白有沒有被補上與測試，不能直接當成原程式。

## 為什麼 10 天爆紅

以下數字引述自[動區動趨 2026-10-13 的報導](https://www.blocktempo.com/rea-reverse-engineer-anything-github-175k-stars-ai-agents-mcp/)：

- 倉庫 4 月就建立，10 月 3 日發表 3.2.0 版後開始起飛；10 月 12 日單日新增 52,186 顆星。
- npm 下載量在 10 月 5 日到 11 日一週達 132,518 次，此前三個多星期合計約 1,600 次。
- 10 月 10 日登上 Hacker News，拿到 789 分、333 則留言；YouTube 頻道 Fireship 的介紹影片不到一天約 124 萬次觀看。

爆紅的原因大致有三個：賣點一句話就懂（看到喜歡的功能，叫 AI 去查它怎麼做的）、剛好碰上 AI 反編譯熱潮，以及開發者自述用兩個 Codex Pro 訂閱就做出這套工具。

社群看法分歧。動區整理的 Hacker News 討論中，有人認為它多半沒有比直接叫 Claude 操作 Ghidra 好，主要服務原本不會逆向的人；也有人直接把執行檔丟給 Claude 就修好了多年的 bug。比較中肯的結論是：會拆的是模型，REA 做的是把流程包好、把證據留下來。

## 合法界線與三個風險

### 1. 用途決定合法性

REA 的 [DISCLAIMER](https://github.com/morluto/rea/blob/main/DISCLAIMER.md) 於 2026-10-12 才加入倉庫，內容寫明：REA 只用於合法研究、教育、互通性、軟體保存，以及分析你擁有或已獲授權的軟體；不支援、也不協助規避 DRM、授權檢查與反作弊機制。拿到像原始碼的輸出，不代表取得原程式的權利。把別人的商用軟體重建後散布或販售，不論用什麼工具做，都有智慧財產權問題。

### 2. 資料會經過模型供應商

REA 在本機分析，但結果會送進你的 AI Agent，也就會送到 Agent 背後的模型供應商。分析客戶交付的程式或內部系統時，等於把這些內容交給第三方處理。另外，動區報導提到有社群用戶反映使用後被 AI 服務封帳，此說法未經證實，但模型供應商的使用政策確實適用於透過 REA 進行的操作。

### 3. 認明官方來源

爆紅後出現了仿冒倉庫。我們在 2026-10-15 以 GitHub 搜尋 REA，就看到一個名稱相似、標榜「官方免費下載 zip」的倉庫。官方 README 寫明，正式來源只有三個：GitHub 的 `morluto/rea`、網站 rea.tools，以及 npm 套件 `rea-agents`。逆向工具本身會讀取大量檔案並執行外部程式，裝到假版本的代價很高。

## 企業導入 REA 的四個步驟

### 步驟 1：列出允許的分析目標

先寫下哪些軟體可以分析：自家開發但文件或原始碼遺失的舊系統、已購買且合約允許互通的軟體、供應商交付物，以及資安團隊要檢查的可疑檔案。其他目標一律先問法務。

### 步驟 2：指定使用者與執行環境

只開放給需要的工程師或資安人員，並在隔離的機器或虛擬機上執行。執行期分析（例如擷取行程、操作 Android 裝置）會以使用者本身的權限實際執行目標，權限設定可參考 [AI Agent 的權限邊界怎麼設](/blog/ai-agent-permission-boundary-sandbox)。

### 步驟 3：確認模型供應商的資料設定

確認使用的 AI 服務是否保留對話、是否拿來訓練，必要時改用企業方案或關閉資料保留，再處理機密或客戶程式。

### 步驟 4：把輸出當成線索，不當成答案

AI 根據 REA 證據寫出的還原程式，要用測試對照原行為驗證。官方案例 DX-Ball 也是在 3,205 組測試全數通過後，才宣稱一個函式還原成功。

## 結語

REA 讓逆向工程從資安專家的專門技術，變成一般開發團隊也能用的研究工具。對企業最實際的用途，是處理沒有文件的舊系統與資料互通問題；最需要先做的，是訂好「誰能用、對什麼用、資料流到哪裡」三條規則。如果你正在評估讓團隊導入 AI Agent 工具，可以參考我們的 [AI 導入服務](/services)，從權限與流程設計開始規劃。

## 參考資料

- [動區動趨：AI 逆向工具「REA」GitHub 十天衝上 17 萬星，真的什麼都能拆嗎？（2026-10-13）](https://www.blocktempo.com/rea-reverse-engineer-anything-github-175k-stars-ai-agents-mcp/)
- [GitHub：morluto/rea README（2026-10-15 讀取）](https://github.com/morluto/rea)
- [GitHub：morluto/rea DISCLAIMER.md（2026-10-12 加入）](https://github.com/morluto/rea/blob/main/DISCLAIMER.md)
- [REA 官方網站：rea.tools](https://rea.tools/)
- [npm：rea-agents](https://www.npmjs.com/package/rea-agents)

---

## 相關推薦與延伸閱讀

- [AI Agent 的權限邊界怎麼設：企業導入前必須畫好的三條線](/blog/ai-agent-permission-boundary-sandbox)：企業導入 AI Agent 前，權限邊界比模型選型更該先決定。本文用 2026 年 OpenAI–Hugging Face 事件與 Google Gemini 
- [Claude Opus 5.5 上線：成本降 40%、長任務更穩，企業 AI 導入該怎麼評估與切換](/blog/claude-opus-5-5-launch-enterprise-ai-guide)：Anthropic 於 2026 年 9 月 22 日發布 Claude Opus 5.5，官方表示預設設定下執行成本比 Opus 5 低約 40%，Token
- [MCP、API、CLI 差在哪？AI 系統介面的 2026 白話指南（上）](/blog/mcp-api-cli-guide-2026-part-1)：用實際工作流拆解 CLI、API 與 MCP 的角色差異，說明為什麼 MCP 不是 API 的替代品，以及企業該如何選擇正確介面。本文以一張表比較三種介面，說明