NSA解压器漏掉的公式，AI代理用209个工具找到了

一个连NSA自家解压器都没能还原的数学公式，被一个AI代理从老游戏的EXE文件里挖了出来，而且它还用3205个测试用例证明了自己的正确性。这听起来像是科幻，但却是开源项目REA（Reverse Engineering Agent）的真实演示。

事件回顾：老游戏里的隐藏公式

据YouTube视频描述，一个名为DX-Ball的经典DOS游戏EXE文件，没有源代码，仅凭二进制文件，REA成功提取出了游戏中使用的精确数学公式。视频声称，NSA的解压器在此任务上失败了，而AI代理不仅找到了公式，还通过3205个测试用例验证了其准确性，全部通过。

这个案例的引人注目之处在于，它展示了AI代理在逆向工程领域的潜力。传统解压器通常依赖于模式匹配和启发式规则，面对混淆或非标准编译的二进制代码时可能束手无策。而REA似乎采用了不同的方法，可能结合了符号执行、动态分析或机器学习技术。

符号执行与动态分析 是逆向工程中两种互补的技术路径。符号执行将程序输入视为符号变量，通过约束求解器探索所有可能路径，适合处理分支复杂的代码；动态分析则在实际或模拟环境中运行程序，记录执行轨迹和内存状态。传统解压器（如通用 unpacker）多依赖静态特征匹配和启发式规则，面对非标准编译、代码混淆或自定义压缩算法时容易失效。REA 可能结合了符号执行来枚举公式相关的计算路径，并用动态分析验证中间结果，从而在缺乏源码的情况下还原出精确的数学表达式。

REA是什么：一个MCP服务器，209个工具

REA本质上是一个MCP（Model Context Protocol）服务器，集成了209个工具，旨在支持Claude Code、Codex、Cursor等多种AI编程环境。它能够处理多种平台和格式，包括Android、Electron、iPhone、WebAssembly、智能合约、固件，甚至DOS游戏。

MCP是一种让AI模型与外部工具和数据源交互的协议，由Anthropic提出。REA通过提供丰富的工具集，扩展了AI代理在逆向工程和安全分析方面的能力。这些工具可能包括反汇编器、调试器、符号执行引擎、代码模拟器等。

视频还提到，REA能够逐步追踪Notion剪贴板的行为，重建认证器的登录码，并且133个测试全部匹配。每个结论都附带“收据”（证据）、置信度和未知项。

Model Context Protocol（MCP） 是 Anthropic 于 2024 年提出的开放协议，旨在标准化 AI 模型与外部工具、数据源之间的交互方式。MCP 采用客户端-服务器架构：AI 应用（如 Claude Code、Cursor）作为客户端，通过 JSON-RPC 与 MCP 服务器通信，服务器则暴露一系列工具（tools）、资源（resources）和提示模板。这使得 AI 代理无需为每个工具单独编写集成代码，即可动态发现和调用反汇编器、调试器、符号执行引擎等专业工具。REA 作为 MCP 服务器，将其 209 个逆向工程工具统一封装，任何支持 MCP 的 AI 环境都能即插即用，显著降低了 AI 代理进入逆向工程领域的集成门槛。

技术亮点：可验证的逆向工程

REA的突出特点在于其可验证性。它不仅给出答案，还提供证据链和置信度，这对于安全分析和逆向工程至关重要。在传统逆向工程中，分析师的结论往往依赖于个人经验和直觉，难以复现和验证。REA的方法则试图将这一过程标准化和自动化。

支持智能合约和固件分析也值得注意。智能合约的安全审计是区块链领域的热点，而固件分析在物联网安全中尤为重要。REA声称能处理这些领域，如果属实，将大大降低安全分析的门槛。

不过，视频没有详细说明REA在这些领域的具体表现，也没有提供独立的第三方评估。因此，这些能力仍需进一步验证。

智能合约安全审计 与 固件分析 是逆向工程的两个高价值场景。智能合约部署在区块链上，字节码公开但源码未必开源，审计者需从 EVM 字节码中还原逻辑、发现重入或溢出漏洞；固件则常见于 IoT 设备，往往缺乏调试接口，需从二进制镜像中提取文件系统、识别硬编码凭证或后门。这两类目标通常采用非标准架构（如 EVM、MIPS、ARM Thumb）和定制压缩/加密，对通用工具链构成挑战。REA 声称支持这些格式，意味着其工具集可能包含针对特定指令集的反汇编器和模拟器，但实际覆盖深度仍需独立测试确认。

开源与本地运行：降低门槛，但挑战犹存

REA是免费、开源且本地运行的。这意味着用户可以自行审查代码、修改工具，并确保敏感数据不离开本地环境。对于安全研究人员来说，这是一个重要的优势。

然而，开源项目的质量参差不齐，REA的实际效果可能因使用场景而异。视频中的演示可能选择了对REA有利的案例。要全面评估其能力，需要更多的独立测试和社区反馈。

对AI代理发展的意义

REA的出现反映了AI代理正从简单的任务自动化向复杂的专业领域扩展。逆向工程 traditionally 被认为是高度依赖专家经验的领域，AI的介入可能改变这一格局。

但也要看到，AI代理在逆向工程中的应用仍处于早期阶段。法律和伦理问题同样不容忽视：使用AI进行逆向工程可能涉及软件许可协议和版权问题。视频中没有讨论这些方面，但这是实际应用中必须考虑的。

结语

REA的演示令人印象深刻，尤其是3205个测试用例全部通过这一点，展示了AI在代码分析方面的严谨性。然而，单个视频案例不足以证明其通用性。开源社区的后续测试和实际应用将决定REA能否成为逆向工程领域的实用工具。对于AI代理的发展而言，REA是一个值得关注的方向，但距离成熟还有很长的路要走。