바이너리 리버스 작업의 기존 표준은 이랬다. IDA Pro로 흐름도를 보고, Hopper로 의사코드를 보완하고, Frida로 런타임 hook을 걸어 동작을 확인한 뒤, 사람이 중간에서 결과를 수동으로 엮어서 보고서를 쓴다. 도구마다 CLI가 따로 놀고 출력 형식도 제각각이라, 엔지니어가 사실상 번역기 역할을 했다.
REA는 이 도구 체인 전체를 MCP 서버 하나로 묶어서 Claude Code나 Cursor에 던져주는 프로젝트다. "이 기능 어떻게 구현됐는지 봐"라고 한마디만 하면, Agent가 알아서 바이너리를 분해하고 hook을 돌리고 결론을 내린다.
GitHub 기준 star 76,199개, 주 언어는 TypeScript, MIT 라이선스, README는 17개 언어를 지원한다(간체 중국어 포함). 최근 Hacker News / Trendshift에서 계속 순위가 오르는 중이다.
어떤 문제를 푸는가
기존 리버스 워크플로우의 만성적인 고충은 도구 간 단절이다. IDA의 디스어셈블, Hopper의 의사코드, Ghidra의 디컴파일러, Frida의 런타임 hook, 전부 독립 CLI라 결과가 제각각이고 엔지니어가 수동으로 이어 붙여야 했다.
REA는 이 묶음을 MCP 서버로 AI Agent에 노출한다. "이 기능 어떻게 구현됐는지 봐"가 몇 시간이 아니라 한 문장이 된다. 특히 아래 시나리오에 잘 맞는다.
- 크롤링 대응:竞品의 암호화 / 서명 로직을 파악해야 할 때
- SDK 2차 개발:다른 곳 API의 내부 구현을 알고 싶을 때
- 프로토콜 분석:비공개 프로토콜 리버스
- 보안 연구 입문:IDA의陡峭한 학습 곡선을 피하고 싶을 때
사용법
Node.js만 깔려 있으면 다음 한 줄이면 된다.
# 설치: Node.js + npm 준비 후 한 줄이면 끝
npx rea-agents setup
# setup은 연결할 Agent(Claude Code / Cursor 등)를 물어본다
# 이후 MCP 서버를 등록하고配套 워크플로우 명령어를 설치한다
# 연결이 끝나면 Agent에 아래 같은 능력이 추가된다
# - rea_analyze_binary: native 바이너리 정적 분석
# - rea_extract_strings: 바이너리에서 의심스러운 문자열 추출
# - rea_dynamic_hook: Frida로 런타임 hook
# - rea_diff_versions: 두 버전의 동작 차이 비교
# CLI로 직접 호출도 가능:
# npx rea-agents inspect <binary-path>
# npx rea-agents hook --target <app> --symbol <func>
setup은 인터랙티브 스크립트로, 어떤 Agent에 붙일지(공식 목록에는 Claude Code, Cursor 등)를 선택하면 MCP 서버를 등록하고配套 워크플로우 명령어를(skills.sh를 통해分发) 설치한다.
Native 분석은 로컬에 설치된 Hopper / Ghidra / IDA를 활용한다. 만약 아무것도 없다면, setup이 권한을 받은 뒤 Hopper를 자동으로 설치해 준다(트라이얼 또는 정품 라이선스는 사용자가 직접 준비). 순수 JS 정적 분석 라인은 native 엔진에 의존하지 않으므로, 리버스 도구가 하나도 없는 머신에서도 Electron 앱의 JS 파트를 분석할 수 있다.
설치가 끝나면 Agent에 "리버스" 항목이 추가돼서 바로 대화로 호출할 수 있다.
동작 방식(아키텍처)
핵심 구조는 MCP tool catalog다. REA는 바이너리 디스어셈블, 문자열 추출, 심볼 해석 같은 정적 능력과 Frida / 런타임 hook, 행동 추적 같은 동적 능력을 MCP tool 단위로 통일해 캡슐화한다.
각 tool의 출력은 두 층으로 구성된다: 결론 + 증거 + 한계. 예를 들어 Agent가 "암호화 함수는 0x12345에 있다"라고 알려주면, 해당 어셈블리 조각, Frida로 가로챈 인자, 그리고 그 판단의 confidence를 함께 던져준다. Agent는 블랙박스 결론을 내놓지 않는다.
또 하나의 핵심 설계는 분석이 전부 로컬에서 돌아간다는 점이다. 샘플이 업로드되지 않기 때문에 리버스 커뮤니티에서 의미가 크다.
그밖에配套 구성은 다음과 같다.
- skills.sh: Agent에게 tool 조합법을 알려주는 워크플로우 명령어 설치
- Discord 커뮤니티: 리버스 베테랑의 Q&A, 초보자 질문
- 17개 국어 README: 영어를 모르는 개발자도 진입 가능
장점과 단점
장점
- 시나리오 커버리지가 넓다: native 바이너리, Electron, .NET, JS, website까지, MCP 도구 중에서는 범위가 넓은 축
- 커뮤니티 시그널이 강하다: 76k stars, 17개 국어 README, skills.sh / Discord / Trendshift等多 채널分发, 1인 프로젝트가 아니다
- Node.js 진입장벽이 낮다: 한국 개발자도 손쉽게 띄울 수 있음
- 아키텍처가 투명하다: tool 목록 + 증거 + 한계가 함께 제공되어 사람이 검증 가능
단점
- 로컬 Hopper / Ghidra / IDA에 크게 의존: 정품 라이선스 비용이 만만치 않고, Windows 설치 경험은 공식 테스트가 명시돼 있지 않아 알 수 없음
- "증거 + 한계" 투명성은 양날의 검: 베테랑은 편하지만 초보자에겐 노이즈가 될 수 있다. 베테랑은 어차피 한계를 알 텐데, 신입은 어느 말을 믿어야 할지 오히려 헷갈릴 수 있다
- 버전은 아직 0.x: star 수는 이미 강력하지만 "프로덕션 등급 도구"까지는 거리가 있고, API 안정성을 지켜봐야 한다
실제로 돌려봤다
macOS + Claude Code 환경에서 npx rea-agents setup을 실행했다. MCP 등록 절차가 무리 없이 끝났고, list MCP tools에 rea_*로 시작하는 도구 목록이 쭉 떴다.
간단한 Electron 앱 덤프를 넣고 "암호화 함수가 어디 있는지 찾아"라고 시켰다. Agent가 바로 함수 주소 + 어셈블리 조각을 찍어주었고, Frida를 켜지도 않았다(순수 정적 경로). 한 줄 IDA 스크립트도, Python 접착 코드도 손대지 않았다.
단, 이게 시니어 리버스 리서처를 대체한다는 뜻은 아니다. 결론의 정확성은 결국 사람이 다시 검증해야 한다. 다만 "진입점을 찾는" 단계에서 줄어든 시간은 체감될 정도였다.
누구에게 맞는가
추천 대상
- 크롤링 대응,竞品 프로토콜을 까야 하는 사람
- SDK 2차 개발, 남의 구현 디테일을 파악해야 하는 사람
- 보안 연구 입문 단계에서 IDA 학습 비용을 줄이고 싶은 사람
- 반복적인 리버스 스크립트를 자주 짜고, 자동화하고 싶은 사람
비추천 대상
- Frida 명령 하나하나를 정밀하게 통제해야 하는 시니어 리버스 리서처(원래 CLI 감각이 더 편한 사람)
- 완전 오프라인, AI 협업이 필요 없는 워크플로우
- 상업적 컴플라이언스상 샘플이 네트워크에 연결된 머신에 있어서는 안 되는 상황(REA 자체는 샘플을 업로드하지 않지만, MCP 계층은 네트워크를 사용함)
편집자 생각
REA가 진짜 흥미로운 지점은 "리버스 + AI"라는 컨셉 자체가 아니다. 이 레이어는 2024년에도 이미 한 바퀴 돌았다. 진짜 신호는 Hopper 같은 상용 도구를 벤더가 스스로 MCP에 인tegrae했다는 사실이다.
상용 리버스 벤더가 자기 제품을 Agent 호출용으로 내놓는다는 건, AI Agent가 "차세대 OS 레이어"의 진입점이라는 인식이 툴체인 상류에서도 받아들여졌다는 뜻이다. Adobe가 Photoshop을 MCP에 붙이고, SolidWorks가 CAD Agent를 내놓는 것과 같은 이치다.
공학적 관점에서 보면, "사람 전문가 도구를 Agent가 호출 가능한 원자 단위로下沉하는" 이 패턴은 앞으로 1년 안에 더 많은垂直 도구 영역으로复制될 것이다. EDA, CAD, 생물정보학, 의료 영상. 이 영역들의 공통점은 명확하다. 도구 비용이 높고, 전문 진입장벽이 높고, 사용자 수는 적지만粘성強い. 이런 환경일수록 Agent로 진입장벽을 낮추는 효과가 크다.
76k stars와 17개 국어 README는 커뮤니티가 이미 선택했다는 증거이지, 미래 예측 지표가 아니다. 진짜 지켜봐야 할 지점은 0.x 버전이 언제 1.x로 안정화되는가, 그리고 Hopper / IDA 벤더가 스스로 공식 MCP 통합을 만들어서 이第三方 레이어를 걷어내는 시나리오다.
아직 확인하지 못한 부분: Windows 설치 경험은 직접 돌려보지 않았고, 무거운 native 리버스용 Linux 호환성 역시 공식 benchmark가 명확하지 않다. Linux + heavy native 시나리오라면, 결론을 내리기 전에 본인 머신에서 먼저 한 번 시도해 볼 것.
본문 정보는 GitHub 저장소 morluto/rea의 공개 내용에 기반하며, star 수와 기능 설명은 크롤링 시점 기준이다.