Dejared MCP membawa dekompilasi JAR ke dalam alur kerja MCP AI
Dejared MCP, dikembangkan oleh Hqkh4nh, adalah server MCP yang memberdayakan asisten AI untuk mendekompilasi dan memeriksa file JAR Java untuk analisis kode dan debugging. Ini mengintegrasikan decompiler Fernflower untuk mengubah file .class menjadi sumber Java yang dapat dibaca, menawarkan inspeksi konten dan pembacaan kelas yang ditargetkan untuk membatasi pemrosesan, dan mengekspos fungsi-fungsi ini kepada klien MCP. Pengembang Java, peneliti keamanan, dan insinyur yang menggunakan pengembangan yang dibantu AI mendapatkan visibilitas langsung yang dapat diakses AI ke dalam pustaka yang dikompilasi tanpa langkah dekompilasi manual.
Tugas apa yang sebenarnya dapat Anda gunakan untuk itu?
Alat ini berjalan sebagai server MCP yang memungkinkan asisten AI mengubah artefak Java yang telah dikompilasi menjadi kode yang dapat dibaca dan memeriksa isi arsip. Ini menggunakan decompiler terintegrasi untuk menerjemahkan file .class, menyediakan daftar struktur JAR internal, dan mendukung pengambilan kelas individu untuk analisis yang lebih fokus. Fungsi-fungsi ini memungkinkan rekayasa balik, debugging, dan memahami pustaka Java pihak ketiga atau warisan langsung dalam alur kerja yang didorong oleh AI.
Seberapa akurat keluaran yang didekompilasi?
Karena alat ini bergantung pada decompiler tersebut, sumber yang dihasilkan merekonstruksi konstruksi Java tingkat tinggi dan memulihkan alur kontrol dalam banyak kasus, sesuai dengan mesin yang digunakan oleh IDE populer seperti IntelliJ IDEA. Keterbacaan tergantung pada kualitas input dan obfuscation: decompiler merekonstruksi logika tetapi tidak dapat mengembalikan nama pengidentifikasi asli jika telah dihapus. Perlakukan kode yang didekompilasi sebagai rekonstruksi yang dibantu dan validasi bagian-bagian penting selama pemeriksaan keamanan atau ketepatan.
Apakah ini cocok dengan alur kerja Java yang dibantu AI yang ada?
Pengembang merancang server untuk terintegrasi dengan klien Model Context Protocol; catatan kompatibilitas menyebutkan alat-alat yang sesuai dengan MCP seperti Claude Desktop. Menjalankan layanan memerlukan Node.js dan Java Runtime untuk mengeksekusi decompiler, dan beroperasi di Windows, macOS, dan Linux. Dokumentasi proyek menyarankan untuk memanggil server melalui node atau npx dari konfigurasi klien, yang menempatkan alat sebagai titik integrasi di dalam jalur pengembangan yang dibantu AI daripada aplikasi GUI mandiri.
Rekomendasi praktis dan kesesuaian
Alat ini adalah opsi pragmatis bagi pengembang Java dan peneliti keamanan yang membutuhkan visibilitas yang dapat diakses AI ke dalam biner yang telah dikompilasi; hasilnya mempercepat inspeksi tetapi memerlukan tinjauan manusia untuk kebenaran dan keputusan yang kritis terhadap keamanan. Untuk penggunaan operasional, jalankan di dalam lingkungan analisis yang terkendali, gabungkan output yang didekompilasi dengan analisis statis konvensional, dan perlakukan sumber yang direkonstruksi sebagai titik awal untuk memandu penyelidikan manual yang lebih dalam.
Kelebihan
Mengintegrasikan decompiler Fernflower untuk rekonstruksi Java tingkat tinggi
Mengungkapkan dekompilasi kepada klien MCP seperti Claude Desktop
Memungkinkan pembacaan kelas yang ditargetkan untuk membatasi pemrosesan dan penggunaan token
Memberikan daftar struktur internal JAR untuk inspeksi cepat
Kelemahan
Memerlukan Node.js dan Java Runtime untuk dieksekusi
Keterbacaan menurun pada JAR yang sangat terobfuscate
Manfaat tergantung pada memiliki klien yang kompatibel dengan MCP
Keluaran yang didekompilasi memerlukan verifikasi manual untuk pekerjaan keamanan
Hukum terkait penggunaan perangkat lunak ini berbeda di tiap negara. Kami tidak mendorong atau membenarkan penggunaan program ini jika melanggar hukum. Softonic mungkin menerima biaya rujukan jika Anda mengeklik atau membeli produk yang ditampilkan di sini.
