1. 为什么要在 TRAE 里接 JADX-AI-MCP 做安卓逆向安卓逆向这件事最耗时间的往往不是“看不懂汇编”而是“在几千个混淆类里找一个字符串是谁写的”。JADX 本身已经能把 DEX 还原成可读 Java但你还得手动点开一个个类、翻 xref、猜变量含义。JADX-AI-MCP 这个插件解决的正是这一段它把 JADX 的反编译结果通过 MCPModel Context Protocol协议暴露给 AI 客户端让模型能直接调用get_class_source、search_classes_by_keyword、xrefs_to_method这类工具等于给 AI 装了一双能“看”进 JADX 的眼睛。TRAE 作为支持 MCP 的编辑器天然适合当这个客户端。你不需要在 JADX 和聊天窗口之间来回复制粘贴直接在 TRAE 的对话里说“分析 MainActivity 里点击按钮触发的校验方法”AI 就会自己去 JADX 里取代码、读逻辑、给结论。适合谁适合已经会用 JADX 打开 APK、但想把这套流程自动化的安全分析人员、CTF 选手以及做 App 加固评估的移动端开发。整条链路是这样的TRAELLM 客户端发起 MCP 工具调用 → JADX-MCP-SERVERPython 服务端转发 HTTP 请求 → JADX-AI-MCP 插件在 JADX GUI 内执行动作取源码、重命名、查引用→ 结果原路返回给模型。理解这个数据流后面配错任何一环你都能定位到是哪段断了。而模型这一端我这次把 Base URL 指到了 TaoToken用它的 OpenAI 兼容接口来驱动 TRAE 里的对话。这样做的原因是逆向分析经常要贴大段反编译代码上下文消耗很快统一走一个稳定的 API 入口配合 Coding Plan 之类的额度方案比每次临时找 key 省心。下面从环境准备开始一步步把这条链路打通。2. TaoToken 前置准备与 JADX-AI-MCP 环境搭建先说 TaoToken 这一侧。你需要拿到两样东西一个 API Key和一个能用的 Base URL。登录官网后进控制台在 API Keys 页面创建一个新 key复制出来存好——它只显示一次。Base URL 固定用https://taotoken.net/api注意这个地址后面不要带斜杠也不要自己拼/v1TRAE 的 OpenAI 兼容配置会自动补路径。模型 ID 按你订阅的方案填比如走 Coding Plan 就用它对应的模型标识具体在控制台的模型列表里能看到。注意API Key 属于敏感凭证不要写进会提交到 Git 的配置文件里。本地调试可以用环境变量或者放在 TRAE 的用户级配置中。接着搭 JADX 这边的环境。你需要三样东西JADX-GUI 本体、JADX-AI-MCP 插件 jar、以及 jadx-mcp-server 服务端。插件和服务端都从项目的 GitHub Releases 页面下载插件是jadx-ai-mcp-version.jar服务端是jadx-mcp-server-version.zip。服务端解压后是一个 Python 工程推荐用 uv 管理依赖比 pip 快且环境隔离干净。安装 uv如果还没装# macOS / Linux curl -LsSf https://astral.sh/uv/install.sh | sh # Windows PowerShell powershell -c irm https://astral.sh/uv/install.ps1 | iex装完 uv 后进入解压出来的服务端目录执行依赖同步。如果你习惯用系统 Python也可以直接pip install -r requirements.txt但要注意先装httpx和fastmcp这两个包否则服务端启动会报模块找不到。我实测用的是 Python 3.13兼容性没问题。插件安装有两种方式。命令行一键装最省事前提是jadx命令已经在环境变量里jadx plugins --install github:zinja-coder:jadx-ai-mcp如果命令行不熟就打开 JADX-GUI进插件管理界面选下载好的 jar 文件手动安装。装完重启 JADX你会在插件列表里看到它。这一步做完JADX 侧就具备了接收 MCP 请求的能力但它还不知道要跟谁通信——那个“谁”就是下一步要注册的 MCP 服务端。3. 可复制的 MCP 配置把 TRAE 接到 JADX 服务端这一节是整篇的核心配置写错一个字符链路就不通。TRAE 的 MCP 配置走的是标准mcpServers结构写在 TRAE 的 MCP 设置里不同版本入口略有差异一般在设置 → MCP 或工具 → MCP Servers。下面给你一份可以直接抄的 JSON路径换成你自己的{ mcpServers: { jadx-mcp-server: { command: uv, args: [ --directory, D:\\jadx-mcp-server-v6.1.0\\jadx-mcp-server\\, run, jadx_mcp_server.py ] } } }这里三个关键点必须对齐command是uv如果你用系统 Python就换成 python.exe 的绝对路径--directory指向服务端解压后的jadx-mcp-server子目录注意结尾的反斜杠在 Windows 下要写成双反斜杠转义jadx_mcp_server.py是入口脚本名别写错。如果你不想用 uv用系统 Python 的版本长这样{ mcpServers: { jadx-mcp-server: { command: E:\\tools\\python313\\python.exe, args: [ E:\\tools\\Reverse\\Android\\jadx-mcp-server-v6.1.0\\jadx-mcp-server\\jadx_mcp_server.py ] } } }现在把模型这一端也指到 TaoToken。TRAE 里配置 OpenAI 兼容模型时填三件套Base URL 填https://taotoken.net/apiAPI Key 填你刚才创建的那串Model ID 填你方案对应的模型标识。这三项缺一不可Base URL 写错会直接 404Key 写错会 401Model ID 写错会报 model not found。提示MCP 服务端和模型 API 是两条独立的链路。MCP 负责让 AI“看到”JADX 里的代码TaoToken 负责让 AI“思考”。两条都要通缺一条对话就会卡住或报错。配置保存后TRAE 一般会自动拉起 MCP 服务端进程。你可以在 TRAE 的 MCP 面板里看到jadx-mcp-server的状态显示 connected 或绿色圆点就说明注册成功。如果显示 failed先别急着改配置去下一节的排错部分对照报错。还有一个进阶选项如果你需要 HTTP 模式远程调用或者本地 9999 端口被占用可以在启动服务端时加参数# 开启 HTTP 模式 uv run jadx_mcp_server.py --http # 指定 JADX 端口默认 9999 uv run jadx_mcp_server.py --jadx-port 8652端口冲突是新手最容易踩的坑之一JADX 默认监听 9999如果这个端口被别的程序占了插件和服务端就握不上手表现就是工具调用一直超时。4. 验证请求一次真实 APK 反编译问答打通链路配置写完必须验证不然你不知道是配置对了还是碰巧没报错。我用一个 CTF 风格的 APK 做演示目标是找到隐藏在里面的 Flag。打开 JADX 加载 APK确认插件已启用然后在 TRAE 对话框里发第一条指令请分析 MainActivity找到点击按钮后触发的校验方法。如果链路通了AI 会调用get_class_source(classNamecom.testjava.jack.pingan1.MainActivity)把类源码取回来然后告诉你点击按钮会执行onClick该方法读取用户输入用一个自定义的 Base64 算法由Base64New类实现加密再和硬编码的密文5rFf7E2K6rqN7Hpiyush7E6S5fJg6rsi5NBf6NGT5rs比较。接着追问第二步分析 Base64New 类详细解释其编码逻辑并检查它使用的字符表是否为标准 Base64 字符表。AI 会调get_class_source取Base64New对比后返回结论这是一个换表 Base64自定义字符表是vwxrstuopq34567ABCDEFGHIJyz012PQRSTKLMNOZabcdUVWXYefghijklmn89/标准表是ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789/。到这一步说明 AI 已经能正确读取并理解 JADX 里的反编译结果链路是通的。第三步让它直接写解题脚本根据分析出的自定义 Base64 字符表和 MainActivity 中的密文帮我写一个 Python 脚本还原出 Flag。AI 生成的脚本大致如下import base64 # 自定义字符表从 Base64New 类提取 custom_table vwxrstuopq34567ABCDEFGHIJyz012PQRSTKLMNOZabcdUVWXYefghijklmn89/ # 标准 Base64 字符表 std_table ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789/ # 密文从 MainActivity 提取 cipher 5rFf7E2K6rqN7Hpiyush7E6S5fJg6rsi5NBf6NGT5rs # 建立映射并转换 trans_map str.maketrans(custom_table, std_table) std_cipher cipher.translate(trans_map) # 标准 Base64 解码 flag base64.b64decode(std_cipher).decode(utf-8) print(fFlag: {flag})跑一下就能拿到 Flag。最后再试一个重命名操作验证写能力把 Base64New 类重命名为 CustomBase64表明它是一个自定义的 Base64 实现。AI 会调rename_class(com.testjava.jack.pingan1.Base64New, CustomBase64)JADX 界面里的引用会自动更新MainActivity中的代码变成CustomBase64 nb new CustomBase64();可读性立刻上来了。到这一步读、搜、改三类操作都验证过环境算真正打通。5. 本篇常见报错排查401、local proxy failed 与 OAuth链路不通时报错信息其实很明确关键是知道往哪查。下面按我实际遇到的几类整理。401 Unauthorized这是模型 API 侧的问题不是 MCP 的问题。原因通常是 TaoToken 的 API Key 填错、过期或者 Base URL 写成了带/v1的地址。检查三件套Base URL 必须是https://taotoken.net/apiKey 从控制台重新复制一次Model ID 和你的方案匹配。改完保存重启 TRAE 的对话。local proxy failed / connection refused这是 MCP 服务端没起来或者端口对不上。先看 TRAE 的 MCP 面板状态如果是 failed手动在终端跑一遍uv run jadx_mcp_server.py看它报什么。常见的是依赖没装全缺 httpx 或 fastmcp或者--directory路径写错导致找不到入口脚本。如果服务端起来了但工具调用超时多半是 JADX 的 9999 端口被占用--jadx-port换一个。reading choices 报错这个通常出现在模型返回体解析阶段说明 API 返回的不是标准 OpenAI 格式。检查 Base URL 是否被 TRAE 自动拼了多余路径或者 Model ID 填成了不存在的模型。换一个确认可用的模型 ID 再试。OAuth 相关报错如果你在 TRAE 里同时配了需要 OAuth 的模型提供商可能会和 MCP 的鉴权混淆。MCP 服务端本身走的是本地 stdio不需要 OAuthOAuth 报错一般来自模型侧配置。把模型配置和 MCP 配置分开检查别把两套凭证搞混。工具调用返回空 / 找不到类链路是通的但 AI 拿不到数据。检查 JADX 里 APK 是否已经反编译完成进度条走完以及类名是否写对。混淆后的类名大小写敏感com.testjava.jack.pingan1.MainActivity少一个点都取不到。排查顺序建议固定成先确认 MCP 面板 connected → 再确认模型能正常对话发一句“你好”看有没有回复→ 最后才测工具调用。这样能把问题范围快速缩小到某一环。6. 把这条链路用起来从验证到日常分析环境打通只是起点真正省时间的是把它变成日常习惯。我现在分析一个新 APK 的固定动作是JADX 加载完先在 TRAE 里让 AI 读 AndroidManifest把权限、导出组件、intent-filter 过一遍快速判断这个 App 的攻击面在哪。这一步用get_android_manifest()就能拿到比手动翻快得多。然后是字符串和加密逻辑。遇到混淆严重的类直接让 AI 做批量重命名把a、b、c改成有语义的名字后续读代码轻松很多。查某个方法被谁调用用xrefs_to_method()AI 会把调用点列出来并解释调用链。调试阶段如果挂了调试器debug_get_stack_frames()和debug_get_variables()能把当前栈帧和变量值喂给模型让它帮你判断崩溃原因。几个实用技巧提示词尽量具体说“分析 X 类里 Y 方法的 Z 逻辑”比“看看这个类”有效得多一次别让 AI 读太多类上下文会爆分步追问效果更好重命名操作不可逆动手前先确认类名没写错。TaoToken 这边长期做逆向分析建议用 Coding Plan额度稳定不用担心分析到一半断掉。需要看模型能力或临时验证走模型对话页面就行接入细节和参数以官方文档为准API Key 在控制台的 API Keys 页面管理。这套“编辑器 MCP 模型”的组合本质是把重复的翻代码、找引用、猜语义交给 AI你专注在判断和决策上。配一次后面每个 APK 都能复用。