IDA Pro MCP 插件

MCP (Modding and Code Analysis Plugin) 是一个功能强大的 IDA Pro 插件，旨在提供丰富的代码分析、自动化和修改功能，帮助逆向工程师和安全研究人员更高效地进行二进制分析。此插件现已升级支持最新的 MCP 协议标准。

GitHub 项目地址：https://github.com/namename333/idapromcp_333

本项目基于 mrexodia/ida-pro-mcp（ https://github.com/mrexodia/ida-pro-mcp ）

二次开发增强，保留原核心功能并自行diy扩展了一些功能。

十分建议大家去下载原项目，我本意是自己根据原项目自己加一点trace功能什么的和优化一些操作方便我自己使用，但是原项目更新太快太厉害了，我如果要更新要么功能远不如，要么就基本上照抄。。

开发者

name - 开发者（QQ：1559820232）
grand - 开发者 (QQ: 3527424707)
Britney - 开发者 (QQ: 2855057900)

版本更新 (v2.0)

新增 script_utils 模块 - 提供脚本生成辅助函数库，包含地址检测、目标表达式生成、脚本内容构建等功能，大幅提升代码可维护性和重用性
优化 Frida 脚本生成 - 重构 generate_frida_script 函数，使用 script_utils 模块提供的标准化辅助函数，提供更可靠的地址检测和目标表达式生成
增强错误处理 - 添加完善的异常处理和回退机制，确保即使 script_utils 模块出现问题，仍可使用内置实现继续工作
改进安装脚本 - 支持更多平台和IDA版本，提供更详细的安装信息，确保 script_utils 模块正确安装
添加日志记录 - 优化日志系统，便于调试和问题排查，记录 script_utils 模块的使用情况和潜在问题
扩展功能支持 - 增强对 Java 应用、Windows 平台和不同架构的支持

script_utils 模块详解

模块概述

script_utils 是 v2.0 版本新增的核心组件，专门用于辅助生成和管理 Frida 脚本。该模块提供了一系列标准化的函数，使脚本生成过程更加一致、可靠和可维护。

主要功能函数

1. _is_address_string

def _is_address_string(text: str) -> bool:
    """
    检查字符串是否为有效的十六进制地址格式
    参数：
        text: 要检查的字符串
    返回：
        bool: 如果是有效地址则返回 True，否则返回 False
    """

2. _get_target_expression

def _get_target_expression(target: str, is_address: bool) -> str:
    """
    根据目标类型生成 Frida 表达式
    参数：
        target: 目标函数名或地址
        is_address: 是否为地址
    返回：
        str: 适用于 Frida 脚本的目标表达式
    """

3. _get_app_environment

def _get_app_environment(app_type: str) -> tuple:
    """
    根据应用类型获取环境前缀和后缀
    参数：
        app_type: 应用类型（'native' 或 'java'）
    返回：
        tuple: (script_prefix, script_suffix) - 脚本的前缀和后缀
    """

4. _generate_hook_script

def _generate_hook_script(target: str, options: dict = None) -> str:
    """
    生成函数 Hook 脚本
    参数：
        target: 目标函数名或地址
        options: 配置选项，包括 app_type、log_args、log_return 等
    返回：
        str: 生成的 Hook 脚本代码
    """

5. _generate_memory_dump_script

def _generate_memory_dump_script(target: str, options: dict = None) -> str:
    """
    生成内存监控脚本
    参数：
        target: 要监控的内存地址
        options: 配置选项，包括 size、interval、compare_before_after 等
    返回：
        str: 生成的内存监控脚本代码
    """

6. _generate_string_hook_script

def _generate_string_hook_script(target: str, options: dict = None) -> str:
    """
    生成字符串监控脚本
    参数：
        target: 目标地址（可选）
        options: 配置选项，包括 string_functions、address_monitor、capture_callstack 等
    返回：
        str: 生成的字符串监控脚本代码
    """

7. _get_usage_notes

def _get_usage_notes() -> str:
    """
    获取脚本使用说明
    返回：
        str: 详细的使用说明文本
    """

使用 script_utils 生成 Frida 脚本

通过 MCP 插件的 generate_frida_script 方法可以使用 script_utils 模块生成三种类型的 Frida 脚本：

1. 函数 Hook 脚本

# 生成函数 Hook 脚本的示例
hook_script = ida_pro_mcp.generate_frida_script(
    target="main",            # 目标函数名
    script_type="hook",       # 脚本类型为 hook
    options={
        "app_type": "native",  # 应用类型为原生二进制
        "log_args": True,       # 记录函数参数
        "log_return": True,     # 记录返回值
        "detailed_log": False   # 简洁日志输出
    }
)

2. 内存监控脚本

# 生成内存监控脚本的示例
memory_script = ida_pro_mcp.generate_frida_script(
    target="0x12345678",      # 要监控的内存地址
    script_type="memory_dump", # 脚本类型为内存监控
    options={
        "size": 1024,           # 监控内存大小（字节）
        "interval": 100,        # 监控间隔（毫秒）
        "compare_before_after": True # 比较内存前后变化
    }
)

3. 字符串监控脚本

# 生成字符串监控脚本的示例
string_script = ida_pro_mcp.generate_frida_script(
    target="",                 # 不需要特定目标函数
    script_type="string_hook",  # 脚本类型为字符串监控
    options={
        "string_functions": True,     # Hook 常见字符串函数
        "address_monitor": "0x10000000", # 监控特定内存区域
        "capture_callstack": True    # 捕获调用栈
    }
)

配置选项详解

hook 类型选项

app_type: 应用类型（"native" 或 "java"）
log_args: 是否记录参数（默认：true）
log_return: 是否记录返回值（默认：true）
detailed_log: 是否输出详细日志（默认：false）
custom_prefix: 自定义日志前缀
callstack_depth: 调用栈记录深度（默认：5）

memory_dump 类型选项

size: 监控内存大小（字节）
interval: 监控间隔（毫秒）
compare_before_after: 是否比较内存前后变化（默认：true）
dump_to_file: 是否将内存转储保存到文件
file_path: 保存路径（当 dump_to_file 为 true 时有效）

string_hook 类型选项

string_functions: 是否 Hook 常见字符串函数（默认：true）
address_monitor: 要监控的特定地址（可选）
capture_callstack: 是否捕获调用栈（默认：true）
monitor_strlen: 监控字符串长度阈值（默认：0，监控所有长度）
string_encoding: 字符串编码（"utf8"、"utf16" 等）

故障排除

脚本生成错误

如果 generate_frida_script 函数返回错误或生成的脚本无法正常工作：

检查目标函数名或地址：确保提供的目标是有效的
验证脚本类型：确认脚本类型为支持的类型（hook、memory_dump、string_hook）
检查配置选项：确保配置选项正确且类型匹配
查看 IDA 控制台：插件会输出 [MCP] 前缀的日志，帮助排查问题
验证 script_utils 模块：确认 script_utils 模块已正确安装

script_utils 模块加载失败

如果 IDA 控制台显示 script_utils 模块加载失败：

检查配置文件：确认 config.json 中的 script_utils_path 配置正确
重新安装：运行 python install.py --script-lib "path_to_script_lib" 重新安装
检查权限：确保 IDA Pro 有权限访问 script_utils.py 文件

标准 MCP 协议支持

支持 /jsonrpc 和 /mcp 两种访问路径
实现标准 check_connection 和 get_methods 接口
MCP 协议版本 1.6.0
自描述 API 功能

项目简介

MCP 插件通过 JSON-RPC 协议提供了一个强大的 API，允许用户通过 HTTP 请求调用 IDA Pro 的各种功能。该插件特别关注以下几个方面：

自动化分析流程
增强的函数和变量分析
批量处理功能
动态分析辅助工具
混淆代码检测
常见算法识别
标准 MCP 协议兼容

主要功能

1. 批量处理功能

批量重命名函数：根据命名规则或模式批量重命名函数
批量添加注释：自动为函数和变量添加描述性注释
批量设置变量类型：根据分析结果自动设置本地变量类型
批量设置函数原型：统一设置函数的参数和返回类型

2. 混淆检测功能

控制流平坦化检测：识别控制流混淆
字符串加密检测：检测字符串加密和动态解密模式
反调试检测：识别常见的反调试技术
死代码检测：发现无用的代码块

3. 算法识别功能

自动识别常见加密算法、哈希函数和编码方式

4. 动态分析辅助功能

生成 Angr 符号执行脚本：辅助进行符号执行和爆破
生成 Frida 动态分析脚本：支持函数 Hook、内存监控和字符串监控
脚本保存和运行：便捷地保存和执行生成的分析脚本
Windows 平台兼容性优化：特别优化了在 Windows 环境下的使用体验

5. 调用图分析

生成函数调用关系图，支持可视化展示

安装步骤

系统要求

IDA Pro 7.5+（支持 Python 3.8+）
Python 3.8 或更高版本
支持 Windows、macOS 和 Linux 操作系统
推荐使用 Python 3.11+ 以获得最佳体验

方法一：使用 pip 安装（推荐）

直接通过 pip 安装插件：
```
pip install ida-pro-mcp
```

将插件安装到 IDA Pro：

# 找到您的 IDA Pro 插件目录
# Windows 通常位于: C:\Program Files\IDA Pro 7.xx\plugins\
# 复制插件文件到该目录
python -m ida_pro_mcp.install

方法二：手动安装

克隆或下载本项目代码：

git clone https://github.com/namename333/idapromcp_333.git
cd idapromcp_333

使用提供的安装脚本（推荐）：
```
python install.py
```
- 该脚本会自动安装依赖并将插件复制到 IDA Pro 的插件目录
- 如果需要指定 IDA Pro 路径：
```
python install.py --ida-path "C:\Program Files\IDA Pro 7.7"
```
- 如果要跳过依赖安装：
```
python install.py --skip-deps
```
- 如果需要指定自定义Python解释器路径：
```
python install.py --python-exe "C:\Python311\python.exe"
```
- 如果需要指定自定义IDA插件目录路径：
```
python install.py --plugin-dir "D:\MyPlugins\ida_pro_mcp"
```
- 如果需要指定自定义script库路径（用于存储生成的脚本和script_utils模块）：
```
python install.py --script-lib "D:\MyScripts"
```
注意：确保 script_utils 模块正确安装，它是v2.0版本中新增的重要组件，用于增强代码生成和脚本功能。

所有选项可以组合使用：
```
python install.py --ida-path "C:\Program Files\IDA Pro 7.7" --python-exe "C:\Python311\python.exe" --plugin-dir "D:\MyPlugins\ida_pro_mcp" --script-lib "D:\MyScripts"
```

手动安装（可选）：

安装依赖：

pip install -r requirements.txt
# 安装额外的动态分析工具（推荐）
pip install angr frida-tools

复制 src/ida_pro_mcp 目录到 IDA Pro 的插件目录：

# Windows 示例
xcopy /E src\ida_pro_mcp "C:\Program Files\IDA Pro 7.xx\plugins\ida_pro_mcp"

复制 ida-plugin.json 到 IDA Pro 的插件目录：

# Windows 示例
copy ida-plugin.json "C:\Program Files\IDA Pro 7.xx\plugins"

验证安装

启动 IDA Pro，通过以下方式启动 MCP 服务器：
- 菜单：Edit -> Plugins -> MCP
- 快捷键：Ctrl-Alt-M
服务器启动后，将在端口 13337 上监听 JSON-RPC 请求

可以使用以下命令测试连接：

import requests
import json

url = "http://localhost:13337/mcp"
headers = {"Content-Type": "application/json"}

payload = {
    "jsonrpc": "2.0",
    "method": "check_connection",
    "params": [],
    "id": 1
}

response = requests.post(url, data=json.dumps(payload), headers=headers)
print(response.json())

故障排除

端口 13337 已被占用：修改 mcp-plugin.py 中的端口设置
找不到插件：确保插件文件放置在正确的 IDA Pro 插件目录中
Python 版本不匹配：确认 IDA Pro 使用的 Python 版本为 3.11+，可以通过 IDA 控制台执行 import sys; print(sys.version) 检查
依赖错误：确保所有依赖已正确安装，可以再次运行 pip install -r requirements.txt
script_utils 模块错误：
- 检查 config.json 中的 script_utils_path 配置
- 确认 script_utils.py 文件存在且权限正确
- 尝试重新运行安装脚本 python install.py --script-lib "path_to_script_lib"
Frida 脚本生成失败：
- 检查目标函数名或地址是否有效
- 确认脚本类型是否为支持的类型
- 查看 IDA 控制台的 [MCP] 前缀日志获取详细错误信息

使用方法

示例脚本

我们提供了一个完整的示例脚本 example_usage.py，展示了如何使用 MCP 插件的核心功能：

运行示例脚本：
```
python example_usage.py
```
脚本功能包括：
- 连接到 MCP 服务器
- 获取元数据信息
- 查询函数详情
- 生成函数调用图
- 创建 Angr 符号执行脚本

API 基本用法

MCP 插件通过 JSON-RPC 协议提供 API，您可以使用任何支持 HTTP 请求的工具或编程语言与之交互。以下是一个基本的请求示例：

import requests
import json

url = "http://localhost:13337/jsonrpc"
headers = {"Content-Type": "application/json"}

payload = {
    "jsonrpc": "2.0",
    "method": "get_function",
    "params": ["0x401000"],
    "id": 1
}

response = requests.post(url, data=json.dumps(payload), headers=headers)
result = response.json()
print(result)

详细功能文档

基础架构

MCP 插件的基础架构包括 RPC 服务器、线程安全机制和错误处理系统。

RPCRegistry 类

功能：注册和分发 JSON-RPC 方法的核心类

主要方法：

register(name, func, args=None): 注册新的 RPC 方法
dispatch(method, params): 分发 RPC 请求到对应的处理函数

JSONRPCRequestHandler 类

功能：处理 HTTP 请求并解析 JSON-RPC 协议

主要方法：

do_POST(): 处理 POST 请求并执行相应的 RPC 方法

MCPHTTPServer 类

功能：实现 HTTP 服务器，提供 JSON-RPC 接口

主要方法：

__init__(port): 初始化服务器并设置端口
run(): 启动服务器并开始监听请求
stop(): 停止服务器

线程安全装饰器

@idaread: 确保函数在读取操作时线程安全
@idawrite: 确保函数在写入操作时线程安全

元数据和基本信息获取

get_image_size()

功能：获取当前加载的镜像文件大小

返回：整数，表示文件大小（字节）

get_metadata()

功能：获取当前 IDB 文件的元数据信息

返回：包含元数据的字典

  {
      "file_path": "",  # 文件路径
      "file_size": 0,   # 文件大小（字节）
      "arch": "",       # 架构信息
      "bits": 0,        # 位数（32/64）
      "compiler": ""    # 编译器信息（如果可识别）
  }

get_prototype(function_address)

功能：获取函数的原型信息

参数：

function_address: 函数地址（字符串格式）

返回：函数原型字符串

函数和变量分析

get_function(function_address)

功能：获取函数的详细信息

参数：

function_address: 函数地址（字符串格式）

返回：包含函数信息的字典

  {
      "name": "",              # 函数名称
      "address": "",           # 函数地址
      "size": 0,               # 函数大小（字节）
      "prototype": "",         # 函数原型
      "is_imported": False,    # 是否为导入函数
      "is_thunk": False,       # 是否为 thunk 函数
      "callers": [],           # 调用此函数的函数列表
      "callees": []            # 此函数调用的函数列表
  }

parse_address(address)

功能：解析地址字符串为整数形式

参数：

address: 地址字符串（支持多种格式，如 "0x401000"）

返回：整数形式的地址

get_function_by_name(function_name)

功能：通过名称查找函数

参数：

function_name: 函数名称

返回：包含函数信息的字典（与 get_function 相同）

get_function_by_address(function_address)

功能：通过地址查找函数

参数：

function_address: 函数地址

返回：包含函数信息的字典（与 get_function 相同）

list_functions()

功能：列出数据库中的所有函数

返回：函数信息列表（每个元素与 get_function 返回格式相同）

get_current_address()

功能：获取当前光标位置的地址

返回：字符串格式的地址

get_current_function()

功能：获取当前光标所在的函数信息

返回：包含函数信息的字典（与 get_function 相同）

反汇编和反编译

decompile_checked(function_address)

功能：安全地反编译函数，包含错误处理

参数：

function_address: 函数地址

返回：反编译得到的伪代码字符串

decompile_function(function_address)

功能：反编译函数并获取伪代码

参数：

function_address: 函数地址

返回：反编译得到的伪代码字符串

disassemble_function(function_address)

功能：获取函数的汇编代码信息

参数：

function_address: 函数地址

返回：包含汇编代码信息的字典

  {
      "address": "",       # 函数地址
      "name": "",          # 函数名称
      "instructions": [     # 指令列表
          {
              "address": "",  # 指令地址
              "mnem": "",     # 指令助记符
              "op_str": "",   # 操作数字符串
              "bytes": ""     # 指令字节码
          }
          # ...更多指令
      ]
  }

调用图分析

get_function_call_graph(start_address, depth=3, mermaid=False)

功能：生成函数调用图

参数：

start_address: 起始函数地址
depth: 递归深度（默认 3）
mermaid: 是否返回 mermaid 格式的图表定义（默认 False）

返回：包含调用图信息的字典

  {
      "graph": {},     # 邻接表或 mermaid 字符串
      "nodes": [],     # 节点列表（函数地址）
      "edges": []      # 边列表（调用关系）
  }

调用示例：

# 获取调用图（邻接表格式）
call_graph = get_function_call_graph("0x401000", depth=2)

# 获取 mermaid 格式调用图（可用于可视化）
mermaid_graph = get_function_call_graph("0x401000", depth=2, mermaid=True)

混淆检测

detect_obfuscation(function_address)

功能：检测常见混淆模式

参数：

function_address: 要检测混淆的函数地址

返回：包含混淆检测结果的字典

  {
      "flattening": False,         # 是否存在控制流平坦化
      "string_encryption": False,  # 是否存在字符串加密
      "anti_debug": False,         # 是否存在反调试技术
      "dead_code": False,          # 是否存在死代码
      "details": ""                # 详细信息
  }

调用示例：

obfuscation_result = detect_obfuscation("0x401234")
if obfuscation_result["flattening"]:
    print(f"函数 {obfuscation_result['details']} 可能存在控制流平坦化")

算法识别

get_algorithm_signature(function_address)

功能：自动识别常见算法

参数：

function_address: 要识别算法的函数地址

返回：包含算法识别结果的字典

  {
      "algorithm": "unknown",  # 识别出的算法名称（多个用逗号分隔）
      "confidence": 0.0         # 置信度（0.0-1.0）
  }

支持的算法：

加密算法：AES、DES、RC4、TEA、XOR 等
哈希函数：MD5、SHA1、SHA256、CRC32 等
编码方式：Base64、Base32、Base58、Base85、Rot13 等
压缩算法：zlib、LZMA 等
随机数生成：Mersenne Twister 等

调用示例：

algo_result = get_algorithm_signature("0x401567")
if algo_result["confidence"] > 0.5:
    print(f"识别到算法: {algo_result['algorithm']}, 置信度: {algo_result['confidence']}")

Patch点定位

get_patch_points(function_address)

功能：自动定位可 Patch 位置

参数：

function_address: 要定位 patch 点的函数地址

返回：Patch 点列表

  [
      {
          "address": "",  # patch 点地址
          "mnem": ""       # 指令助记符或类型
      }
      # ...更多 patch 点
  ]

调用示例：

patch_points = get_patch_points("0x401890")
for point in patch_points:
    print(f"建议 patch 点: {point['address']} ({point['mnem']})")

批量处理功能

batch_rename_functions(name_pattern, target_functions=None)

功能：批量重命名函数

参数：

name_pattern: 命名模式（可以包含 {index}、{old_name} 等占位符）
target_functions: 目标函数列表（可选，默认处理所有函数）

返回：重命名结果的字典

  {
      "success_count": 0,   # 成功重命名的函数数量
      "failed_count": 0,    # 重命名失败的函数数量
      "failed_functions": []  # 重命名失败的函数列表
  }

调用示例：

# 为所有函数添加前缀
result = batch_rename_functions("func_{index}")

# 为特定函数重命名
result = batch_rename_functions("custom_{old_name}", ["0x401000", "0x401100"])

batch_add_comments(comments, target_functions=None)

功能：批量添加函数注释

参数：

comments: 注释内容或注释映射字典
target_functions: 目标函数列表（可选）

返回：添加注释结果的字典

  {
      "success_count": 0,   # 成功添加注释的函数数量
      "failed_count": 0,    # 添加注释失败的函数数量
      "failed_functions": []  # 添加注释失败的函数列表
  }

调用示例：

# 为所有函数添加相同的注释
result = batch_add_comments("需要进一步分析")

# 为不同函数添加不同的注释
comments_map = {
    "0x401000": "初始化函数",
    "0x401100": "加密函数"
}
result = batch_add_comments(comments_map)

batch_set_local_variable_types(function_address, type_map)

功能：批量设置函数内本地变量的类型

参数：

function_address: 函数地址
type_map: 变量名到类型的映射

返回：设置变量类型结果的字典

  {
      "success_count": 0,   # 成功设置类型的变量数量
      "failed_count": 0,    # 设置类型失败的变量数量
      "failed_variables": []  # 设置类型失败的变量列表
  }

调用示例：

types = {
    "var_4": "int *",
    "var_8": "char *"
}
result = batch_set_local_variable_types("0x401000", types)

batch_set_function_prototypes(prototype_map)

功能：批量设置函数原型

参数：

prototype_map: 函数地址到原型的映射

返回：设置函数原型结果的字典

  {
      "success_count": 0,   # 成功设置原型的函数数量
      "failed_count": 0,    # 设置原型失败的函数数量
      "failed_functions": []  # 设置原型失败的函数列表
  }

调用示例：

prototypes = {
    "0x401000": "int __cdecl init(void)",
    "0x401100": "int __cdecl encrypt(char *data, int len)"
}
result = batch_set_function_prototypes(prototypes)

动态分析辅助

generate_angr_script(target, script_type, options=None)

功能：生成 angr 符号执行或爆破脚本

参数：

target: 目标函数名或地址
script_type: 脚本类型（'symbolic_exec', 'brute_force', 'control_flow'）
options: 可选配置参数

返回：生成的 Python 脚本代码

调用示例：

# 生成符号执行脚本
script = generate_angr_script("0x401000", "symbolic_exec")

# 生成密码爆破脚本
brute_script = generate_angr_script("0x401234", "brute_force", {"input_size": 32})

generate_frida_script(target, script_type, options=None)

功能：生成 Frida 动态分析脚本，完全集成 script_utils 模块，提供强大的脚本生成能力

参数：

target: 目标函数名或地址（支持十六进制字符串格式如 "0x401000" 或十进制数字）
script_type: 脚本类型，支持：
- hook: 函数调用拦截和参数监控
- memory_dump: 内存读写监控和数据捕获
- string_hook: 字符串操作监控和过滤
options: 可选配置字典，支持：
- app_type: 应用类型（'native' 或 'java'，默认为 'native'）
- module: 目标模块名称，用于更精确的函数定位
- arg_count: Hook 函数时参数数量
- size: 内存监控大小时使用
- string_pattern: 字符串监控的过滤模式
- monitor_read: 是否监控内存读取操作
- monitor_write: 是否监控内存写入操作

返回：生成的 JavaScript 脚本代码，包含完整的导入语句、函数定义和使用示例

内部工作原理：

优先调用 script_utils 模块中的专用函数生成脚本内容：
- _generate_hook_script: 生成函数 Hook 脚本
- _generate_memory_dump_script: 生成内存监控脚本
- _generate_string_hook_script: 生成字符串监控脚本
- _get_usage_notes: 获取脚本使用说明
集成 script_utils 的地址检查和目标表达式生成功能
实现优雅的异常处理和回退机制，确保即使 script_utils 模块不可用，仍可使用内置实现

调用示例：

# 生成基本函数 Hook 脚本
hook_script = generate_frida_script("0x401000", "hook", {"arg_count": 3})

# 生成内存监控脚本，指定监控大小和读写操作
mem_script = generate_frida_script("0x402000", "memory_dump", 
    {"size": 2048, "monitor_read": True, "monitor_write": True})

# 为 Java 应用生成函数 Hook 脚本
java_script = generate_frida_script("com.example.TargetClass.targetMethod", "hook", 
    {"app_type": "java"})

# 生成字符串监控脚本，使用过滤模式
string_script = generate_frida_script("0x403000", "string_hook", 
    {"string_pattern": "password"})

典型应用场景：

分析程序执行流程和参数传递
监控敏感内存区域的数据变化
捕获和分析程序中的字符串操作
调试和逆向工程复杂应用程序
安全研究和漏洞分析

save_generated_script(script_content, script_type, file_name=None)

功能：保存生成的脚本到文件

参数：

script_content: 脚本内容
script_type: 脚本类型（'angr' 或 'frida'）
file_name: 保存的文件名（可选，默认生成带时间戳的文件名）

返回：保存结果信息，包含文件路径和运行命令提示

调用示例：

# 保存 angr 脚本
result = save_generated_script(script_content, "angr", "my_analysis.py")

# 保存 frida 脚本
result = save_generated_script(script_content, "frida", "my_hook.js")

run_external_script(script_path, script_type, target_binary=None, target_pid=None)

功能：运行外部脚本（angr 或 frida）

参数：

script_path: 脚本文件路径
script_type: 脚本类型（'angr' 或 'frida'）
target_binary: 目标二进制文件路径（可选）
target_pid: 目标进程 ID（可选，用于 frida 附加到运行中的进程）

返回：脚本执行的输出结果

调用示例：

# 运行 angr 脚本
result = run_external_script("my_analysis.py", "angr")

# 运行 frida 脚本附加到已运行的进程
result = run_external_script("my_hook.js", "frida", target_pid=12345)

get_run_command_hint(script_type, script_path)

功能：获取运行脚本的命令提示

参数：

script_type: 脚本类型（'angr' 或 'frida'）
script_path: 脚本文件路径

返回：运行命令字符串

典型工作流

基础分析流程

加载二进制文件到 IDA Pro
启动 MCP 插件服务器（Ctrl-Alt-M）
使用 get_metadata() 获取基本信息
使用 list_functions() 浏览所有函数
使用 get_function() 深入分析特定函数
使用 decompile_function() 获取伪代码
使用 detect_obfuscation() 检测混淆
使用 get_algorithm_signature() 识别算法

动态分析流程

确定分析目标函数
使用 generate_frida_script() 生成 Hook 脚本
使用 save_generated_script() 保存脚本
使用 run_external_script() 运行脚本并观察结果
分析输出结果并调整脚本参数

批量处理流程

选择需要处理的函数集
使用 batch_rename_functions() 统一命名规范
使用 batch_set_local_variable_types() 设置变量类型
使用 batch_set_function_prototypes() 规范函数原型
使用 batch_add_comments() 添加描述性注释

高级用法

使用调用图进行分析

使用 get_function_call_graph() 生成调用图
分析关键函数的调用关系
识别程序的核心组件和数据流

调试器控制

MCP 插件提供了基本的调试器控制功能，可用于自动化调试过程：

dbg_continue_process(): 继续执行进程
dbg_run_to(address): 运行到指定地址
dbg_set_breakpoint(address): 设置断点
dbg_remove_breakpoint(address): 移除断点

注意事项

一般注意事项

Python 版本要求：MCP 插件需要 Python 3.11 或更高版本。确保 IDA Pro 使用的 Python 版本符合要求。
端口占用：插件默认使用端口 13337。如果此端口已被占用，可能需要修改 mcp-plugin.py 中的端口设置。
性能考虑：某些批量操作和分析功能可能会消耗大量资源，特别是对大型二进制文件。
IDA Pro 兼容性：确保使用 IDA Pro 7.5 或更高版本，以获得最佳兼容性。

安全注意事项

不安全方法标记：某些功能被标记为 unsafe，使用这些功能时请谨慎，避免对重要文件造成不可逆的修改。
远程访问：默认配置下，插件仅接受本地（127.0.0.1）的请求。如需远程访问，请谨慎修改网络配置。
数据备份：在进行批量修改前，建议先备份您的 IDB 文件。

Windows 平台特殊注意事项

管理员权限：Frida 在 Windows 上运行可能需要管理员权限。
进程模式：推荐使用进程附加模式（target_pid 参数）而非启动新进程。
控制台窗口：使用 CREATE_NEW_CONSOLE 标志创建独立的控制台窗口，避免输出冲突。
函数查找：Windows 平台上函数查找时会尝试多种策略，包括直接地址、导出函数和模糊搜索。

Frida 脚本使用注意事项

安装依赖：确保已安装 frida-tools：pip install frida-tools
Windows 原生程序：使用命令 frida -p <进程ID> -l <脚本文件> --no-pause 附加到已运行的程序
Java 程序：使用命令 frida -U -f <包名> -l <脚本文件> --no-pause 启动并附加到 Java 应用
输出保存：若要保存输出，可重定向到文件：frida -p <进程ID> -l <脚本文件> --no-pause > output.log

常见问题排查

插件加载失败：检查 IDA Pro 的插件目录结构是否正确，确保所有文件都已正确放置。
服务器无法启动：检查端口是否被占用，或是否有足够的权限创建服务器。
JSON-RPC 错误：确保请求格式正确，特别是参数类型和数量。
反编译失败：部分函数可能由于优化或混淆无法被 Hex-Rays 正确反编译。

版本要求

IDA Pro 7.5 或更高版本
Python 3.11 或更高版本
angr 和 frida-tools 库

许可证

本项目采用 MIT 许可证。

Name		Name	Last commit message	Last commit date
Latest commit History 10 Commits
src/ida_pro_mcp		src/ida_pro_mcp
.gitignore		.gitignore
CONTRIBUTING.md		CONTRIBUTING.md
README.md		README.md
fill_report.py		fill_report.py
ida-plugin.json		ida-plugin.json
install.py		install.py
pyproject.toml		pyproject.toml
read_report.py		read_report.py
requirements.txt		requirements.txt
test_script_utils.py		test_script_utils.py
uv.lock		uv.lock
参考json.txt		参考json.txt

linshaobao/idapromcp_333

Folders and files

Latest commit

History

Repository files navigation

IDA Pro MCP 插件

开发者

版本更新 (v2.0)

script_utils 模块详解

模块概述

主要功能函数

1. _is_address_string

2. _get_target_expression

3. _get_app_environment

4. _generate_hook_script

5. _generate_memory_dump_script

6. _generate_string_hook_script

7. _get_usage_notes

使用 script_utils 生成 Frida 脚本

1. 函数 Hook 脚本

2. 内存监控脚本

3. 字符串监控脚本

配置选项详解

hook 类型选项

memory_dump 类型选项

string_hook 类型选项

故障排除

脚本生成错误

script_utils 模块加载失败

标准 MCP 协议支持

目录

项目简介

主要功能

1. 批量处理功能

2. 混淆检测功能

3. 算法识别功能

4. 动态分析辅助功能

5. 调用图分析

安装步骤

系统要求

方法一：使用 pip 安装（推荐）

方法二：手动安装

验证安装

故障排除

使用方法

示例脚本

API 基本用法

详细功能文档

基础架构

RPCRegistry 类

JSONRPCRequestHandler 类

MCPHTTPServer 类

线程安全装饰器

元数据和基本信息获取

get_image_size()

get_metadata()

get_prototype(function_address)

函数和变量分析

get_function(function_address)

parse_address(address)

get_function_by_name(function_name)

get_function_by_address(function_address)

list_functions()

get_current_address()

get_current_function()

反汇编和反编译

decompile_checked(function_address)

decompile_function(function_address)

disassemble_function(function_address)

调用图分析

get_function_call_graph(start_address, depth=3, mermaid=False)

混淆检测

detect_obfuscation(function_address)

算法识别

get_algorithm_signature(function_address)

Patch点定位

get_patch_points(function_address)

批量处理功能

batch_rename_functions(name_pattern, target_functions=None)

batch_add_comments(comments, target_functions=None)

Packages