如何安装配置GhidraMCP:完整环境搭建教程
2026-02-05 04:02:41作者:秋阔奎Evelyn
GhidraMCP是一个强大的Model Context Protocol服务器,它让LLM能够自主进行应用程序逆向工程分析。通过将Ghidra核心功能暴露给MCP客户端,这个工具为安全研究人员和开发者提供了前所未有的二进制分析能力。🚀
📋 前置环境准备
在开始安装GhidraMCP之前,你需要确保系统已经安装了以下必要组件:
Ghidra逆向工程框架 - 从官方网站下载最新版本并完成基础配置 Python环境 - 推荐Python 3.8+版本,用于运行MCP客户端 Java开发环境 - Ghidra运行所需的Java环境
🔧 Ghidra插件安装步骤
第一步:获取GhidraMCP发布包
首先从仓库克隆项目并获取最新发布包:
git clone https://gitcode.com/gh_mirrors/gh/GhidraMCP
或者直接从发布页面下载预编译的插件包 GhidraMCP-1-2.zip。
第二步:导入插件到Ghidra
- 启动Ghidra逆向工程工具
- 进入插件管理界面:File → Install Extensions
- 点击"+"按钮添加新插件
- 选择下载的
GhidraMCP-1-2.zip文件 - 重启Ghidra完成插件加载
第三步:启用并配置插件
在Ghida重启后,需要确保GhidraMCPPlugin已启用:
- 进入 File → Configure → Developer
- 勾选 GhidraMCPPlugin 启用选项
第四步:服务器端口配置
为了与MCP客户端通信,需要配置HTTP服务器端口:
- 进入 Edit → Tool Options → GhidraMCP HTTP Server
- 设置合适的端口号(默认8080)
🤖 MCP客户端配置指南
Claude Desktop配置
将GhidraMCP集成到Claude Desktop非常简单:
- 打开 Claude → Settings → Developer → Edit Config
- 编辑
claude_desktop_config.json文件 - 添加以下配置项:
{
"mcpServers": {
"ghidraMCP": {
"command": "python",
"args": ["-m", "ghidraMCP.client"]
}
}
}
Cline客户端配置
对于Cline用户,需要手动启动MCP服务器:
python -m ghidraMCP.client stdio
然后在Cline界面中选择 MCP Servers → Remote Servers,添加以下配置:
- 服务器名称:GhidraMCP
- 传输类型:stdio
- 命令:python
- 参数:-m ghidraMCP.client
5ire客户端配置
5ire是另一个支持多模型后端的MCP客户端:
- 打开 5ire → Tools → New
- 设置名称:GhidraMCP
- 配置传输参数
🛠️ 开发环境搭建
如果你需要从源码构建GhidraMCP,需要执行以下步骤:
依赖库准备
从Ghidra安装目录复制以下JAR文件到项目的 lib/ 目录:
- Base.jar
- Decompiler.jar
- Docking.jar
- Generic.jar
- Project.jar
- SoftwareModeling.jar
- Utility.jar
- Gui.jar
构建过程
使用Maven进行项目构建:
mvn clean package
构建完成后,生成的 GhidraMCP.jar 文件将包含完整的Ghidra插件及其资源。
✅ 验证安装结果
完成所有配置后,可以通过以下方式验证GhidraMCP是否正常工作:
- 启动Ghidra并加载任意二进制文件
- 确认GhidraMCP HTTP服务器已启动
- 连接MCP客户端并测试功能
💡 使用技巧与最佳实践
- 端口冲突处理:如果默认端口8080被占用,记得在配置中修改端口号
- 防火墙设置:确保防火墙允许MCP客户端与Ghidra通信
- 性能优化:对于大型二进制文件,建议增加Java堆内存大小
通过本教程,你应该已经成功完成了GhidraMCP的完整环境搭建。这个强大的工具将为你提供AI驱动的逆向工程能力,让二进制分析变得更加智能和高效!🎯
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
905
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265

