IDAssist ReAct自主智能体实战:让AI多轮规划调查二进制,全程自动完成逆向
IDAssist ReAct自主智能体实战:让AI多轮规划调查二进制,全程自动完成逆向
IDAssist 是一款 AI 驱动的 IDA Pro 逆向工程插件,其 Query 标签页内置的 ReAct 自主智能体(Agent) 可以替你自动完成二进制逆向:你只需提出一个问题,AI 就会自行多轮规划调查——制定计划、调用 IDA 工具读反编译代码和交叉引用、反思进展、再综合出完整答案,全程无需人工逐步喂上下文。
为什么逆向工程需要 ReAct 自主智能体?
传统 AI 问答有个硬伤:LLM 只能看到你喂给它的上下文。逆向分析却往往要跨多个函数追踪调用链——"这个函数被谁调用?参数从哪来?最终写入了哪里?"——靠人工一次次复制粘贴反汇编代码,效率极低。
ReAct(Reasoning + Acting,推理+行动) 模式解决了这个问题:AI 不再被动等投喂,而是主动调用工具获取信息,并根据结果决定下一步。在 IDAssist 中,ReAct 智能体把一次逆向调查拆成四个阶段,循环执行直到信息足够:
| 阶段 | AI 做什么 | 对应实现 |
|---|---|---|
| 📋 Plan(规划) | 针对你的问题生成 3-5 步调查清单 | react_prompts.py |
| 🔍 Investigate(调查) | 调用 IDA 工具读代码、追引用、查字符串 | react_orchestrator.py |
| 🧠 Reflect(反思) | 评估已有发现,动态增删调查任务 | react_orchestrator.py |
| ✅ Synthesize(综合) | 汇总所有发现,输出结构化答案 | react_orchestrator.py |
整个过程透明可见:每一步工具调用、每轮推理都会实时显示在对话流里,你随时能看到 AI"在想什么"。
四步开启 ReAct 智能体:从提问到自动调查
第一步:打开 Query 标签页,勾选 ReAct Agent
- 在 IDA Pro 中按
Ctrl+Shift+A打开 IDAssist 面板 - 切换到 Query 标签页(完整 UI 说明见 docs/tabs/query-tab.md)
- 勾选顶部的 ReAct Agent 复选框(同时需要勾选 MCP,因为智能体依赖工具调用能力)
第二步:提一个问题,等 AI 出计划
像平常一样输入问题即可,例如:
这个二进制里哪些函数存在缓冲区溢出风险?
提交后,AI 先不执行任何工具,而是生成一份调查计划(以 Markdown 清单形式列出 3-5 个具体步骤)。界面会弹出计划审阅面板,你可以直接修改计划细节,或点击 Approve Plan 批准执行——这个"先审批再动手"的设计,让你对 AI 的行动始终有掌控权(计划面板实现见 query_tab_view.py)。
第三步:批准后 AI 开始多轮自主调查
批准计划后,智能体进入自动循环:按待办清单逐项调查 → 每轮调用工具收集证据 → 反思阶段决定"继续挖还是已经够了",必要时动态追加新任务(比如调查中发现一个意外的可疑函数)。默认最多执行 15 轮迭代,且反思会按需扩展调查预算,详见 react_models.py 中的 ReActConfig。
上图展示了 ReAct 智能体的真实工作场景:左侧是 AI 生成的 Investigation Plan(4 步调查计划),右侧对话流中逐条呈现每一步的执行结果与函数清单。
第四步:随时 Stop,或等待最终综合答案
- 点击 Stop:立即中断调查,AI 会基于已有发现给出阶段性总结
- 等待完成:AI 输出带证据引用的完整分析报告(迭代次数、工具调用次数、耗时都会记录在结果中)
AI 的手上工具箱:内置 MCP 工具一览
ReAct 智能体的"手和眼"来自 IDAssist 内置的 MCP 内部工具(定义见 internal_tools.py):
| 工具 | 能力 |
|---|---|
decompile_function |
获取 Hex-Rays 反编译伪代码 |
get_disassembly |
获取函数反汇编列表 |
get_xrefs |
查询地址的交叉引用(to/from/both) |
get_function_list |
列出二进制中所有函数 |
get_strings |
提取字符串引用 |
navigate_to |
移动 IDA 光标到指定地址 |
rename_function / rename_variable |
直接改名函数/变量 |
⚠️ 安全护栏:凡是会修改 IDB 的操作(改名、改类型、打补丁、加注释等)被标记为高危(ToolRiskTier.MUTATING),每次执行前都需要你在界面上手动批准;批准一次后同会话内同类工具会自动放行。判定逻辑见 tool_approval_service.py。读操作则完全自动,不打扰你。
多轮调查不会"跑飞"的 4 个设计细节
长链自主调查最怕上下文爆炸和死循环,IDAssist 在 react_orchestrator.py 里做了多层防护:
| 机制 | 说明 |
|---|---|
| 🪟 上下文窗口管理 | 默认 150K token 预算,达到 75% 自动压缩旧消息;单条工具结果超 10K token 自动截断 |
| 🚦 迭代上限 | 默认 15 轮迭代,每轮内部工具调用最多 10 次,防止死循环 |
| ⚠️ 失败熔断提示 | 同一工具连续失败 2 次会提醒 AI 换方法,3 次则明令禁止再调用 |
| 🔄 网络自动重试 | 网络超时按指数退避自动重试(默认 3 次),调查不中断 |
此外,调查发现会被 findings_cache.py 缓存去重,待办清单由 todo_list_manager.py 管理,反思阶段可以基于新发现 ADD / REMOVE 任务,实现真正的自适应规划。
哪类问题最适合交给 ReAct 智能体?
✅ 推荐使用
- 全二进制的漏洞/后门排查(跨多个函数搜索特征)
- 追踪远程函数之间的数据流
- "我不确定该看哪里"的探索型问题
- 理解某函数与整个二进制的关系
📌 轻量问题建议:单一函数的解释直接用 Explain 标签页即可,更快速;简单单点问答用普通 Query(勾选 MCP)就够,ReAct 适合复杂多跳调查。
进阶设置:提升 ReAct 调查深度
在 Settings 标签页中,两项配置对 ReAct 效果影响最大:
| 配置 | 建议 |
|---|---|
| Reasoning Effort | 设为 Medium(~10K)或 High(~25K),给 AI 更深的推理预算,复杂漏洞评估推荐 High |
| LLM Provider | 必须选择支持 Tool Calling 的提供商(Anthropic Claude、OpenAI、Ollama 主流模型均可),配置方法见 docs/getting-started.md |
常见问题 FAQ
Q:ReAct 调查会消耗很多 token 吗? A:会明显多于普通问答(默认最多 15 轮 × 每轮最多 10 次工具调用),但上下文压缩机制会控制总量。调查结束后结果会记录迭代数与工具调用数,方便评估。
Q:调查过程中 AI 改了东西怎么办?
A:读操作全自动,写操作(如 rename_function)每次都会弹窗等你批准,拒绝后 AI 会收到"工具被拒"的结果并调整路线。
Q:对话历史会保留吗? A:会。所有 ReAct 调查记录(含每步发现)都保存在本地 SQLite 分析库中,跨 IDA 会话持久化,可随时在 Query 底部的历史表中找回。
关键文件导航
想深入了解 ReAct 智能体的实现,可以从这些文件入手:
- 智能体主循环(规划/调查/反思/综合):src/services/react/react_orchestrator.py
- 四阶段提示词模板:src/services/react/react_prompts.py
- 待办清单与发现缓存:src/services/react/todo_list_manager.py · src/services/react/findings_cache.py
- 配置与结果数据模型:src/services/models/react_models.py
- Query 标签页控制器(ReAct 入口):src/controllers/query_controller.py
- 官方使用文档:docs/workflows/query-workflow.md · docs/tabs/query-tab.md
总结:IDAssist 的 ReAct 自主智能体把"提问→规划→调查→反思→综合"的完整逆向工作流自动化,配合工具审批护栏与上下文管理,让 AI 既能放手去挖、又始终可控。下次面对复杂的跨函数追踪时,不妨直接把问题丢给智能体,然后泡杯茶看它工作 ☕


