面向 AI 的 IDA Pro / Hex-Rays JSONL 内核
让你的 AI Agent 以无限制、持久化、低延迟的方式直接操控真实 IDA 数据库 — 无需 GUI，无需 MCP，无需中间层。
[!IMPORTANT] 本项目专为 AI Agent 设计。强烈建议让你的 Agent（Claude Code / Codex）自行完成安装和配置，而非手动操作。 👉 AI 安装指南
现有的 IDA 集成方案通过 MCP 或 REST 暴露一组固定的工具，AI 只能在别人定义好的抽象边界内工作。IDA-CLI 采用完全不同的思路：直接把一个原始 Python 内核交给 Agent，通过 stdin/stdout JSONL 协议连接到活跃的 IDA 数据库。
| IDA-CLI | 典型 IDA MCP | |
|---|---|---|
| 协议 | stdin/stdout 原始 JSONL | MCP transport + tool schema |
| 执行模型 | 无限制 IDAPython — 想跑什么跑什么 | 只能调用预声明的 tool |
| 状态 | 持久会话 + 内置缓存 | 每次调用无状态 |
| 延迟 | 直接子进程，零网络开销 | HTTP/WebSocket 开销 |
| AI 控制力 | 完全控制 — Agent 写任意 Python | 受限 — 只能用声明好的 tool |
| 运行时依赖 | 0 | 不等 |
Agent 发送任意 IDAPython 代码，获得结构化 JSONL 响应。没有预定义的工具边界 — IDA 能做的，Agent 都能做。
40+ 个专为 AI 工作流设计的高层辅助函数，全部返回干净的 JSON：
ai.decompile("main") # Hex-Rays 伪代码
ai.functions() # 所有函数记录
ai.xrefs_to("printf") # 交叉引用
ai.cfg("vulnerable_func") # 控制流图
ai.pwn_overview() # CTF/Pwn 一键分诊
ai.inventory_summary() # 二进制快速概览
ai.rename(0x401000, "win") # 数据库变更
ai.focus(["main", "vuln"]) # 多目标证据包- 内置索引缓存（
IDACache），同一会话内避免重复 IDA 查询 - 大结果自动写入 artifact 文件，不会撑爆协议响应
- 缓存跨请求存活 —
save_cache()/load_cache()支持跨会话复用
在数据库副本上启动多个隔离的 IDA 内核进行并行分析。真正的进程级隔离，而非在单个 IDA 实例内做不安全的线程并发。
一等公民支持 rename、set_comment、apply_type、patch_bytes、save_database — 提供 propose/apply 分离机制和确定性冲突合并，适配多分支工作流。
一行代码接入任意 Agent 框架：
from ida_cli.agent_bridge import AgentSession
with AgentSession.start("target.i64", require_ida=True) as ida:
overview = ida.result("__result__ = ai.pwn_overview()")
pseudocode = ida.result("__result__ = ai.decompile('main')")内置 Claude Code、Codex、OpenAI Agents 的 skill 文件 — 一条 install_skill.py 命令，Agent 即刻学会驱动 IDA。
# 激活 idalib（在你的 IDA Pro 安装目录下）
python -m pip install idapro
python py-activate-idalib.pypython -m pip install -e .# 安装所有 Agent 风格
python scripts/install_skill.py all --force
# 或者只装一个
python scripts/install_skill.py claude --force
python scripts/install_skill.py codex --forcepython -B -m unittest discover -s tests -v
python -B -m compileall -q src tests benches examples scripts# 启动内核
ida-ai path/to/target.i64
# 通过 stdin 发送 JSONL 请求
{"id":"probe","code":"__result__ = __backend__"}
{"id":"funcs","code":"__result__ = ai.inventory_summary()"}┌──────────────┐ stdin (JSONL) ┌──────────────────┐
│ AI Agent │ ──────────────────────▶ │ │
│ │ │ ida-ai kernel │
│ Claude Code │ ◀────────────────────── │ │
│ Codex │ stdout (JSONL) │ ┌────────────┐ │
│ OpenAI │ │ │ IDAPython │ │
└──────────────┘ │ │ + idalib │ │
│ └────────────┘ │
┌─────────────────────────────────┤ │
│ AgentSession │ ┌────────────┐ │
│ (Python Bridge 替代方案) │ │ ai.* │ │
└─────────────────────────────────┤ │ helpers │ │
│ └────────────┘ │
│ │
│ ┌────────────┐ │
│ │ IDACache │ │
│ │ Artifacts │ │
│ │ Mutations │ │
│ └────────────┘ │
└──────────────────┘
IDA-CLI 不是 MCP server。根据你的 Agent 能力选择：
| 选 IDA-CLI 当... | 选 IDA MCP 当... |
|---|---|
| Agent 能跑本地子进程 | Agent 只会说 MCP 协议 |
| 需要持久状态和缓存 | 无状态调用就够了 |
| 需要无限制 IDAPython | 更倾向预声明的 tool schema |
需要 AgentSession 或原始内核 |
需要 MCP transport 兼容性 |
| 组件 | 版本 |
|---|---|
| Python | >= 3.11 |
| IDA Pro | >= 9.0（idalib 工作流） |
| 运行时依赖 | 无 |
src/ida_cli/
├── __main__.py # 入口（ida-ai CLI）
├── kernel.py # JSONL 内核循环
├── runtime.py # Python 执行运行时
├── protocol.py # JSONL 编解码
├── ai_helpers.py # 40+ AI 辅助函数
├── agent_bridge.py # AgentSession 外部 Agent 桥接
├── cache.py # 持久索引缓存
├── mutations.py # 数据库变更辅助
├── conflicts.py # 确定性冲突合并
├── artifacts.py # 大结果文件写入
├── parallel_runner.py # 多内核并行执行
├── supervisor.py # 工作扇出规划
└── worker_pool.py # 隔离 Worker 管理
| 文档 | 说明 |
|---|---|
| AI 安装指南 | 面向 AI Agent 的安装流程 |
MIT