GhidrAssistMCP 是一款 Ghidra 的原生 MCP（Model Context Protocol）服务端扩展，它让 AI 助手能够直接调用 Ghidra 的反向工程能力，内置 49 个分析工具与 7 个预设分析提示词。本文将带你用五分钟上手trace_data_flow数据流分析提示词，自动追踪变量在函数中的来源、变换与去向，让 AI 帮你完成以往需要逐行手工分析的工作。

一、GhidrAssistMCP 是什么？

简单来说，GhidrAssistMCP 在 Ghidra 内部启动了一个标准 MCP Server，AI 客户端通过 HTTP 连接进来后，就可以像"操作 Ghidra"一样执行各种动作：

• 49 个内置工具：反编译、函数检索、交叉引用、结构体管理、批量重命名等
• 7 个 MCP Prompts：trace_data_flow、identify_vulnerability、reverse_engineer_struct等常见逆向任务模板
• 双 HTTP 传输：同时支持 SSE 与 Streamable HTTP，兼容主流 MCP 客户端
• 多程序 / 多窗口支持：单服务器共享所有 CodeBrowser 窗口，自动感知当前聚焦的二进制

官方文档目录位于 src/main/help/help/topics/ghidramcp/help.html，完整工具清单可参考 README.md。

二、前置准备：安装并启动服务 🛠️

开始前请确认你已具备：

1. Ghidra 11.4 或更高版本（已测试 Ghidra 12.1）
2. 一个 MCP 客户端（例如 GhidrAssist）
3. 已安装 GhidrAssistMCP 扩展并启用插件

安装步骤（以二进制发布版为例）：

1. 在 Releases 页面下载最新的.zip扩展包
2. Ghidra 中执行File → Install Extensions → Add Extension，选择下载的 ZIP
3. File → Configure → Configure Plugins，搜索 "GhidrAssistMCP" 并勾选启用
4. 重启 Ghidra

如果想从源码构建，克隆仓库后使用 Gradle Wrapper 即可：

git clone https://gitcode.com/gh_mirrors/gh/GhidrAssistMCP cd GhidrAssistMCP export GHIDRA_INSTALL_DIR=/path/to/ghidra_12.1_PUBLIC ./gradlew installExtension

三、第一步：打开控制台并启动 MCP Server

在 Ghidra 菜单栏选择Window → GhidrAssistMCP打开控制面板：

• Host：默认localhost
• Port：默认8080
• 勾选Enable MCP Server并保存

如上图所示，Configuration 选项卡中可以查看所有 MCP 工具的名称与说明，并逐个启用/禁用，配置会跨会话持久保存。

四、第二步：MCP 客户端连接服务

服务启动后，MCP 客户端可连接到以下端点：

SSE: http://localhost:8080/sse SSE messages: http://localhost:8080/message Streamable HTTP: http://localhost:8080/mcp

如果你的客户端连接不上，可以用curl http://localhost:8080/sse快速验证服务是否在监听。

五、第三步：调用 trace_data_flow 提示词

trace_data_flow是一个MCP Prompt（而不是工具），它的实现在 TraceDataFlowPrompt.java，由 McpPromptRegistry.java 统一注册管理。它接受两个参数：

客户端调用方式如下（prompts/get请求）：

{ "method": "prompts/get", "params": { "name": "trace_data_flow", "arguments": { "function_name": "main", "variable": "buf" } } }

调用成功后，AI 客户端会收到一份自动生成的数据流分析上下文，其中包含：

• 目标函数的名称、地址与函数签名
• 输入参数列表（作为潜在数据源）
• 完整的反编译 C 代码（30 秒超时内的自动反编译结果）
• 被调用函数列表（作为潜在数据汇点）

接着 AI 会按照模板要求依次分析五个维度：

1. 数据源（Data Sources）：数据来自参数、全局变量、函数返回值还是内存读取
2. 变换（Transformations）：算术运算、类型转换、字符串操作、编码解码
3. 数据汇点（Data Sinks）：数据被写入哪个调用参数、内存位置或全局变量
4. 污点分析（Taint Analysis）：用户可控数据的传播路径与净化点
5. 数据流图（Data Flow Graph）：以变量/内存位置为节点、数据依赖为边的流图

如果你指定了variable，提示词还会附加一段针对该变量的专项追踪指令：定义位置、参与的操作、使用位置与最终去向。

六、第四步：在 Log 面板核对执行过程 🔍

执行过程中，切换到控制面板的Log选项卡，可以实时看到每次请求（REQ）与响应（RES）、位置变更、重命名结果等日志：

数据流分析过程中，如果 AI 客户端调用了get_code、xrefs等工具，这里都会同步记录，方便你核对它到底"看"了哪些函数。

七、实战技巧与常见问题 💡

• 函数名或地址都可以：function_name同时支持名称精确匹配和十六进制地址两种写法
• 配合工具链使用：先用get_functions或search_functions_by_name定位可疑函数，再交给trace_data_flow深挖
• 耗时操作走异步：反编译、结构分析等长耗时操作会转为异步任务，可用get_task_status查询进度、list_tasks查看全部任务、cancel_task取消卡住的任务
• 多程序场景：同时打开多个二进制时，可用list_binaries列出全部程序，并在调用中通过program_name指定目标
• 服务起不来：检查 8080 端口是否被占用、扩展插件是否已启用
• 无响应：确认 Log 面板中能看到REQ/RES记录，并核对客户端连接的端点是否正确

八、相关源码导航

想深入理解数据流分析的实现，可以按以下路径阅读：

• 提示词实现：src/main/java/ghidrassistmcp/prompts/TraceDataFlowPrompt.java
• 提示词注册表：src/main/java/ghidrassistmcp/prompts/McpPromptRegistry.java
• 全部 7 个预设提示词：src/main/java/ghidrassistmcp/prompts/
• 异步任务管理：src/main/java/ghidrassistmcp/tasks/
• 无头模式启动脚本：ghidra_scripts/GAMCPStartServerScript.java

总结

GhidrAssistMCP 把 Ghidra 的强大逆向能力通过 MCP 协议开放给了 AI 助手，而trace_data_flow正是其中上手最快的数据流分析入口：启动服务、连接客户端、调用提示词，三步就能让 AI 帮你梳理出一条完整的"数据从哪来、怎么变、到哪去"的脉络。掌握它之后，建议继续尝试identify_vulnerability与reverse_engineer_struct，把 AI 逆向分析的威力发挥得更充分。