Java Decompiler MCP Server

Java Decompiler MCP Server

Java Decompiler AI Tools MCP

Kontaktujte nás pro hostování vašeho MCP serveru ve FlowHunt

FlowHunt poskytuje dodatečnou bezpečnostní vrstvu mezi vašimi interními systémy a AI nástroji, čímž vám dává podrobnou kontrolu nad tím, které nástroje jsou přístupné z vašich MCP serverů. MCP servery hostované v naší infrastruktuře lze bezproblémově integrovat s chatbotem FlowHunt i s populárními AI platformami jako jsou ChatGPT, Claude a různé AI editory.

K čemu slouží „Java Decompiler“ MCP Server?

Java Decompiler MCP Server (mcp-javadc) je server protokolu Model Context Protocol (MCP) určený pro dekompilaci Java class souborů. Umožňuje AI asistentům a MCP-kompatibilním vývojovým nástrojům převádět Java bytekód (.class soubory nebo třídy uvnitř JAR archivů) na čitelný Java zdrojový kód. Tento server zjednodušuje pracovní postupy díky automatizované dekompilaci přes API – podporuje úlohy jako je zkoumání třetích knihoven, reverzní inženýrství starších kódů nebo analýza zkompilovaných Java balíčků bez nutnosti mít původní zdrojový kód. Nabízí integraci přes stdio transport a správu dočasných souborů a je kompatibilní s různými MCP klienty, což z něj činí univerzální nástroj pro vývojáře a AI agenty pracující s Java bytekódem.

Seznam promptů

V README ani souborech repozitáře nebyly zmíněny žádné šablony promptů.

Seznam zdrojů

V dokumentaci ani souborech nejsou zmíněny žádné konkrétní MCP zdroje.

Seznam nástrojů

  • decompile-from-path
    Dekompiluje Java .class soubor ze zadané cesty k souboru.
    Parametr: classFilePath (absolutní cesta k .class souboru)

  • decompile-from-package
    Dekompiluje Java třídu dle názvu balíčku (např. java.util.ArrayList).
    Parametr: (není podrobně uvedeno v README)

  • decompile-from-jar
    Dekompiluje Java třídu uvnitř JAR souboru.
    Parametr: (není podrobně uvedeno v README)

Scénáře použití tohoto MCP serveru

  • Dekompilace samostatných class souborů
    Rychle převedete zkompilované .class soubory na čitelný Java zdrojový kód pro ladění, audit nebo studijní účely.

  • Reverzní inženýrství třetích knihoven
    Analyzujte třídy v JAR souborech nebo podle názvu balíčku a pochopte jejich chování a strukturu, pokud nemáte zdrojový kód.

  • Integrace s AI vývojovými nástroji
    Umožněte AI agentům nebo asistentům automaticky dekompilovat Java kód v rámci širších analýz nebo migračních workflow.

  • Automatizovaný průzkum kódové základny
    Použijte jako backend pro nástroje vyžadující dekompilaci „na vyžádání“ a usnadněte orientaci ve velkých projektech.

Jak to nastavit

Windsurf

  1. Ujistěte se, že máte nainstalovaný Node.js 16+ a npm.
  2. Přidejte @idachev/mcp-javadc@latest jako MCP server do vaší konfigurace Windsurf.
  3. Upravte konfigurační soubor takto:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  4. Uložte změny a restartujte Windsurf.
  5. Ověřte nastavení spuštěním ukázkové dekompilace.

Zabezpečení API klíčů:
Pokud potřebujete nastavit proměnné prostředí (například CLASSPATH):

{
  "mcpServers": {
    "javaDecompiler": {
      "command": "npx",
      "args": ["-y", "@idachev/mcp-javadc"],
      "env": {
        "CLASSPATH": "/cesta/ke/java/tridam"
      }
    }
  }
}

Claude

  1. Nainstalujte Node.js 16+ a npm.
  2. Pomocí CLI Claude přidejte server:
    claude mcp add javadc -s project -- npx -y @idachev/mcp-javadc
    
  3. Podle potřeby upravte konfiguraci MCP klienta.
  4. Uložte a restartujte Claude.
  5. Otestujte požadavkem na dekompilaci.

Cursor

  1. Ujistěte se, že máte nainstalovaný Node.js 16+ a npm.
  2. Přidejte následující do konfigurace Cursor MCP serveru:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  3. Uložte konfiguraci a restartujte Cursor.
  4. Spusťte testovací dekompilaci.

Cline

  1. Požadavky: Node.js 16+ a npm.
  2. Upravte konfiguraci Cline MCP serveru:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  3. Uložte a restartujte Cline.
  4. Spusťte dekompilaci pro ověření nastavení.

Poznámka:
Citlivé hodnoty (například CLASSPATH nebo API klíče) vždy nastavujte přes pole env v konfiguraci kvůli bezpečnosti.
Příklad:

{
  "mcpServers": {
    "javaDecompiler": {
      "command": "npx",
      "args": ["-y", "@idachev/mcp-javadc"],
      "env": {
        "CLASSPATH": "/cesta/ke/java/tridam"
      }
    }
  }
}

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho FlowHunt workflow začněte přidáním MCP komponenty do vašeho toku a její propojení s AI agentem:

FlowHunt MCP flow

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V části systémové konfigurace MCP vložte detaily svého serveru v tomto JSON formátu:

{
  "javaDecompiler": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent tento MCP využívat jako nástroj se všemi jeho funkcemi. Nezapomeňte změnit "javaDecompiler" na skutečný název vašeho MCP serveru a URL na vaši vlastní adresu MCP serveru.


Přehled

SekceDostupnostDetaily/Poznámky
PřehledJava dekompilační server pro MCP
Seznam promptůNebyly nalezeny šablony promptů
Seznam zdrojůŽádné explicitní MCP zdroje uvedeny
Seznam nástrojůdecompile-from-path, decompile-from-package, decompile-from-jar
Zabezpečení API klíčůPřes env v konfiguraci
Podpora rootsNení zmíněno
Podpora sampling (méně důležité pro hodnocení)Není zmíněno

Z tabulek vyplývá, že tento MCP server je zaměřený a funkční pro dekompilaci Javy, ale postrádá rozšířené MCP prvky jako šablony promptů, zdroje, roots či sampling. Nabízí jasnou, praktickou sadu nástrojů a bezpečnou konfiguraci, ale neřeší širší rozšiřitelnost MCP nebo integrační možnosti.

Náš názor

MCP-javadc je dobře zdokumentovaný a slouží konkrétnímu, hodnotnému účelu. Jeho využitelnost je však omezená absencí standardizovaných promptů, zdrojů a pokročilých MCP funkcí jako roots a sampling. Pro vývojáře, kteří potřebují dekompilaci Javy v MCP workflow, je praktický a efektivní, ale neukazuje plný potenciál MCP. Hodnocení: 5/10

MCP skóre

Má LICENSE✅ (ISC)
Má alespoň jeden nástroj
Počet Forků0
Počet Hvězdiček2

Často kladené otázky

K čemu slouží Java Decompiler MCP Server?

Dekomplikuje Java class soubory i třídy uvnitř JAR archivů do čitelného Java zdrojového kódu, což umožňuje analýzu kódu, studium a reverzní inženýrství – zejména pokud není původní zdrojový kód dostupný.

Jak zajistím bezpečnost proměnných prostředí jako CLASSPATH nebo API klíčů?

Použijte pole 'env' v konfiguraci MCP serveru pro bezpečné nastavení proměnných prostředí, například CLASSPATH, abyste mohli řídit dohledávání tříd a chránit citlivá data.

Jaké nástroje jsou v tomto MCP serveru dostupné?

Dostupné nástroje zahrnují decompile-from-path (podle cesty k souboru), decompile-from-package (podle názvu balíčku) a decompile-from-jar (z JAR souborů).

Lze tento server používat s FlowHunt a dalšími MCP-kompatibilními nástroji?

Ano, Java Decompiler MCP Server se integruje s FlowHunt, Windsurf, Claude, Cursor i Cline pro automatizovanou dekompilaci kódu v AI workflow.

Jaký je hlavní scénář použití tohoto serveru?

Automatizovaná dekompilace Java bytekódu pro ladění, audit, reverzní inženýrství a podporu AI analýzy kódu tam, kde není dostupný zdrojový kód.

Vyzkoušejte Java Decompiler MCP ve FlowHunt

Automatizujte dekompilaci Java class a JAR souborů pro analýzu, ladění a reverzní inženýrství. Integrujte s FlowHunt pro bezproblémové AI workflow.

Zjistit více

DevRev MCP Server
DevRev MCP Server

DevRev MCP Server

DevRev MCP Server přináší výkonné nástroje pro správu projektů a vylepšení od DevRev přímo do FlowHunt a pracovních toků AI asistentů. Umožňuje programatický př...

4 min čtení
AI DevRev +4
DeepSeek MCP Server
DeepSeek MCP Server

DeepSeek MCP Server

DeepSeek MCP Server funguje jako bezpečný proxy server, který propojuje pokročilé jazykové modely DeepSeek s aplikacemi kompatibilními s MCP, jako jsou Claude D...

4 min čtení
AI MCP +5
Integrace JFrog MCP Serveru
Integrace JFrog MCP Serveru

Integrace JFrog MCP Serveru

Integrujte své AI asistenty s JFrog Platform API pomocí JFrog MCP Serveru. Automatizujte správu repozitářů, sledování buildů, monitoring za běhu, vyhledávání ar...

4 min čtení
DevOps AI +5