Java Decompiler MCP Server

Java Decompiler MCP Server

Java Decompiler AI Tools MCP

Hvad gør “Java Decompiler” MCP Server?

Java Decompiler MCP Server (mcp-javadc) er en Model Context Protocol (MCP) server designet til at dekompilere Java class-filer. Den gør det muligt for AI-assistenter og MCP-kompatible udviklingsværktøjer at konvertere Java bytecode (.class-filer eller klasser i JARs) til menneskeligt læsbar Java-kildekode. Denne server effektiviserer arbejdsgange ved at muliggøre automatiseret dekompilering via API, hvilket understøtter opgaver som at undersøge tredjepartsbiblioteker, reverse-engineere ældre kode eller analysere kompilerede Java-pakker uden at skulle bruge den oprindelige kildekode. Den tilbyder integration gennem stdio-transport og midlertidig filhåndtering og er kompatibel med forskellige MCP-klienter, hvilket gør den til et alsidigt værktøj for udviklere og AI-agenter, der arbejder med Java-bytecode.

Liste over Prompts

Ingen prompt-skabeloner blev nævnt i README eller i repository-filerne.

Liste over Ressourcer

Ingen eksplicitte MCP-ressourcer er nævnt i dokumentationen eller filerne.

Liste over Værktøjer

  • decompile-from-path
    Dekompilerer en Java .class-fil fra en angivet filsti.
    Parameter: classFilePath (absolut sti til .class-filen)

  • decompile-from-package
    Dekompilerer en Java-klasse ved hjælp af dens pakkenavn (fx java.util.ArrayList).
    Parameter: (ikke specificeret i README)

  • decompile-from-jar
    Dekompilerer en Java-klasse inde fra en JAR-fil.
    Parameter: (ikke specificeret i README)

Anvendelsesmuligheder for denne MCP Server

  • Dekompilering af enkeltstående Class-filer
    Omdan hurtigt kompilerede .class-filer til læsbar Java-kildekode til fejlfinding, revision eller læring.

  • Reverse engineering af tredjepartsbiblioteker
    Analyser klasser i JAR-filer eller via pakkenavn for at forstå adfærd og struktur, når kildekoden ikke er tilgængelig.

  • Integration med AI-udviklingsværktøjer
    Gør det muligt for AI-agenter eller -assistenter automatisk at dekompilere Java-kode som en del af bredere kodeanalyse- eller migreringsarbejdsgange.

  • Automatiseret udforskning af kodebaser
    Bruges som backend for værktøjer, der kræver dekompilering on-demand, for at hjælpe med navigation og forståelse af store kodebaser.

Sådan sættes den op

Windsurf

  1. Sørg for, at Node.js 16+ og npm er installeret.
  2. Tilføj @idachev/mcp-javadc@latest som en MCP-server i din Windsurf-konfiguration.
  3. Redigér din konfigurationsfil, så den inkluderer serveren:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  4. Gem ændringer og genstart Windsurf.
  5. Verificér opsætningen ved at køre en test-dekompilering.

Sikring af API-nøgler:
Hvis du skal sætte miljøvariabler (fx CLASSPATH):

{
  "mcpServers": {
    "javaDecompiler": {
      "command": "npx",
      "args": ["-y", "@idachev/mcp-javadc"],
      "env": {
        "CLASSPATH": "/path/to/java/classes"
      }
    }
  }
}

Claude

  1. Installer Node.js 16+ og npm.
  2. Brug Claude CLI til at tilføje serveren:
    claude mcp add javadc -s project -- npx -y @idachev/mcp-javadc
    
  3. Opdatér din MCP-klientkonfiguration efter behov.
  4. Gem ændringer og genstart Claude.
  5. Test ved at sende en dekompileringsanmodning.

Cursor

  1. Sørg for, at Node.js 16+ og npm er installeret.
  2. Tilføj følgende til din Cursor MCP-serverkonfiguration:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  3. Gem konfigurationen og genstart Cursor.
  4. Kør en test-dekompilering.

Cline

  1. Forudsætninger: Node.js 16+ og npm.
  2. Redigér din Cline MCP-serverkonfiguration:
    {
      "mcpServers": {
        "javaDecompiler": {
          "command": "npx",
          "args": ["-y", "@idachev/mcp-javadc"]
        }
      }
    }
    
  3. Gem og genstart Cline.
  4. Kør en dekompilering for at verificere opsætningen.

Bemærk:
Sæt altid følsomme værdier (som CLASSPATH eller API-nøgler) ved brug af env-feltet i din konfiguration for sikkerhed.
Eksempel:

{
  "mcpServers": {
    "javaDecompiler": {
      "command": "npx",
      "args": ["-y", "@idachev/mcp-javadc"],
      "env": {
        "CLASSPATH": "/path/to/java/classes"
      }
    }
  }
}

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt workflow, start med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

FlowHunt MCP flow

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serveroplysninger i dette JSON-format:

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

Når den er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre "javaDecompiler" til det faktiske navn på din MCP-server og udskifte URL’en med din egen MCP-serveradresse.


Oversigt

SektionTilgængelighedDetaljer/Noter
OversigtJava decompiler-server til MCP
Liste over PromptsIngen prompt-skabeloner fundet
Liste over RessourcerIngen eksplicitte MCP-ressourcer nævnt
Liste over Værktøjerdecompile-from-path, decompile-from-package, decompile-from-jar
Sikring af API-nøglerVia env i konfiguration
Roots supportIkke nævnt
Sampling support (mindre vigtigt i evaluering)Ikke nævnt

Baseret på tabellerne er denne MCP-server fokuseret og funktionel til Java-dekompilering, men mangler avancerede MCP-funktioner som prompt-skabeloner, ressourcer, roots eller sampling. Den giver et klart, praktisk værktøjssæt og sikker konfiguration, men dækker ikke bredere MCP-udvidelsesmuligheder eller integrationsprimitiver.

Vores vurdering

MCP-javadc er veldokumenteret og tjener et specifikt, værdifuldt formål. Dens anvendelighed er dog begrænset af fraværet af standardiserede prompts, ressourcer og avancerede MCP-funktioner som roots og sampling. For udviklere, der har brug for Java-dekompilering i en MCP-arbejdsgang, er den praktisk og effektiv, men den demonstrerer ikke MCP’s fulde potentiale. Score: 5/10

MCP-score

Har en LICENSE✅ (ISC)
Har mindst ét værktøj
Antal forks0
Antal stjerner2

Ofte stillede spørgsmål

Hvad gør Java Decompiler MCP Server?

Den dekompilerer Java class-filer og klasser i JARs til menneskeligt læsbar Java-kildekode, hvilket muliggør kodeanalyse, læring og reverse engineering – især når den oprindelige kildekode ikke er tilgængelig.

Hvordan sikrer jeg miljøvariabler som CLASSPATH eller API-nøgler?

Brug 'env'-feltet i din MCP-serverkonfiguration til sikkert at sætte miljøvariabler, såsom CLASSPATH, for at styre klasseopslag og beskytte følsomme data.

Hvilke værktøjer er tilgængelige med denne MCP-server?

Tilgængelige værktøjer inkluderer decompile-from-path (via filsti), decompile-from-package (via pakkenavn) og decompile-from-jar (fra JAR-filer).

Kan jeg bruge denne server med FlowHunt og andre MCP-kompatible værktøjer?

Ja, Java Decompiler MCP Server integrerer med FlowHunt, Windsurf, Claude, Cursor og Cline til automatiseret kode-dekompilering i AI-drevne arbejdsgange.

Hvad er den primære brugssag for denne server?

Automatisering af dekompilering af Java-bytecode til fejlfinding, revision, reverse engineering og understøttelse af AI-kodeanalyse, hvor kildekoden ikke er tilgængelig.

Prøv Java Decompiler MCP i FlowHunt

Automatisér dekompilering af Java class- og JAR-filer til analyse, fejlfinding og reverse engineering. Integrér med FlowHunt for problemfri AI-arbejdsgange.

Lær mere

mem0 MCP Server
mem0 MCP Server

mem0 MCP Server

mem0 MCP Server forbinder AI-assistenter med struktureret lagring, hentning og semantisk søgning for kodeudsnit, dokumentation og bedste kodningspraksis. Den op...

4 min læsning
MCP Server AI +4
CodeLogic MCP Server-integration
CodeLogic MCP Server-integration

CodeLogic MCP Server-integration

CodeLogic MCP Server forbinder FlowHunt og AI-programmeringsassistenter med CodeLogics detaljerede softwareafhængighedsdata, hvilket muliggør avanceret kodeanal...

4 min læsning
MCP AI +4
JFrog MCP Server Integration
JFrog MCP Server Integration

JFrog MCP Server Integration

Integrer dine AI-assistenter med JFrog Platform API ved hjælp af JFrog MCP Server. Automatisér repository management, build tracking, runtime overvågning, artef...

4 min læsning
DevOps AI +5