
DevRev MCP-server
DevRev MCP-serveren bringer DevRev sine kraftige prosjektstyrings- og forbedringsverktøy direkte inn i FlowHunt og AI-assistent-arbeidsflyter. Den muliggjør pro...
Dekomprimer Java-bytekode til lesbar kildekode i dine AI-drevne arbeidsflyter med Java Decompiler MCP-serveren, kompatibel med FlowHunt og andre MCP-klienter.
Java Decompiler MCP-serveren (mcp-javadc
) er en Model Context Protocol (MCP)-server utviklet for å dekompilere Java class-filer. Den gjør det mulig for AI-assistenter og MCP-kompatible utviklingsverktøy å konvertere Java-bytekode (.class-filer eller klasser i JARs) til menneskelig lesbar Java-kildekode. Denne serveren strømlinjeformer arbeidsflyter ved å tillate automatisert dekompilering via API, og støtter oppgaver som å undersøke tredjepartsbiblioteker, reverse engineere eldre kode eller analysere kompilerte Java-pakker uten behov for opprinnelig kildekode. Den tilbyr integrasjon gjennom stdio-transport og midlertidig filhåndtering, og er kompatibel med ulike MCP-klienter, noe som gjør den til et allsidig verktøy for utviklere og AI-agenter som jobber med Java-bytekode.
Ingen prompt-maler er nevnt i README eller prosjektfilene.
Ingen eksplisitte MCP-ressurser nevnes i dokumentasjonen eller filene.
decompile-from-path
Dekomprimerer en Java .class
-fil fra en spesifisert filbane.
Parameter: classFilePath
(absolutt bane til .class
-filen)
decompile-from-package
Dekomprimerer en Java-klasse ved bruk av pakkenavn (f.eks. java.util.ArrayList
).
Parameter: (ikke detaljert i README)
decompile-from-jar
Dekomprimerer en Java-klasse fra en JAR-fil.
Parameter: (ikke detaljert i README)
Dekomprimering av frittstående class-filer
Konverter raskt kompilerte .class
-filer til lesbar Java-kildekode for feilsøking, revisjon eller læringsformål.
Reverse engineering av tredjepartsbiblioteker
Analyser klasser i JAR-filer eller via pakkenavn for å forstå oppførsel og struktur når kildekoden ikke er tilgjengelig.
Integrasjon med AI-utviklingsverktøy
La AI-agenter eller assistenter automatisk dekompilere Java-kode som en del av bredere kodeanalyse- eller migreringsarbeidsflyter.
Automatisert utforskning av kodebase
Bruk som backend for verktøy som krever dekompilering på forespørsel for å hjelpe med navigering og forståelse av store kodebaser.
@idachev/mcp-javadc@latest
som en MCP-server i Windsurf-konfigurasjonen din.{
"mcpServers": {
"javaDecompiler": {
"command": "npx",
"args": ["-y", "@idachev/mcp-javadc"]
}
}
}
Sikre API-nøkler:
Hvis du trenger å sette miljøvariabler (f.eks. CLASSPATH
):
{
"mcpServers": {
"javaDecompiler": {
"command": "npx",
"args": ["-y", "@idachev/mcp-javadc"],
"env": {
"CLASSPATH": "/path/to/java/classes"
}
}
}
}
claude mcp add javadc -s project -- npx -y @idachev/mcp-javadc
{
"mcpServers": {
"javaDecompiler": {
"command": "npx",
"args": ["-y", "@idachev/mcp-javadc"]
}
}
}
{
"mcpServers": {
"javaDecompiler": {
"command": "npx",
"args": ["-y", "@idachev/mcp-javadc"]
}
}
}
Merk:
Sett alltid sensitive verdier (som CLASSPATH
eller API-nøkler) med env
-feltet i konfigurasjonen for sikkerhet.
Eksempel:
{
"mcpServers": {
"javaDecompiler": {
"command": "npx",
"args": ["-y", "@idachev/mcp-javadc"],
"env": {
"CLASSPATH": "/path/to/java/classes"
}
}
}
}
Bruke MCP i FlowHunt
For å integrere MCP-servere i din FlowHunt-arbeidsflyt, start med å legge til MCP-komponenten i flyten og koble den til din AI-agent:
Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I system-MCP-konfigurasjonsseksjonen, legg inn MCP-serverdetaljene dine i dette JSON-formatet:
{
"javaDecompiler": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når den er konfigurert, kan AI-agenten nå bruke denne MCP-serveren som et verktøy med tilgang til alle dens funksjoner og kapabiliteter. Husk å endre "javaDecompiler"
til det faktiske navnet på din MCP-server og erstatte URL-en med din egen MCP-server-URL.
Seksjon | Tilgjengelighet | Detaljer/Notater |
---|---|---|
Oversikt | ✅ | Java decompiler-server for MCP |
Liste over prompt-maler | ⛔ | Ingen prompt-maler funnet |
Liste over ressurser | ⛔ | Ingen eksplisitte MCP-ressurser oppført |
Liste over verktøy | ✅ | decompile-from-path, decompile-from-package, decompile-from-jar |
Sikre API-nøkler | ✅ | Via env i konfigurasjon |
Roots-støtte | ⛔ | Ikke nevnt |
Sampling-støtte (mindre viktig for vurdering) | ⛔ | Ikke nevnt |
Basert på tabellene er denne MCP-serveren fokusert og funksjonell for Java-dekompilering, men mangler avanserte MCP-funksjoner som prompt-maler, ressurser, roots eller sampling. Den tilbyr et tydelig, praktisk verktøysett og sikker konfigurasjon, men dekker ikke bredere MCP-utvidelse eller integrasjonsprimitiver.
MCP-javadc er godt dokumentert og fyller en spesifikk, verdifull funksjon. Likevel er nytteverdien begrenset av fraværet av standardiserte prompt-maler, ressurser og avanserte MCP-funksjoner som roots og sampling. For utviklere som trenger Java-dekompilering i en MCP-arbeidsflyt, er den praktisk og effektiv, men den viser ikke MCPs fulle potensial. Score: 5/10
Har en LISENS | ✅ (ISC) |
---|---|
Har minst ett verktøy | ✅ |
Antall forks | 0 |
Antall stjerner | 2 |
Den dekompilerer Java class-filer og klasser i JARs til menneskelig lesbar Java-kildekode, noe som muliggjør kodeanalyse, læring og reverse engineering—spesielt når den opprinnelige koden ikke er tilgjengelig.
Bruk 'env'-feltet i MCP-serverkonfigurasjonen for å sette miljøvariabler, som CLASSPATH, for å styre klassesøk og beskytte sensitiv informasjon på en sikker måte.
Tilgjengelige verktøy inkluderer decompile-from-path (via filbane), decompile-from-package (via pakkenavn), og decompile-from-jar (fra JAR-filer).
Ja, Java Decompiler MCP-serveren integreres med FlowHunt, Windsurf, Claude, Cursor og Cline for automatisert kode-dekompilering i AI-drevne arbeidsflyter.
Automatisering av dekompilering av Java-bytekode for feilsøking, revisjon, reverse engineering og støtte for AI-kodeanalyse der kildekoden ikke er tilgjengelig.
Automatiser dekompilering av Java class-filer og JARs for analyse, feilsøking og reverse engineering. Integrer med FlowHunt for sømløse AI-arbeidsflyter.
DevRev MCP-serveren bringer DevRev sine kraftige prosjektstyrings- og forbedringsverktøy direkte inn i FlowHunt og AI-assistent-arbeidsflyter. Den muliggjør pro...
CodeLogic MCP Server kobler FlowHunt og AI-programmeringsassistenter til CodeLogic sin detaljerte programvareavhengighetsdata, og muliggjør avansert kodeanalyse...
DeepL MCP Server integrerer avansert oversettelse, omformulering og språkgjenkjenning i AI-arbeidsflyter via DeepL API. Den gir FlowHunt og andre AI-assistenter...