Java 反编译器 MCP 服务器

“Java 反编译器”MCP 服务器能做什么？

Java 反编译器 MCP 服务器（mcp-javadc）是一款基于 Model Context Protocol (MCP) 的服务器，专为 Java 类文件的反编译设计。它使 AI 助手和兼容 MCP 的开发工具能够将 Java 字节码（.class 文件或 JAR 包内的类）转换为可读的 Java 源码。该服务器通过 API 实现自动化反编译，支持诸如第三方库分析、遗留代码逆向工程或分析已编译 Java 包等任务，无需原始源码。它支持 stdio 传输和临时文件管理，并兼容多种 MCP 客户端，是开发者和 AI 代理处理 Java 字节码的多功能工具。

指令模板列表

README 或仓库文件未提及指令模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

文档或文件中未明确提及 MCP 资源。

工具列表

• decompile-from-path
  从指定文件路径反编译 Java .class 文件。
  参数: classFilePath（.class 文件的绝对路径）

• decompile-from-package
  通过包名（如 java.util.ArrayList）反编译 Java 类。
  参数: （README 未详细说明）

• decompile-from-jar
  从 JAR 文件内反编译 Java 类。
  参数: （README 未详细说明）

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

服务器应用场景

• 反编译独立类文件
  快速将已编译的 .class 文件转为可读 Java 源码，便于调试、审计或学习。

• 逆向工程第三方库
  分析 JAR 文件或按包名查找的类，便于理解行为和结构（无源代码时）。

• 与 AI 开发工具集成
  使 AI 代理或助手可自动反编译 Java 代码，适用于更广泛的代码分析或迁移工作流。

• 自动化代码库探索
  可作为需要按需反编译支持的大型代码库导航和理解工具的后端。

配置方法

Windsurf

1. 确保已安装 Node.js 16+ 和 npm。
2. 在 Windsurf 配置中添加 @idachev/mcp-javadc@latest 作为 MCP 服务器。
3. 编辑配置文件，包含服务器信息：

   {
     "mcpServers": {
       "javaDecompiler": {
         "command": "npx",
         "args": ["-y", "@idachev/mcp-javadc"]
       }
     }
   }
   

4. 保存更改并重启 Windsurf。
5. 运行示例反编译以验证配置。

API 密钥安全性：
如需设置环境变量（如 CLASSPATH）：

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

Claude

1. 安装 Node.js 16+ 和 npm。
2. 使用 Claude CLI 添加服务器：

   claude mcp add javadc -s project -- npx -y @idachev/mcp-javadc
   

3. 按需更新 MCP 客户端配置。
4. 保存更改并重启 Claude。
5. 通过反编译请求测试配置。

Cursor

1. 确保已安装 Node.js 16+ 和 npm。
2. 在 Cursor MCP 服务器配置中添加如下内容：

   {
     "mcpServers": {
       "javaDecompiler": {
         "command": "npx",
         "args": ["-y", "@idachev/mcp-javadc"]
       }
     }
   }
   

3. 保存配置并重启 Cursor。
4. 运行测试反编译。

Cline

1. 前提：Node.js 16+ 和 npm。
2. 编辑 Cline MCP 服务器配置：

   {
     "mcpServers": {
       "javaDecompiler": {
         "command": "npx",
         "args": ["-y", "@idachev/mcp-javadc"]
       }
     }
   }
   

3. 保存并重启 Cline。
4. 执行反编译以验证配置。

注意：
敏感信息（如 CLASSPATH 或 API 密钥）务必通过配置文件的 env 字段设置，以确保安全。
示例：

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

在流程中如何使用此 MCP

在 FlowHunt 中使用 MCP

如需将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件到流程，并连接至你的 AI 代理：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写你的 MCP 服务器详情：

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

配置完成后，AI 代理即可作为工具使用此 MCP，访问其所有功能。请记得根据实际情况将 "javaDecompiler" 改为你的 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

通过表格可见，该 MCP 服务器专注于 Java 反编译功能，缺乏指令模板、资源、roots 或采样等高级 MCP 特性。它提供了清晰实用的工具集和安全配置，但不涵盖更广泛的 MCP 扩展性或集成原语。

我们的看法

MCP-javadc 文档完善，定位明确，价值突出。但由于缺少标准化指令模板、资源和如 roots、采样等高级 MCP 特性，其应用范围受限。对于需要在 MCP 工作流中进行 Java 反编译的开发者来说，它切实有效，但未能展现 MCP 的全部潜力。评分：5/10

MCP 评分