Dejared MCP lleva la descompilación de JAR a los flujos de trabajo de MCP AI
Dejared MCP, desarrollado por Hqkh4nh, es un servidor MCP que permite a los asistentes de IA descompilar e inspeccionar archivos JAR de Java para análisis de código y depuración. Integra el descompilador Fernflower para convertir archivos .class en código fuente Java legible, ofrece inspección de contenido y lectura de clases específicas para limitar el procesamiento, y expone estas funciones a los clientes de MCP. Los desarrolladores de Java, investigadores de seguridad e ingenieros que utilizan desarrollo asistido por IA obtienen visibilidad directa y accesible por IA en bibliotecas compiladas sin pasos manuales de descompilación.
¿Para qué tareas puedes usarlo realmente?
La herramienta funciona como un servidor MCP que permite a los asistentes de IA convertir artefactos de Java compilados en código legible e inspeccionar el contenido de archivos comprimidos. Utiliza el descompilador integrado para traducir archivos .class, proporciona un listado de la estructura interna de JAR y soporta la obtención de clases individuales para un análisis enfocado. Estas funciones permiten la ingeniería inversa, la depuración y la comprensión de bibliotecas Java de terceros o heredadas directamente dentro de un flujo de trabajo impulsado por IA.
¿Qué tan precisos son los resultados descompilados?
Dado que la herramienta se basa en ese descompilador, el código fuente generado reconstruye construcciones de Java de alto nivel y recupera el flujo de control en muchos casos, coincidiendo con el motor utilizado por IDEs populares como IntelliJ IDEA. La legibilidad depende de la calidad de la entrada y la ofuscación: el descompilador reconstruye la lógica pero no puede restaurar los nombres de identificadores originales si han sido eliminados. Trata el código descompilado como una reconstrucción asistida y valida secciones críticas durante las verificaciones de seguridad o corrección.
¿Se adapta a los flujos de trabajo de Java asistidos por IA existentes?
El desarrollador diseñó el servidor para integrarse con clientes del Protocolo de Contexto de Modelo; las notas de compatibilidad nombran herramientas compatibles con MCP como Claude Desktop. Ejecutar el servicio requiere Node.js y un entorno de ejecución de Java para ejecutar el descompilador, y funciona en Windows, macOS y Linux. La documentación del proyecto sugiere invocar el servidor a través de node o npx desde una configuración de cliente, lo que coloca la herramienta como un punto de integración dentro de las tuberías de desarrollo asistido por IA en lugar de una aplicación GUI independiente.
Recomendación práctica y adecuación
La herramienta es una opción pragmática para desarrolladores de Java e investigadores de seguridad que necesitan visibilidad accesible a través de IA en binarios compilados; sus salidas aceleran la inspección pero requieren revisión humana para la corrección y decisiones críticas de seguridad. Para uso operativo, ejecútala dentro de un entorno de análisis controlado, combina la salida decompilada con análisis estático convencional, y trata el código fuente reconstruido como un punto de partida para guiar una investigación manual más profunda.
Pros
Integra el descompilador Fernflower para la reconstrucción de Java de alto nivel
Expone la descompilación a clientes de MCP como Claude Desktop
Permite lecturas de clase específicas para limitar el procesamiento y el uso de tokens
Proporciona listados de la estructura interna del JAR para una inspección rápida
Contras
Requiere Node.js y un entorno de ejecución de Java para ejecutarse
La legibilidad disminuye en JARs fuertemente ofuscados
El beneficio depende de tener un cliente compatible con MCP
Las salidas descompiladas requieren verificación manual para el trabajo de seguridad
Las leyes que rigen el uso de este software varían de un país a otro. Ni fomentamos ni aprobamos el uso de este programa si infringe estas leyes. Softonic puede recibir una tarifa por referencia si haces clic o compras cualquiera de los productos que se muestran aquí.
