什么是MCP
一图胜千言：
通俗来讲，MCP 就是以更标准的方式让 LLMs 可以使用各种不同工具，更简单的可视化如下图所示：
GhidraMCP
GhidraMCP是一款让LLMs自主逆向工程应用程序的模型上下文协议（Model Context Protocol）服务器。它将 Ghidra 核心功能中的众多工具提供给了 MCP 客户端，目前该项目在GitHub上已拥有3.8k Star。
食用教程
安装
确保系统已安装了Python3，然后安装 Ghidra ：
最后下载并安装 GhidraMCP 插件：
https://github.com/LaurieWired/GhidraMCP/releases
GhidraMCP 配置
打开Ghidra，选择File -> Install Extensions，然后点击右上角“+”，选择下载好的GhidraMCP-1-1.zip，然后重启Ghidra：
重启Ghidra后，随便打开一个项目，然后选择File -> Configure -> Developer，确认GhidraMCPPlugin已启用：
MCP服务器配置
以Cherry Studio为例，左下角点击“设置”->“MCP 服务器”，添加服务器：
添加完成后，回到Cherry Studio 的助手窗口，点击添加助手或使用默认助手均可：
在模型选择上，选择包含有“扳手”图标的大模型：
然后在对话框上方开启相应的MCP：
以某.so文件为例：
我们对AI提出如下要求：
可以看到，原先FUN_00012564的函数经过AI的搜索、逆向分析与推导后（用时5.6秒），最终被重命名为了GetRegisterValue：
另外以一道简单的PWN题为例：
可以在思考过程中看到，AI发现check()为具体的漏洞点，并尝试使用python脚本写出了PoC代码，经过对代码的执行验证后，发现不正确，通过对AI的再次提问，AI给出了另外的PoC代码：
经过验证，依然不正确，有待各位的进一步‘调教’和‘探索’吧～
使用感受
虽然MCP技术的突破性应用显著提升了逆向工程效率，将传统人工主导的二进制分析工作转化为人机协同模式，但目前要实现AI全自动化的漏洞深度挖掘及PoC代码生成仍存在技术瓶颈。
从工程实践角度来看，这既需要持续优化交互式指令（Prompt）的精准度以提高AI的意图理解能力，也要求AI本身的漏洞模式识别与逻辑推理能力进行迭代升级。但骨哥看来，这个过程应该不会太久，相信MCP很快会迎来不断的’升级‘与‘创新‘。
