recurse

IDE de ingeniería inversa agéntica con un desensamblador multiarquitectura en Rust puro, descompilador nativo, depurador y agente LLM para análisis de binarios y trabajo de CTF.

recurse-agent es solo el agente; el análisis estático vive en recurse-static y el depurador en recurse-debug, por lo que el agente no incorpora código de sistemas que no utiliza. Ningún crate depende de Tauri, y cada uno se compila/prueba de forma independiente; recurse-eval controla el agente sin interfaz. Todos son miembros del espacio de trabajo, por lo que un Cargo.lock y un target/ cubren todo el repositorio.

Características

• Espacio de trabajo estilo Cursor: lista de funciones, pestañas de desensamblado/strings/imports, grafo CFG, y una barra lateral de chat del agente (alternar con el botón Chat o Ctrl+L)
• Página de reconocimiento: información del binario, hashes MD5/SHA1/SHA256/CRC32, entropía, bibliotecas enlazadas, un informe de endurecimiento autocontenido (RELRO / PIE / NX / canary / FORTIFY / RPATH — sin checksec externo), y recuentos de análisis
• Renombrar funciones desde la lista (doble clic o el botón ✎); los nombres persisten en SQLite y aparecen en la lista de funciones, las anotaciones del desensamblado y para el agente
• Agente fundamentado: cada dirección es un objeto clicable (lista de funciones, nodos del grafo, xrefs, anotaciones del descompilador) — no texto pegado que el modelo pueda alucinar
• Sesión de análisis en vivo sobre cualquier binario — incluidos archivos sin extensión
• Memoria de proyecto persistente en SQLite con recuperación FTS5/BM25 — renombrados, hallazgos y notas sobreviven a /clear y a la reapertura, y siembran la siguiente sesión
• Núcleo sin interfaz (recurse-agent) con trazado de depuración por turno; el mismo bucle del agente se ejecuta en la interfaz y en el arnés de evaluación
• Agente LLM respaldado por un endpoint compatible con OpenAI (OpenRouter por defecto) con un selector de modelo; controla la sesión directamente (disasm, xrefs, strings, imports, decompile)
• Interfaz con tema oscuro por defecto construida con Tailwind CSS v4 + shadcn/ui
• Operación lift: eleva una función a un IL de desofuscación estilo VTIL y ejecuta pases de propagación/plegado/eliminación de código muerto/resolución de ramas sobre toda la rutina — útil cuando el desensamblado parece un despachador de VM o una cadena de predicados opacos (consulta docs/vtil-lift.md)
• Descompilador nativo: decompile genera pseudocódigo similar a C (estructuración de if/while, cobertura total de instrucciones) desde el mismo pipeline de recurse-vtil — sin herramienta externa, sin necesidad de r2
• Servidor recurse-mcp independiente: el mismo Engine sobre MCP stdio para cualquier agente compatible con MCP (Claude Code, Cursor, Claude Desktop, …) — sin Tauri, sin licencia de IDA, sin puente Python (consulta docs/recurse-mcp.md)

Backends de análisis

El análisis pasa por un único trait Engine (crates/recurse-static/src/engine.rs), por lo que el motor es una elección, no una dependencia fija:

• native (predeterminado) — análisis de ELF/PE/Mach-O en Rust puro y desensamblado multiarquitectura (object + capstone): x86/x86-64, ARM, AArch64, MIPS, PowerPC, RISC-V, SPARC, SystemZ, M68K, BPF. Sin proceso hijo, sin herramienta externa, sin LGPL en la compilación. Incluye un descompilador (el pipeline lift → optimize → structure de recurse-vtil — consulta docs/vtil-lift.md) y una operación lift para desofuscación estilo VTIL.
• r2 (radare2) — compatible como alternativa opcional para instalaciones que quieran su propio descompilador más completo o una consola sin procesar. Instala r2 y selecciónalo como motor; se ejecuta como un proceso separado y nunca se enlaza ni se incluye con Recurse.

Elige con el menú de ajustes, la variable de entorno RECURSE_BACKEND, o la configuración almacenada. El agente obtiene una única herramienta analyze neutral respecto al backend (functions, disasm, graph, lift, decompile, xrefs, strings, imports, info, más raw para la consola del motor) — filtrada a las operaciones que el motor activo realmente soporta, por lo que raw (el nativo no tiene consola) solo se anuncia cuando está disponible. La interfaz consume tipos de resultado canónicos, no el JSON de ningún motor. Consulta docs/backends.md para el trait, las elecciones de crates y la justificación de licencias. Abrir un binario grande es rápido porque el análisis es perezoso — el descubrimiento indexa las funciones de forma económica y los bloques básicos se decodifican solo cuando se visualiza una función; consulta docs/lazy-analysis.md.

¿Por qué no simplemente MCP-a-IDA / hacerlo a lo bruto en Claude Code?

Enganchar un servidor MCP a IDA/Ghidra, o pegar desensamblado en un agente CLI, funciona para CTFs de 5 funciones y se desmorona con binarios reales. Recurse es un entorno hecho a propósito, no un envoltorio de chatbot:

• Modelo del mundo binario, no extracción de texto. Funciones, xrefs, strings y el CFG son estado de primera clase compartido por el agente y la interfaz. Sin reanalizar volcados de pdF en el contexto cada turno, sin 0x401023s inventados.
• Verificación > generación. En RE no hay npm test — la verificación es visual. Los renombrados del agente se propagan a la lista de funciones, el grafo y la descompilación al instante, para que un humano confirme o rechace con un clic.
• Diseñado para escala. El malware real tiene 10k funciones. Herramientas bajo demanda + memoria persistente superan a volcar descompilaciones completas hasta que el contexto se queda sin memoria.
• Motor agéntico. Un motor scriptable y canalizable significa que los agentes pueden ejecutar 100 turnos, bifurcar, reiniciar y comparar — y realmente puedes distribuirlo. El motor nativo predeterminado no necesita ninguna herramienta externa en absoluto.
• Seguro para malware por defecto. Local-first, enrutamiento BYO-key/OpenRouter, y un camino hacia modelos offline — sin exfiltración forzada de muestras a un chatbot en la nube.

Requisitos previos

1. Cadenas de herramientas principales

Verifica:

2. Motor de análisis

El motor nativo predeterminado es Rust puro — nada que instalar. Para usar r2 (radare2) como motor de análisis en su lugar, instálalo y selecciónalo (el menú de ajustes, o RECURSE_BACKEND=r2); Recurse controla el binario r2 en tu PATH. r2 es opcional, nunca es requerido por la compilación, y nunca se distribuye con Recurse — trae tu propia instalación.

3. Dependencias del sistema de Tauri en Linux

Debian/Ubuntu/Pop!_OS:

Otras distribuciones: sigue los requisitos previos oficiales de Tauri.

4. Descompilador

Ambos motores proporcionan uno: native genera pseudocódigo mediante recurse-vtil (lift → optimize → structure — consulta docs/vtil-lift.md), nada que instalar; r2 puede proporcionar su propio descompilador más completo cuando su plugin está instalado.

Compilación

Las dependencias de la aplicación viven en tauri/; Rust viene de la raíz del espacio de trabajo. just envuelve ambos (consulta just --list), o ejecútalos directamente.

Desarrollo

Esto inicia el servidor de desarrollo de Vite y lanza la ventana de Tauri. La primera compilación tarda un rato (compilación de Rust); las siguientes son rápidas.

Binario de producción

El paquete queda en target/release/bundle/ (target del espacio de trabajo):

• .deb / .rpm / .AppImage para Linux
• binario independiente en target/release/recurse

En Arch y otras distribuciones rolling el paso de AppImage necesita una corrección local única (linuxdeploy upstream va por detrás de la cadena de herramientas de la distribución) — consulta docs/linux-appimage-build.md.

Solo el frontend (sin shell de escritorio)

Comprobaciones de calidad

Comandos directos equivalentes: cargo clippy --workspace --all-targets, cargo test --workspace en la raíz; npm run lint / npm run format / npm run build dentro de tauri/.

Evaluaciones

El agente se evalúa sin interfaz contra niveles de crackme (consulta crates/recurse-eval/README.md). Los niveles son YAML: filtros de selección sobre el conjunto de datos, o una lista congelada de hexids, más parámetros de ejecución.

eval-run es un binario, no un test, por lo que cargo test nunca gasta dinero ni tiempo en el agente. El endpoint + la clave van en crates/recurse-eval/.env (copia .env.example). Cada ejecución escribe target/eval-traces/<tier>/<backend>/run.log (la narrativa completa) más un <hexid>.json por tarea con la conversación completa por turno. El backend (native o r2) es seleccionable por ejecución — consulta el README de eval.

LLM del agente

El panel de chat del agente funciona con cualquier endpoint compatible con OpenAI. Configura la clave de API, la URL base y el modelo desde el diálogo Model & Provider de la aplicación (persistido en ~/.recurse/recurse.db), o mediante variables de entorno:

Modelos locales / URL base personalizada

Apunta el agente a cualquier servidor compatible con OpenAI local o autoalojado — Ollama, LM Studio, llama-server de llama.cpp, vLLM, text-generation-webui, o una pasarela remota. Establece la Base URL en el diálogo (tanto una URL base simple como una ruta completa /chat/completions funcionan) y elige un modelo del catálogo de ese servidor, o escribe un id de modelo (llama3.1:8b, qwen2.5-coder, …) directamente:

Los endpoints locales no necesitan clave de API: cuando la clave está vacía, la solicitud se envía sin cabecera Authorization, y la lista de modelos se lee del propio {base}/models del endpoint. Un endpoint personalizado se considera configurado sin clave, por lo que el chat funciona directamente contra un servidor local.

Sin credenciales, recurre a un cliente de eco para que el cableado siga siendo ejercitable.

El agente ve el contexto del binario en vivo (arquitectura, bits, tipo) y puede controlar toda la superficie de análisis (desensamblado, xrefs, strings, imports, descompilación) a través de la sesión.

Licencia

Apache-2.0 — © 2026 Aayush Khanna