从 Web 到小程序：用 AI-First 思维重构逆向调试工具-AI 工具与工作流-看雪安全社区

# 从 Web 到小程序：用 AI-First 思维重构逆向调试工具

## 第一章：自动化的初衷与旧方案的局限

### 楔子：传统工作流的效率瓶颈

在安全研究与协议逆向领域，微信小程序的封闭性一直是一个核心议题。与传统的 Web 端不同，小程序默认不提供开发者调试面板。但在长期的分析实践中，社区已经探索出了开启调试权限的方法。无论是通过微信开发者工具的特定启动参数，还是利用类似 `WMPFDebugger` 的工具对 PC 端微信底层标志位进行 Patch，都可以成功在本地暴露出关键的 WebSocket 调试端口（通常为 `127.0.0.1:62000`）。

然而，获取 CDP（Chrome DevTools Protocol）调试端口仅仅是分析流程的开始。后续的手工调试工作流依然存在显著的效率瓶颈。

在逆向分析新小程序的接口签名（如常见的 `sig` 或 `x-sign`）时，传统的流程通常如下：
1. 提取 `devtools://` 链接并在 Chrome 浏览器中打开。
2. 切换到 Network 面板，在大量的静态资源和业务请求中，手动筛选出包含加密参数的目标 API。
3. 切换到 Sources 面板，对高度混淆压缩的 JavaScript 代码（例如 `appservice.app.js`）进行格式化。
4. 凭借经验全局搜索关键字，设置断点、触发请求进行单步调试（Step Over/Into），并在控制台分析局部变量。

随着前端打包压缩（Minification）以及控制流平坦化等 JavaScript 混淆技术在小程序端的普及，这种纯手工的静态分析与动态调试不仅耗时较长，且容易在复杂的调用栈中遗漏关键信息。

此前，为了优化 Web 端的逆向流程，我开发并开源了 <a href="elink@8b8K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7K9r3W2*7K9s2g2G2k6r3g2E0j5h3!0Q4x3V1k6B7M7#2)9J5k6s2u0W2N6X3g2J5M7$3g2Q4x3X3c8E0j5%4l9`.">`js-reverse-mcp`</a> —— 一个结合大模型（LLM）与自动化框架的辅助工具。考虑到小程序的底层调试机制依然基于标准的 CDP 协议，我提出了一个初步的假设：能否将小程序调试端口接入现有的 `js-reverse-mcp`，利用大模型辅助完成断点设置和栈回溯工作？

这成为我重新审视小程序自动化调试方案的起点。

### 尝试 Playwright 方案的兼容性问题

我的初步测试较为直接。`js-reverse-mcp` 的核心采集器基于 Playwright 的分支（Patchright）构建。我修改了底层配置，利用 `playwright.chromium.connectOverCDP()` 方法，将 `browserUrl` 指向了小程序的 WebSocket 调试端点。

按照 Web 端的逻辑，Playwright 连接 CDP 后会自动生成对应的 `BrowserContext`，进而可以通过 `page.route()` 拦截请求或注入脚本。

但在实际测试中，我遇到了预期之外的问题。

连接无法保持稳定，系统日志中频繁出现 Timeout 异常。数据采集器无法正常捕获完整的 HTTP 请求序列，在 Web 端稳定的断点逻辑也失去了作用。程序通常在连接目标 Target 后不久，便因内部状态异常而中断运行。

### 原理排查：DOM 依赖与 V8 隔离的架构冲突

为了定位 Playwright 在这一环节失败的具体原因，我暂时移除了高层框架，在本地建立了基础测试工程，尝试仅使用 Node.js 的原生 `chrome-remote-interface` 库连接小程序的 CDP 端口。

通过对比 WebSocket 传输的底层协议帧，我确认了高层自动化框架在此场景下存在兼容性冲突的根源。

**第一，Playwright 的架构设计强依赖于 DOM 生命周期。**
Playwright 的核心逻辑建立在 `BrowserContext` 和 `Page` 的抽象之上。在状态采集器（如 `PageCollector`）切分请求历史或判断页面加载状态时，其底层逻辑依赖浏览器内核派发的 `framenavigated` 或 `DOMContentLoaded` 等标准生命周期事件。Playwright 默认目标 Target 必须触发这些事件，才能被视为可交互的页面状态。

**第二，小程序逻辑层（AppService）脱离了 DOM 环境。**
微信小程序采用了双线程架构。负责界面渲染的是 WebView 层（或 Skyline），而负责网络请求发起、业务逻辑执行及核心加密算法运行的，是相对独立的逻辑层（AppService）。

在安卓系统上，逻辑层运行于纯粹的 V8 Isolate 中；在 iOS 上，则运行于 JavaScriptCore 线程中。该环境类似于 Web Worker，内部不包含 `window` 或 `document` 对象，也不涉及 DOM 树的解析过程。

因此，AppService 线程在其运行周期内，不会向 CDP 派发类似 `DOMContentLoaded` 的页面导航事件。

当 Playwright 尝试将获取到的 AppService Target 封装为标准 `Page` 对象时，其内部状态机会持续阻塞等待这些缺失的 DOM 事件。这直接导致了断点失效、上下文收集器超时以及连接中断。

**结论评估：**
将小程序的隔离上下文直接适配基于单一浏览器窗口状态机的 Playwright 框架存在明显的架构不匹配。为了实现小程序的自动化与 AI 辅助分析，有必要剥离 DOM 层面的抽象，直接基于原生 CDP 协议构建调试模块。

在此基础上，我开始了新一轮的架构重构。

---

## 第二章：架构重构与原生 CDP 协议的封装

### 寻觅底层基建：选择 cdp-use

在确定需要剥离 DOM 依赖后，下一步是寻找合适的底层 CDP 客户端。在 Node.js 生态中虽然存在 `chrome-remote-interface`，但在纯异步环境下从头实现多路复用、断线重连和事件分发机制需要较高的工程成本。

在调研过程中，我关注到了 AI 智能体开源项目 `browser-use` 团队开发的 Python 基础库 —— **`cdp-use`**。

分析 `cdp-use` 源码后，我发现其设计符合当前的架构需求。它基于 Python 的异步机制（asyncio），提供强类型的 CDP 接口。最关键的是，该库未对“页面”或“DOM”进行预设假定，专注于处理基础的 WebSocket 通信：接收 Endpoint，建立 Session，监听 Event 并执行 Command。

### 切换技术栈：整合 Python 生态

采用 `cdp-use` 意味着新工具的技术栈需从 Node.js 迁移至 Python。这一决策综合考虑了后续的开发需求。

在当前的开发生态中，Python 在 AI 智能体应用和数据处理领域具备相对优势。考虑到后续需要处理复杂的 Prompt 组装，并对底层返回的 JSON 结果进行结构化清洗，Python 在字符串处理和模型框架对接上提供了更高的便利性。

因此，基于 Python 和 `cdp-use` 的新项目 <a href="elink@bf1K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7K9r3W2*7K9s2g2G2k6r3g2E0j5h3!0Q4x3V1k6E0K9h3&6A6j5i4m8H3i4K6u0V1j5$3c8H3i4K6u0V1L8h3y4H3">`miniapp-cdp-mcp`</a> 正式开源。该项目利用 `Target.attachToTarget` 和独立 `sessionId`，在事件层面对小程序的网络通信进行拦截。

### 处理小程序的 Target 环境

在底层通信建立后，随之而来的是目标识别（Target Identification）的挑战。

在标准的 Web 环境中，建立连接通常意味着获取当前的活跃页面 Target。但在微信小程序环境下，发送 `Target.getTargets` 指令会返回大量的并发进程。

受小程序的运行机制影响，返回列表中包含大量用于预加载的 `preload-` 线程，以及底层基础组件相关的隐藏 Target。如果探针未进行筛选直接挂载，大概率会连接到无实际业务逻辑的空闲线程，导致无法捕获网络请求或触发断点。

### 引入启发式过滤逻辑

为了实现自动化的目标定位，工具需要具备筛选合适调试目标的能力。

针对微信小程序的进程特征，我在运行环境（`cdp_runtime.py`）中实现了一套启发式过滤逻辑。

该逻辑的处理流程为：
1. **基础过滤**：排除所有 `title` 属性中带有 `preload-` 标识的目标。
2. **特征匹配**：在剩余目标中分析 `url` 和 `title` 属性，筛选包含 `servicewechat.com`、`page-frame.html` 等特定域名的目标。
3. **定位目标**：进一步筛选 `title` 为 `AppIndex` 且 `type` 属性符合逻辑层特征的目标。

通过这套过滤规则，工具可以在小程序启动后，自动从进程列表中定位并挂载真实的 `AppService` 逻辑层上下文。

解决了框架兼容性和目标识别问题后，底层的 CDP 调试基建已基本稳定。接下来的核心任务是如何优化数据流，使大模型能够高效处理底层协议报文。

---

## 第三章：数据流优化与接口抽象

在建立稳定的 CDP 通信后，工具的核心工作在于完成大模型与底层环境之间的数据转换。如果在这一环节处理不当，容易导致大模型在复杂上下文中出现逻辑偏差。

### JSON 格式带来的解析效率损耗

在逆向分析中，`Debugger.paused`（断点触发）是关键事件。当代码执行被拦截时，CDP 会返回当前执行状态的数据。

原生的 CDP 响应是一个层级较深的 JSON 对象，包含了多层执行栈（Call Frames），每一层涉及函数名、脚本 ID、执行位置（Location）及作用域链（Scope Chain）中的变量详情。

从工程通信角度看，JSON 格式具备严谨性；但对于大模型（LLM）的文本解析机制而言，处理此类未优化的 JSON 数据效率相对较低。

1. **Token 消耗较高**：JSON 结构依赖于 `{}`、`[]`、`""` 及 `,` 等符号。在复杂的栈信息中，这些符号会占用大量 Token，增加了 API 的传输成本。
2. **影响自注意力机制（Self-Attention）**：这是一个更为核心的问题。主流大模型多采用 Transformer 架构，其文本理解依赖“自注意力”机制。上下文中大量重复的键名（如 `"functionName": ...`）和结构符号会形成“语法噪音”。这可能导致模型在追踪深层调用逻辑（如在混淆代码中追溯变量生成点）时，分散注意力，影响最终的分析准确度。

### Markdown 格式的转化与优化

为了提升大模型的解析效率，我在 Python 后端（Harness 层）引入了数据格式的重构流程。

该机制在接收到 CDP 的 JSON 报文后，会提取逆向分析所需的核心字段（如函数名、文件位置、关键变量），并将其转化为具有固定层级缩进的 **Markdown 列表与代码块结构**。

选择 Markdown 的依据在于，大模型的预训练语料包含大量结构化的技术文档。Markdown 的列表符号、标题层次和代码区块标记，契合了模型对技术文档的解析逻辑。

由于剔除了大量 JSON 格式所需的结构符号（如花括号、引号），这一转换逻辑在实际传输中直接减少了无效字符的占比，从而降低了 Token 开销。同时，它移除了干扰视线的语法噪音，提升了模型在处理复杂混淆代码栈时的解析稳定性，使其能够更加连贯地梳理加密逻辑的调用链。

### 接口的高层意图封装

在数据格式优化之外，工具对外暴露的 API（即 MCP Tools）也进行了抽象化设计。

为了使大模型能够专注于逻辑分析，工具避免暴露底层的通信细节。API 被设计为高层的“意图驱动（Intent-Driven）”接口：
- 若需拦截特定请求，模型可调用 `break_on_xhr(url="v7/feeds/show")`。
- 若需分析调用栈，模型可调用 `get_request_initiator()`。
- 若需查阅上下文代码，模型可调用 `get_script_source(script_id="123")`。

至于通信探活、异步等待、去重及状态机维护等基础操作，均被封装在 Python 后端的实现模块中。

至此，一个面向大模型优化的调试探针架构基本成型。接下来，我将通过实际案例来验证这套工作流的实际表现。

---

## 第四章：案例实践与逻辑还原

为了评估 `miniapp-cdp-mcp` 在真实场景中的效率，我选取了“狐友”小程序作为测试验证目标。

测试目标：分析狐友小程序 API 请求（如 `<mark class="encrypted">c96K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6U0M7#2)9J5k6r3!0D9i4K6u0W2M7$3&6K6i4K6u0W2M7$3!0Z5N6g2)9J5k6h3y4G2L8g2)9J5c8U0x3K6x3o6l9H3z5q4)9J5c8Y4j5%4i4K6u0r3k6X3g2W2k6s2y4Q4x3V1k6K6K9r3!0%4i4K6j5H3i4@1g2r3i4@1u0o6i4K6R3&6i4@1f1@1i4@1t1^5i4@1q4p5i4@1f1%4i4K6W2m8i4K6R3@1i4@1f1#2i4K6S2m8i4@1p5^5i4@1f1$3i4K6R3H3i4K6R3I4i4@1f1#2i4K6S2m8i4@1p5H3i4@1f1#2i4@1q4r3i4K6R3$3i4@1f1#2i4K6S2r3i4K6R3J5i4@1f1$3i4K6V1#2i4@1t1H3</mark> `sig`。不掌握该参数的生成逻辑，便无法构造合法的请求结构。

在传统的工作流中，此过程需要手动检索 `sig` 变量的赋值点，并在结构复杂的 `appservice.app.js` 文件中逐步追踪调用栈，容易受混淆代码干扰。

在引入 MCP 探针后，分析流程转变为基于大模型交互的自动化模式。

### 1. 设置断点拦截

我向大模型下达指令：“在接口 `v7/feeds/show` 处设置 XHR 断点。”
大模型调用 `break_on_xhr` 工具，后端服务随即将对应的 CDP 断点指令发送至微信逻辑层（AppService）。

在小程序端触发页面刷新后，网络请求被截获，代码执行被暂停。

### 2. 调用栈回溯分析

代码暂停后，大模型调用 `get_request_initiator` 接口获取回溯信息。

经过 Markdown 格式清洗后的栈回溯日志过滤了底层引擎的干扰信息，直接展示了业务代码的调用层级。
得益于 Markdown 格式对模型注意力机制的优化，大模型能够稳定地根据回溯栈追踪逻辑，并准确定位到负责发送请求的核心模块——位于混淆文件 `appservice.app.js` 内部的 `f44f` 模块。

### 3. 算法提取与代码重放

确定目标模块后，大模型调用 `get_script_source` 提取了相关的上下文源码。

在排除了周围代码的干扰后，大模型对源码进行了逻辑分析，并归纳了 `sig` 参数的生成规则：
1. **参数整理**：提取请求参数及时间戳（`flyer`）、版本号（`app_key_vs`）、App ID（`appid`），构成参数字典。
2. **字典序排列**：依据键名字母顺序，将字典转化为 `Key=Value` 拼接字符串。
3. **注入盐值**：在拼接字符串末尾追加常量盐值 `app_key: "71630600330cVyG8"`。
4. **哈希计算**：对最终字符串执行 MD5 摘要计算，生成 32 位小写字符串即为 `sig` 结果。

结合这些分析结果，大模型随后生成了对应的 Python 请求测试脚本（`sohu_request.py`）。
执行该脚本后，成功获取到了 HTTP 200 及预期的业务数据响应，验证了签名逻辑还原的准确性。

从设置断点到获取验证可用的 Python 脚本，整体耗时较短。而在传统流程中，单纯是寻找断点并格式化分析庞大的代码文件，通常就需要耗费大量时间。这一案例表明，在基础的代码结构梳理和算法定位环节，该架构具备可观的效率优势。

---

## 第五章：总结与局限性

`miniapp-cdp-mcp` 优化了基于协议层的小程序逆向工作流，减少了人工调试中大量的基础操作，提升了从定位接口到提取算法的整体效率。

但该方案目前仍存在明确的技术局限性，主要面临以下两个防守趋势：

1. **WebView 线程的网络捕获盲区**
   基于小程序的双线程架构，当前工具的探针主要设计为精确定位并挂载于负责核心业务逻辑的 AppService 线程。然而，这也引入了一个副作用：任何直接由前端 WebView 渲染层发起的网络请求（例如嵌入的 H5 页面内部发起的 XHR/Fetch，或某些组件直接加载的资源）都运行在平行的隔离线程中。目前的单目标挂载架构无法捕获这些属于 WebView 线程的数据包。

2. **微信云函数的服务端隔离**
   借助 `wx.cloud.callFunction` 等云开发能力，部分开发者将风控签名和核心校验逻辑直接部署在腾讯云 Serverless 节点。这种方案使加密运算完全在服务端进行，客户端仅负责传输参数和接收结果。对于这种物理层面的隔离，基于本地环境的 CDP 探针无法进行拦截和调试。

综上，解决框架依赖问题并优化大模型数据流只是现阶段的成果。未来如何探索多 Target 并发挂载以覆盖 WebView 流量，以及应对云端黑盒的挑战，将是工具后续迭代需要重点解决的技术难点。

回复或点赞可查看完整内容

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！

最新回复 (105) 1 2 3 4 5 ▶
江有川Jason 雪币： 275 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 8 粉丝 0 关注私信	江有川Jason 2 楼学习一下 2026-4-23 13:21 0
xingbing 雪币： 158 活跃值： (5791) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 1400 粉丝 2 关注私信	xingbing 3 楼学习 2026-4-23 16:08 0
s随便看看s 雪币： 0 活跃值： (135) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	s随便看看s 4 楼学习 2026-4-23 19:34 0
拍拖雪币： 2790 活跃值： (7141) 能力值： ( LV6，RANK：90 ) 在线值：发帖 22 回帖 436 粉丝 15 关注私信	拍拖 2 5 楼学习 2026-4-24 04:40 0
mb_cehqmdor 雪币： 220 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 15 粉丝 0 关注私信	mb_cehqmdor 6 楼 mark 2026-4-24 23:55 0
git_gg 雪币： 264 活跃值： (1100) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 23 粉丝 0 关注私信	git_gg 7 楼学习一下 2026-4-26 19:35 0
mb_tjkoqnyo 雪币： 10 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_tjkoqnyo 8 楼学习一下 2026-4-27 09:06 0
乐活雪币： 2941 活跃值： (3332) 能力值： ( LV2，RANK：10 ) 在线值：发帖 3 回帖 62 粉丝 1 关注私信	乐活 9 楼学习一下 2026-4-27 09:18 0
zmguozi 雪币： 205 活跃值： (1349) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 23 粉丝 2 关注私信	zmguozi 10 楼学习一下 2026-4-28 09:17 0
mb_hvslobra 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	mb_hvslobra 11 楼学习一下 2026-4-28 10:20 0
wx_蓝夜雪币： 228 活跃值： (265) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 9 粉丝 0 关注私信	wx_蓝夜 12 楼 mark 2026-4-28 14:48 0
勒LI 雪币： 58 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 74 粉丝 0 关注私信	勒LI 13 楼 666 2026-4-28 16:56 0
mb_uodtmdzg 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 19 粉丝 0 关注私信	mb_uodtmdzg 14 楼 666 2026-4-28 17:28 0
mb_uodtmdzg 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 19 粉丝 0 关注私信	mb_uodtmdzg 15 楼 666 2026-4-28 17:28 0
mb_uodtmdzg 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 19 粉丝 0 关注私信	mb_uodtmdzg 16 楼 666 2026-4-28 17:28 0
mb_uodtmdzg 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 19 粉丝 0 关注私信	mb_uodtmdzg 17 楼楼主可以的 2026-4-28 17:28 0
Zue3r 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	Zue3r 18 楼 6666 2026-4-29 15:24 0
wx_wyx 雪币： 198 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 32 粉丝 0 关注私信	wx_wyx 19 楼 666 2026-4-29 15:45 0
wx_wyx 雪币： 198 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 32 粉丝 0 关注私信	wx_wyx 20 楼 666 2026-4-29 15:45 0
云汇雪币： 15 活跃值： (144) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	云汇 21 楼 666 2026-4-30 09:13 0
云汇雪币： 15 活跃值： (144) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	云汇 22 楼楼主可以的 2026-4-30 09:13 0
云汇雪币： 15 活跃值： (144) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	云汇 23 楼学习一下 2026-4-30 09:14 0
我靠三二一雪币： 117 活跃值： (1100) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 18 粉丝 0 关注私信	我靠三二一 24 楼学习一下 2026-5-1 10:40 0
Ankeys 雪币： 722 能力值： ( LV1，RANK：0 ) 在线值：发帖 2 回帖 98 粉丝 5 关注私信	Ankeys 25 楼 666 2026-5-6 16:52 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复