当 AI Agent 声称已经调用 GET /api/v2/users/{id}/preferences，而这个端点并不存在时，开发者面对的往往不是一个简单报错，而是如何快速证明真实接口长什么样。Dev.to AI 的一篇实践文章给出了一种工程化思路：不要先相信模型，也不要依赖记忆，而是从浏览器导出的 HAR 文件重建接口表面，让 Agent 在真实流量证据上调用、测试和生成代码。
把浏览器流量变成 Agent 的证据源
该方法的核心路径并不复杂。开发者先在 Chrome DevTools 的 Network 面板复现一次用户流程，再通过右键保存为包含内容的 HAR 文件。随后，使用 REA 的命令行和 MCP 服务指向该捕获文件，让 Agent 运行捕获检查工具。返回结果不是模型推测出的接口列表，而是一份带有原始请求记录的清单，每个接口判断都能对应到捕获证据。
REA 是 GitHub 上的开源项目，定位为 MCP server 加 CLI 工具，为编码 Agent 提供逆向分析后端。素材显示，它可以处理原生二进制、Go 二进制、JavaScript 和 Electron 应用、.NET assemblies、APK/IPA/ASAR 归档、通过 Chrome DevTools 观察到的网站，以及 HAR、mitmproxy 等网络捕获。对于 JavaScript、.NET、网站和网络捕获的静态分析，不需要额外引擎；深度原生分析则需要 Hopper、Ghidra 12.1.2 与 JDK 21，或 IDA。
五步重建可测试的接口契约
文章将 API 重建拆成了几个可执行步骤：
- 干净捕获：使用测试账号复现流程，避免把真实用户数据带入分析。HAR 文件可能包含有效 token，需要提前意识到风险。
- 离线检查：REA 的网络捕获工具读取 HAR 时不会重新请求已记录 URL，而是验证每个条目，并保留请求和响应内容及其摘要。交给上层使用的证据中，授权头、cookie 和 URL 凭据会被结构性排除。
- 生成 api-surface：REA 会按 HTTP 方法、来源和推断路径模板对请求分组，把常见动态值转换成占位符。每个分组会引用来源记录，并标记混合状态码或内容类型。
- 把占位符提升为参数：素材提到，dev.to 上的教程将 REA 与 Apidog 配合：导入同一份 HAR，把类似 {numeric} 的推断值转为实际路径参数，开启 mock，并根据捕获到的响应结构写断言。这样，客户端代码可以先运行在重建出来的接口上，再接触真实服务。
- 让 Agent 依据证据发言：开发者不再只是要求 Agent“调用偏好设置接口”，而是要求“每个使用的端点都必须出现在这份清单中，并附带捕获记录”。如果 Agent 不能引用记录，就没有理由发起调用。
热度之外：REA 的边界与使用风险
这套流程的价值，并不在于让模型变得更聪明，而在于改变输出形态：每个接口都要求有来源记录，推断结果和真实流量证据被分开。素材也强调，REA 的 api-surface 是推断出的接口清单，不是正式 API 规范；它不声称知道完整 schema 或服务端处理逻辑。这个边界应当被写进契约测试。
该项目近期受到明显关注。素材称，仓库自 2026 年 4 月创建后大多不太受关注，直到 10 月第一周开始集中升温；10 月 6 日至 12 日的 7 天里，有 5 天登上 GitHub Trending 第一，且连续两天单日 star 增长超过 25,000。不同追踪器对 10 月 12 日的统计不完全一致，有的报告略高于 113,000 颗 star，有的报告为 115,000 颗并伴随 25,000 forks。Hacker News 相关帖子获得 769 points 和 327 comments。
快速变化也带来工程风险。素材提到，项目在 9 天内发布了 7 个 minor 版本，包括 10 月 3 日的 3.2、10 月 5 日的 4.0、10 月 7 日的 5.0、10 月 8 日的 6.0，以及 10 月 9 日至 11 日之间的 6.1 至 6.4。由于其 minor 版本也可能包含破坏性变化，6.2 还调整了所有 MCP 结果的结构，因此脚本化集成需要固定版本、阅读 changelog，并针对新格式测试。
安全与合规同样不能省略。REA 是连接器，不是沙箱；打开不可信二进制会以当前用户权限进行解析。动态能力默认关闭，需要环境变量和逐次批准；基于文件的证据命令只在获批准目录中工作。项目采用 MIT 许可，但逆向工程仍受具体许可协议和司法辖区限制。即使分析在本地运行，Agent 的模型提供商仍可能根据其数据政策接收工具结果；如果捕获包含敏感响应体，需要在开始前决定哪些数据可以离开本机。深度调查还可能消耗大量 Agent token，案例中的问题通常限定在一个函数或一条数据路径，而不是整应用重建。
对 AI 编程的意义
这套做法给行业提供了一个更现实的信号：AI 编程 Agent 的可信度不只取决于模型能力，也取决于它能否接入可验证的工程证据。HAR 文件是开发者手中已有的低门槛材料，把它转成接口清单、mock 服务和测试断言，比单纯要求模型“不要幻觉”更可执行。
当 Agent 越来越频繁地参与接口调用、测试生成和代码修复，API 契约正在成为新的基础设施。谁能把真实请求记录、参数推断、测试工具和权限边界接进 Agent 工作流，谁就更容易把 AI 输出变成可复查的工程结果。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/fang-zhi-agent-luan-diao-api-yong-har-wen-jian-chong-jian
