1. 前端 JS 逆向为什么总卡在“定位加密函数”这一步
做前端 JS 逆向的同学大概都有同感：真正难的不是写 Python 脚本，而是前面那一大段“找入口”的过程。一个登录接口，参数里带个sign或者password，你打开 DevTools，Sources 面板里几万行混淆代码，_0x4f2a这种变量名铺满屏幕，断点打下去要么断不住，要么断在无关的定时器里。等你终于靠 XHR 断点跟到了加密函数，还要手动把函数抠出来、写 JSRPC 的注册代码、再写一层 Flask 代理给 Burp 的 autoDecoder 用。这一套流程走下来，快的话半小时，慢的话一整个下午就没了。
更麻烦的是这套流程高度重复。换一个站点，加密参数名从sign变成enc，加密方式从 MD5 变成 AES，你又得从头来一遍。定位、抠代码、注册、代理，每一步都是体力活。我试过把常用的 JSRPC 模板存下来复用，但真正耗时的“定位加密函数入口”和“判断调用链依赖”这两步，模板帮不上忙。
这就是 MCP 加 Skill 想解决的问题。MCP（Model Context Protocol）让 AI 能连上真实的 Chrome 浏览器，去触发请求、跟踪调用栈；Skill 则把“怎么定位参数、怎么生成注册代码、怎么产出 Flask 代理”这套规范固化下来，让 AI 按固定流程走。两者结合之后，逆向的初始配置阶段可以从“半自动”往“高自动”挪一大步——你只需要给出目标 URL、要分析的参数名、一个可复现的请求示例，剩下的函数发现、注册代码生成、代理代码生成，交给流程去跑。
这篇就按这个思路，把 MCP + Skill 下的 JSRPC 自动化流程串一遍，同时给出 TaoToken 统一 Key 接入的config.toml和settings.json骨架，最后用一个真实参数回填的例子验证整条链路能不能跑通。适合已经在做前端逆向、想把这套流程工程化的同学，也适合刚接触 JSRPC 想找个可复用骨架的人。
2. TaoToken 前置：统一 Key 与 API 通道准备
在讲逆向流程之前，先把模型通道这块理清楚。MCP + Skill 这套流程里，AI 需要调用模型来完成“分析调用栈、判断加密入口、生成代码”这些动作，所以你得有一个稳定的 API 通道。TaoToken 在这里的作用就是提供一个统一的 Key 和 API 入口，把模型对话、编码计划、控制台管理这些能力收口到一个地址上，省得你在多个平台之间来回切 Key。
你需要准备的东西不多：一个 TaoToken 账号，一个 API Key，然后确认你的客户端（不管是 Codex、Claude Code 还是别的支持 MCP 的工具）能通过https://taotoken.net/api这个入口发请求。注意 API 地址不带 UTM 参数，就是干净的https://taotoken.net/api。
如果你还没建 Key，可以去控制台生成一个：
控制台入口：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite
生成之后，Key 的管理和查看在 API Keys 页面：
API Keys：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite
这里有个细节要注意：MCP 流程里 AI 会频繁发起模型调用，尤其是分析调用栈和生成代码这两步，token 消耗比普通对话高。所以建议单独建一个 Key 专门给逆向流程用，方便后面看用量、做限额。另外，如果你打算长期跑编码和 Agent 类的任务，可以了解一下 Coding Plan，它更适合这种持续调用的场景：
Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite
接入文档在这里，配置格式、参数说明都写得很清楚：
接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite
把 Key 拿到手之后，下一步就是把它写进客户端的配置文件里。下面给出config.toml和settings.json两个骨架，你可以直接复制改。
3. 可复制配置：config.toml 与 settings.json 骨架
先说明一下，不同客户端的配置文件格式不一样。Codex 用的是config.toml，Claude Code 用的是settings.json。这里两个都给出来，你按自己用的工具选。
3.1 config.toml：MCP 服务与模型通道
Codex 的配置文件在 Mac 上是~/.codex/config.toml，Windows 是%USERPROFILE%\.codex\config.toml。下面这个骨架把 chrome-devtools MCP 服务和 TaoToken 的模型通道都写进去了：
# ~/.codex/config.toml # 模型通道配置：统一走 TaoToken model_provider = "taotoken" model = "claude-sonnet-4-20250514" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" # chrome-devtools MCP 服务 [mcp_servers.chrome-devtools] command = "npx" args = ["-y", "chrome-devtools-mcp@latest"] # 如果你还想加别的 MCP 服务，按同样格式往下写 # [mcp_servers.other] # command = "..." # args = ["..."]这里env_key = "TAOTOKEN_API_KEY"的意思是，Key 不直接写在配置文件里，而是通过环境变量传入。这样更安全，也方便你在不同机器上切换。设置环境变量的方式：
# Mac / Linux，写进 ~/.zshrc 或 ~/.bashrc export TAOTOKEN_API_KEY="你的Key" # Windows PowerShell $env:TAOTOKEN_API_KEY="你的Key"如果你不想用环境变量，也可以直接把 Key 写在config.toml里，但要注意这个文件别提交到 Git：
[model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" api_key = "你的Key"3.2 settings.json：Claude Code 侧配置
如果你用的是 Claude Code，配置文件在~/.claude/settings.json。骨架如下：
{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "你的Key" }, "mcpServers": { "chrome-devtools": { "command": "npx", "args": ["-y", "chrome-devtools-mcp@latest"] } } }Claude Code 这边有个好处，它原生支持 Skill 目录，把逆向的 Skill 放进去就能被识别。Skill 的放置路径后面会讲。
3.3 验证 MCP 服务是否生效
配置写完之后，先别急着跑逆向流程，确认 MCP 服务能起来。在 Codex 里执行：
codex mcp list如果看到chrome-devtools在列表里，说明配置被读到了。然后启动一次 MCP 服务，观察是否会自动拉起浏览器：
codex mcp add chrome-devtools -- npx -y chrome-devtools-mcp@latest这一步如果看到浏览器窗口被打开，就说明 MCP 通道通了。如果没反应，检查两件事：一是npx能不能正常执行，二是 Chrome 的远程调试端口有没有被占用。
4. 把 JSRPC 调用、加密参数定位串成可复用流程
配置通了之后，进入正题。这一节把整个流程拆成几个阶段，每个阶段对应 Skill 里的一个动作，你照着走就行。
4.1 Skill 目录结构与放置
先把 Skill 放到客户端的 skills 目录。Codex 在 Mac 上的路径是/Users/用户名/.codex/skills/，Claude Code 是~/.claude/skills/。把整个js-reverse-automation--skill目录拷进去：
# Mac 示例 cp -r js-reverse-automation--skill /Users/你的用户名/.codex/skills/目录结构长这样，重点是SKILL.md和scripts/下的几个生成器：
js-reverse-automation--skill/ ├── README.md ├── SKILL.md # 主控文件，定义触发条件和流程阶段 ├── agents/ │ └── openai.yaml # agent 入口配置 ├── artifacts/ # 运行期产物目录 │ ├── phase0_input.json │ ├── phase1_trace.json │ ├── phase2_entrypoints.json │ ├── phase3_dependencies.json │ └── validation_report.json ├── references/ │ ├── workflow-recon.md │ ├── output-contract.md │ ├── failure-recovery.md │ ├── validation-checklist.md │ └── antidebug/ # 11 项反调试处理说明 └── scripts/ ├── check_inputs.py ├── emit_analysis_result.py ├── emit_jsrpc_stub.py # JSRPC 代码生成器 ├── emit_flask_proxy.py # Flask 代理生成器 ├── emit_burp_doc.py # Burp autoDecoder 文档生成器 └── validate_artifacts.pySKILL.md只负责定义“任务怎么被触发、必须输入什么、流程分几个阶段、输出和验收怎么要求”，具体的代码生成逻辑在scripts/里。这种拆分的好处是，你换一个站点，只要改输入，流程和生成器不用动。
4.2 启动 Chrome 远程调试
MCP 要连上真实浏览器，得先让 Chrome 开着远程调试端口。Mac 下这样启动：
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \ --remote-debugging-port=9222 \ --remote-debugging-address=0.0.0.0Windows 下：
"C:\Program Files\Google\Chrome\Application\chrome.exe" ^ --remote-debugging-port=9222 ^ --remote-debugging-address=0.0.0.0启动之后，浏览器会以调试模式打开。这时候 MCP 服务就能通过 9222 端口连上它，去触发请求、跟踪调用栈。注意这个浏览器实例最好单独开，别和你日常用的混在一起，免得 Cookie 和插件干扰。
4.3 输入四要素，让流程跑起来
在客户端里调用 Skill，然后按提示输入四样东西：
1、目标网址（完整 URL）：https://target.example.com/login 2、需要分析的加密参数名（如 sign / enc / token）：password 3、可复现请求示例（优先给 fetch/抓包原始请求）： POST /api/login username=111111&password=111111&code=1234&role=000002 4、环境限制（浏览器版本、是否需要代理/插件、是否允许注入）： Chrome 120+，允许注入，无代理这四样是 Skill 的必填输入，缺一个流程就会在check_inputs.py这一步报错。输入给全之后，AI 会按阶段往下走：
第一阶段，MCP 连上浏览器，复现你给的请求，把调用链路 trace 下来，结果写进artifacts/phase1_trace.json。第二阶段，从 trace 里识别出password这个参数的入口函数，写进phase2_entrypoints.json。第三阶段，提取入口函数的依赖、上下文和调用方式，写进phase3_dependencies.json。最后，生成器根据这些产物产出 JSRPC 注入代码、Flask 代理代码和 Burp 对接文档。
整个过程你只需要在开头给一次输入，后面等它跑完就行。跑完之后去artifacts/目录看产物，重点看validation_report.json，里面会告诉你哪些阶段通过了、哪些需要人工介入。
4.4 反调试处理
逆向过程中遇到无限 debugger、控制台检测、时间差检测这些是常事。Skill 的references/antidebug/下针对 11 项常见反调试手段都写了处理说明，比如debugger-loop.md处理无限 debugger 和 eval 类问题，console-detect.md处理控制台检测和日志篡改，timer-check.md处理时间差和 Promise 时序检测。流程跑到对应阶段时，如果检测到反调试，会自动去查这些说明并采取对应动作。你不需要手动去改，但建议跑完之后翻一下这些文件，了解它做了什么，方便出问题时排查。
5. 验证请求：从 JSRPC 到 Flask 再到 Burp
流程跑完之后，产物在artifacts/目录里。这一节用一个真实参数回填的例子，验证整条链路能不能跑通。假设目标参数是password，加密方式是 MD5。
5.1 启动 JSRPC 并注入
先启动 JSRPC 服务。然后在浏览器开发者工具的 Console 里，执行 JSRPC 项目里的JsEnv_Dev.js内容。这一步是把 JSRPC 的运行环境注入到页面里。
接着注入 AI 生成的 JSRPC 注册代码，文件名类似jsrpc_inject_hr_ncu_password.js。注入之后，测试一下 JSRPC 调用是否正常：
curl "http://127.0.0.1:12080/go?group=fausto&action=generate_password_md5¶m=111111"如果返回了加密后的结果，说明 JSRPC 这一层通了。如果返回错误，检查两件事：一是group和action名字对不对，二是注入的注册代码有没有报错。
5.2 运行 Flask 代理
JSRPC 通了之后，运行 AI 生成的 Flask 代理，文件名类似flask_proxy_hr_ncu.py：
python flask_proxy_hr_ncu.py然后测试 Flask 能不能正常加密：
curl -X POST http://127.0.0.1:8888/encode \ -H "Content-Type: application/x-www-form-urlencoded" \ --data-urlencode "dataBody=username=111111&password=111111&code=1234&role=000002"返回的dataBody里，password应该已经被替换成加密后的值。到这一步，JSRPC 到 Flask 的链路就通了。
5.3 对接 Burp autoDecoder
最后一步是把 Flask 代理接到 Burp 的 autoDecoder 插件上。AI 生成的emit_burp_doc.py会产出一份对接说明，按说明在 autoDecoder 里配置接口地址和参数映射就行。配置好之后，在 Burp 里改包，password参数会自动经过 Flask 代理加密，再发出去。
整个链路跑通之后，你抓包、改包、加密参数回填这一套就自动化了。换一个站点，只要重新给一次输入，流程会重新生成对应的注册代码和代理代码，不用从头写。
6. 本篇常见错排查
流程跑起来之后，常见的坑集中在几个地方。这里按现象列一下，方便你对号入座。
MCP 连不上浏览器：先确认 Chrome 是不是用--remote-debugging-port=9222启动的，然后访问http://127.0.0.1:9222/json/version看有没有返回。如果没返回，说明端口没起来，检查 Chrome 路径和参数。如果返回了但 MCP 还是连不上，检查config.toml里mcp_servers.chrome-devtools的配置有没有写错，特别是args里的包名。
JSRPC 调用返回空或报错：多半是注册代码里的group或action名字对不上。去artifacts/phase2_entrypoints.json里看 AI 识别出的入口函数名，和注入代码里的名字核对一下。另外确认JsEnv_Dev.js是不是在注册代码之前注入的，顺序反了会找不到环境。
Flask 代理返回 500：先看 Flask 的日志，通常是 JSRPC 那边没通。单独用 curl 测一下 JSRPC 的接口，确认能返回结果，再测 Flask。如果 JSRPC 通了但 Flask 报错，检查 Flask 代码里的 JSRPC 地址和端口是不是127.0.0.1:12080。
Burp autoDecoder 加密不生效：检查 autoDecoder 里的接口地址是不是 Flask 的http://127.0.0.1:8888/encode，参数名是不是dataBody。另外确认 Burp 的拦截范围有没有覆盖到目标请求，有时候是请求根本没经过 autoDecoder。
反调试导致流程中断：如果页面有无限 debugger，流程可能在 trace 阶段就卡住。去references/antidebug/下找对应的处理说明，手动在浏览器里先绕过反调试，再重新跑流程。Skill 会自动处理一部分，但不是所有情况都能覆盖。
模型调用报 401 或 403：检查 TaoToken 的 Key 有没有正确设置到环境变量里，config.toml里的env_key名字和实际环境变量名要一致。如果用的是settings.json，检查ANTHROPIC_API_KEY有没有写对。
7. 把流程固化成你自己的逆向工作台
这套流程跑顺之后，你会发现前端 JS 逆向的初始配置阶段被压缩了很多。以前要手动定位加密函数、抠代码、写注册、写代理，现在给一次输入，等流程跑完，产物直接可用。真正需要人工介入的，主要是反调试绕过和最后的 Burp 配置这两块。
如果你想把这套东西固化成自己的工作台，有几个方向可以继续做。一是把常用的加密方式（MD5、AES、RSA）的注册代码模板整理出来，让生成器直接套用；二是把反调试处理做成可配置的开关，遇到特定站点时手动启用；三是把artifacts/目录的产物做成版本管理，同一个站点多次跑的结果可以对比，方便排查回归问题。
模型通道这块，如果你打算长期跑这类任务，建议把 Key 和用量单独管理。模型对话入口在这里，需要临时验证某个模型行为时可以用：
模型对话：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite
Claude Code 侧的接入配置可以参考这个：
ClaudeCodeAnthropic：https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude-code-anthropic&utm_campaign=rewrite
最后提醒一句，逆向流程里涉及注入和改包，务必在你有授权的目标上操作。这套工具的价值在于把重复劳动自动化，而不是绕过该有的边界。把流程跑通之后，你会发现省下来的时间可以花在更有意思的地方，比如分析加密算法的实现细节，或者优化整个链路的稳定性。
