모든 글

REA 심층 해설: AI는 앱의 작동 원리를 어떻게 거꾸로 알아낼까요?

리버스 엔지니어링을 요리에 빗대어 이해하고, REA의 역할·분석 방식·근거·비용·한계를 공식 예제로 깊게 살펴봐요.

마지막 업데이트

메뉴나 지원 기능이 달라졌다면 아래 자료 확인일과 현재 앱 버전을 함께 봐주세요.

앱 · APP
공식 자료를 읽고 정리했어요 · 직접 실행한 후기는 아직 없어요 자료 확인일:

앱을 쓰다가 이런 생각이 든 적 있나요? “이 검색은 왜 이렇게 빠르지?”, “저장 버튼을 누르면 내 자료는 어디로 가지?”, “이 기능의 원리를 이해해서 내 프로그램에도 적용할 수 있을까?” 화면은 볼 수 있지만 안쪽 구조는 보이지 않을 때가 많아요. 리버스 엔지니어링은 이런 질문을 완성된 결과에서 거꾸로 풀어가는 작업이에요.

범블비가 이번에 살펴볼 REA, Reverse Engineer Anything은 AI 코딩 에이전트가 그 조사를 진행하도록 분석 도구를 연결해주는 오픈소스 프로젝트예요. AI에게 추측을 묻는 단계에서 더 나아가, 프로그램 파일이나 코드의 연결 관계를 살펴보고 설명의 근거를 가져오게 해요.

이 글의 기준은 2026년 10월 18일 공개 릴리스 6.7.0과 그 릴리스의 문서·소스예요. 직접 REA를 설치해 상용 앱을 분석한 후기는 아직 없어요. 공식 예제는 개발자의 사례로 소개하고, 직접 따라갈 방법은 CSV 내보내기 실습, 도입 판단은 다른 조사 방법과 비교에서 이어갈게요.

리버스 엔지니어링을 요리에 비유하면

보통 개발은 조리법을 보고 요리를 만드는 방향이에요. 개발자가 작성한 소스코드가 조리법이고, 우리가 실행하는 앱이 완성된 요리에 가까워요. 리버스 엔지니어링은 완성된 요리를 보고 재료와 조리 과정을 알아보려는 방향이에요.

맛만 보고 “설탕이 들어갔겠네”라고 짐작할 수도 있지만, 재료표를 읽거나 한 재료를 바꿔 결과를 비교하면 설명이 더 구체적이겠죠. 프로그램에서도 화면을 보는 것, 파일에 적힌 내용을 읽는 것, 실제 동작을 관찰하는 것은 서로 다른 단서예요.

다만 비유에는 한계가 있어요. 앱에서 발견한 동작만으로 원래 개발자의 모든 의도나 처음 쓴 코드를 알아낼 수는 없어요. 같은 맛을 내는 조리법이 여러 개일 수 있듯, 비슷한 결과를 내는 구현도 여러 개예요. 그래서 좋은 조사에는 무엇을 확인했고 무엇이 아직 추정인지가 함께 들어가야 해요.

REA는 AI, 분석 도구와 어떻게 연결되나요?

REA를 독립적인 AI 모델이나 새 채팅 앱으로 생각하면 역할이 헷갈려요. 대화하고 판단하는 쪽은 Claude Code, Codex, Cursor 같은 코딩 에이전트예요. REA는 에이전트가 프로그램을 조사할 수 있도록 도구와 조사 절차를 연결해요.

구성 요소 초보자용 설명 맡는 일
코딩 에이전트 질문을 이해하는 조사 담당자 다음에 볼 부분을 고르고 결과를 설명해요.
REA 조사 도구를 연결하는 작업대 분석을 요청하고 코드 위치·관계·한계를 정리해 돌려줘요.
분석 엔진 안쪽 구조를 읽는 장비 실행 파일 등을 살펴봐요. 대상에 따라 필요한 장비가 달라요.
MCP AI가 외부 도구를 호출하는 연결 규칙 에이전트와 REA 사이에서 요청과 결과를 주고받게 해요.

REA는 터미널 명령으로도 사용할 수 있어요. 터미널은 명령을 글자로 입력하는 창이고, CLI는 그런 방식으로 도구를 조작하는 인터페이스예요. MCP 연결 없이 분석 명령을 실행하는 경로도 있다는 뜻이에요.

공식 REA 개념도: 질문, 도구로 조사, 코드와 미확인 내용 확인, 구현과 테스트로 이어지는 반복 과정
REA 개발자가 공개한 조사 흐름도예요. AI가 질문하고 REA가 분석 도구로 근거를 모으며, 그 결과로 다시 질문하거나 구현을 검증해요. 실제 앱 화면이나 범블비의 실행 결과를 나타내는 이미지는 아니에요. 원본 도식·출처 · source commit 27dc42d · © 2026 morluto · MIT license · 2026-10-18.

‘이 버튼 하나’를 조사하면 어떤 일이 생길까요?

가상의 메모 앱에 내보내기 버튼이 있다고 해볼게요. AI에게 화면만 보여주면 “CSV 파일로 저장할 것 같다”는 답은 할 수 있어요. 하지만 실제 저장 위치, 포함되는 항목, 쉼표가 들어간 제목의 처리까지 화면만으로 확인하기는 어려워요.

REA의 공식 메모 예제는 이 차이를 작게 보여줘요. 버튼이 요청을 보내는 코드, 요청을 받아 처리하는 코드, CSV 문장을 만드는 코드가 나뉘어 있어요. 조사자는 이 연결을 따라가며 “왜 다운로드 폴더에 notes.csv가 생기는가”를 설명해요. 자세한 파일 이름과 확인 순서는 실습 글에 정리했어요.

이때 더 나은 질문은 “이 앱 전부 분석해줘”보다 “내보내기 버튼이 어떤 자료를 읽고 어디에 어떤 형식으로 저장하는지 알려줘”예요. 질문이 좁아지면 필요한 근거와 완료 기준도 분명해져요. 이후 “저장에 실패하면 화면에는 무엇이 나타나나요?”처럼 다음 질문을 붙일 수 있어요.

파일을 읽는 조사와 실행하는 조사는 달라요

정적 분석은 앱을 실행하지 않고 제공된 파일과 코드를 살펴보는 방법이에요. 안내문과 배선도를 읽는 것에 가까워요. 동적 분석은 앱을 실행하거나 이미 실행 중인 앱과 상호작용하면서 실제 일어나는 일을 관찰하는 방법이에요.

예를 들어 코드에서 저장 경로를 찾았다면 “이 코드는 이 위치에 저장하도록 작성돼 있다”고 말할 수 있어요. 실제로 버튼을 눌러 파일이 생긴 것까지 확인했다면 그 실행 조건에서도 저장됐다는 근거가 추가돼요. 파일 접근 권한, 입력 내용, 네트워크 상태가 달라지면 결과도 달라질 수 있어요.

공식 문서는 JavaScript와 .NET의 정적 검사는 제공된 파일을 읽는다고 설명해요. 실행 관찰은 선택한 프로그램을 실행하거나 조작할 수 있으므로 파일·계정 상태에도 영향을 줄 수 있어요. 처음에는 공식 작은 예제를 파일 분석으로 살펴보는 편이 원리를 이해하기 좋아요.

무엇을 조사할 수 있고, 무엇이 더 필요한가요?

아래 표의 용어를 전부 외울 필요는 없어요. Electron은 웹 기술로 만든 데스크톱 앱에 쓰이고, ASAR는 그 앱의 파일 묶음이에요. APK는 안드로이드 앱 배포 파일이에요. 내가 가진 자료가 어느 종류인지부터 구분하면 돼요.

대상 알아볼 수 있는 내용의 예 시작할 때 확인할 점
JavaScript·Electron 앱 코드 묶음 사이의 연결, 화면과 내부 처리 사이의 메시지 앱 폴더나 ASAR 파일이 필요해요. 정적 분석에 네이티브 분석 엔진은 필요 없어요.
실행 파일·라이브러리 함수, 문자열, 호출 관계, 어셈블리·의사코드 Hopper·Ghidra·IDA 등 선택한 분석 도구와 운영체제의 지원 범위를 확인해요.
웹페이지 페이지 구조, 스크립트, 관찰 구간의 네트워크 요청 브라우저 연결이 필요해요. 클릭 전부터 관찰해야 해당 요청을 기록할 수 있어요.
.NET 프로그램 메타데이터와 명령, 선언된 의존 관계 정적으로 읽을 수 있는 범위와 실제 실행한 범위를 구분해요.
Android APK 선언 정보, 클래스, 메서드와 참조 APK 분석에는 JADX와 JDK 같은 별도 준비가 필요해요.

여기서 바이너리는 컴퓨터가 사용하는 실행 파일 등의 형태를 말해요. 디컴파일은 그 명령을 사람이 읽기 쉬운 코드 형태로 표현하려는 작업이에요. 그 결과인 의사코드는 동작을 이해하는 데 도움이 되지만 원본 소스코드와 같다는 뜻은 아니에요. 생략되거나 잘못 해석된 부분이 있는지 다른 단서로 확인해야 해요.

REA가 돌려준 답변은 어디까지 믿어도 될까요?

중요한 단어는 Evidence, 근거 기록이에요. 공식 CLI 문서는 대상 파일의 정체, 소스 위치, 관찰 내용과 한계를 함께 보존한다고 설명해요. 보고서가 길거나 전문 용어가 많다는 이유만으로 정확해지는 것은 아니에요.

AI의 설명 더 받아볼 근거 그 근거로 말할 수 있는 범위
“여기에 저장해요.” 경로를 만드는 코드와 파일을 쓰는 호출 코드에 적힌 저장 방식
“버튼을 누르니 요청이 나갔어요.” 그 시간에 기록된 요청 주소·응답 상태 관찰한 실행에서 발생한 요청
“어떤 입력에서도 똑같이 작동해요.” 비교한 입력 목록과 실제 결과 시험한 조건에서 일치한 부분

“찾지 못했다”는 답도 그대로 읽어야 해요. 조사한 파일에 없었던 것인지, 지원하지 않는 형식인지, 시간이나 크기 제한으로 일부를 못 읽은 것인지가 다를 수 있어요. 관찰한 10초 동안 통신이 없었다고 앱이 언제나 오프라인이라고 결론 내리면 범위가 지나치게 넓어져요.

저라면 결과를 받을 때 확인한 사실 / 그 사실로부터 한 추정 / 추가로 확인할 것을 나눠달라고 요청하겠어요. 이것은 REA가 항상 똑같은 세 칸을 자동으로 만들어준다는 설명이 아니라, 독자가 AI의 답변을 점검하기 위한 요청 방법이에요.

공식 게임 사례가 보여주는 가능성과 한계

개발자가 공개한 DX-Ball 사례에서는 화면의 가로 위치를 소리의 좌우 균형으로 바꾸는 함수 하나를 조사했어요. 처음 나온 의사코드만으로 충분하지 않아 원래 명령과 함수를 부르는 쪽, 저장된 숫자까지 더 확인했다고 설명해요.

재구현한 함수는 3,205개 동작 사례에서 원래 x86 코드와 비교했고, 별도로 정해진 컴파일 환경에서 63바이트가 일치했다고 기록돼 있어요. 이 수치는 개발자가 공개한 해당 함수의 검증 결과예요. REA로 조사하는 모든 앱의 정확도나 게임 전체 복원이 끝났다는 의미로 확대하면 안 돼요. 사례에 사용된 REA 4.1.0과 이번 글이 살펴본 6.7.0도 구분해야 해요.

공식 DX-Ball 사례 도식: 실행 파일의 소리 위치 계산 함수를 조사하고 동작과 컴파일 결과를 비교하는 과정
개발자가 공개한 DX-Ball 사례 도식이에요. 조사와 별도로 재구현한 함수의 동작과 컴파일 결과를 비교했어요. 실제 앱 화면이나 범블비의 실행 결과를 나타내는 이미지는 아니에요. 원본 도식·출처 · source commit 27dc42d · © 2026 morluto · MIT license · 2026-10-18.

이 사례에서 제가 주목하는 부분은 화려한 ‘복원 성공’이라는 말보다 작은 기능을 골라 원본과 비교할 기준을 만들었다는 점이에요. 앱을 만들 때도 이 접근이 유용해 보여요. 데이터를 정렬하는 규칙이나 파일을 내보내는 방식 하나를 이해한 뒤, 내 요구에 맞게 구현하고 입력을 바꿔 확인하는 식이에요. 실제 생산성이 얼마나 좋아지는지는 아직 따로 시험해야 해요.

‘무엇이든’이라는 이름 때문에 생기기 쉬운 오해

REA는 원본 코드를 완벽히 되돌리는 버튼이 아니에요. 파일에서 읽을 수 있는 정보, 분석 엔진이 해석한 정보, 실행으로 관찰한 정보를 모아 이해를 돕는 도구예요. 어려운 코드나 모호한 연결은 여전히 미확인으로 남을 수 있어요.

웹사이트의 화면과 요청을 볼 수 있다고 원격 서버의 내부 코드까지 얻는 것도 아니에요. 클라이언트가 받은 자료와 응답은 서버 내부의 학습 데이터, AI 모델 가중치, 모든 처리 규칙과는 다른 범위예요. 이는 관찰 가능한 정보로부터 생각해볼 수 있는 한계이지, 특정 서비스를 이번에 분석해 얻은 결과가 아니에요.

또 동작 원리를 이해하는 것과 다른 제품의 코드·이미지를 가져다 사용할 권리는 별개예요. 공식 프로젝트는 허가받은 소프트웨어 조사, 교육, 상호운용성, 보존 같은 용도를 안내해요. 처음 연습할 때는 공식 예제나 내가 만든 작은 프로그램처럼 범위가 분명한 자료가 좋아요.

무료인가요? 내 파일은 어디로 가나요?

REA 자체 코드는 MIT 라이선스로 공개돼 있어요. 다만 실제 작업 비용은 세 부분으로 봐야 해요. REA 사용, 연결한 AI 모델·코딩 에이전트의 이용 조건, 별도 분석 도구의 이용 조건이에요. 유료 엔진이나 AI 사용료까지 REA 설치 한 번으로 무료가 되는 구조는 아니에요. 이번 조사에서는 비용을 결제하거나 작업당 요금을 측정하지 않았어요.

분석은 로컬 컴퓨터에서 수행한다고 공식 FAQ가 설명해요. 그렇더라도 결과를 받는 코딩 에이전트와 모델 제공자의 데이터 처리 조건은 별도로 적용돼요. 로컬 분석과 모든 정보의 완전한 외부 미전송은 같은 말이 아니에요. 업무용 자료라면 전달되는 코드·경로·결과에 무엇이 포함되는지 먼저 살펴봐야 해요.

초보자라면 어떤 순서로 시작하면 좋을까요?

첫 목표는 “프로그램 전체 복제”보다 “버튼 하나가 어떤 파일을 만드는지 설명하기”로 잡아보세요. 연결 방법을 익히고, 코드의 위치를 받아보고, 입력 하나를 바꿔 예상과 실제 결과를 비교하면 기본 흐름을 경험할 수 있어요. 그다음에 더 큰 앱이나 네이티브 실행 파일로 범위를 넓혀요.

제가 이번 공식 자료에서 유용하다고 본 점은 AI에게 답만 요구하던 질문에, 조사할 대상과 확인할 근거를 붙일 수 있다는 것이에요. 반대로 이미 소스코드와 문서가 있고 수정할 위치도 명확하다면 평소 편집기 검색만으로 충분할 수 있어요. 공식 메모 예제로 첫 조사 시작하기에서 그 차이를 작게 확인해보세요.

이 글에서 확인한 자료

6.7.0 릴리스, 고정한 소스의 README, CLI와 근거 기록 설명, 공식 첫 조사 예제, DX-Ball 개발자 사례를 참고했어요. 게시·자료 확인일은 2026년 10월 18일이며, 직접 설치 후기와 성능 비교는 포함하지 않았어요.

참고 자료