earshot: локальный MCP-сервер, который даёт кодовым агентам уши

Факты проверены 18 октября 2026

earshot это новый открытый инструмент Леона Лина, созданный на GitHub 15 октября 2026, который даёт кодовым агентам способ рассуждать о звуке. Он описывает словами, как звучит аудиофайл, оценивает соответствие звука описанию, находит момент внутри длинной записи, разбирает звук фильма по семи профессиональным лонч-роликам и умеет синтезировать эффекты кодом через earshot forge. Работает локально на CPU и поставляется как CLI, Python API и MCP-сервер. Лицензия MIT, я прочитал её в репозитории. Я ничего не устанавливал и не запускал. Репозиторий

Что он делает

README прямо называет пробел: агенты уже умеют писать код, который рендерит фильм, демо продукта или игру, но не слышат, что сделали. earshot превращает звук в доказательство, о котором агент может рассуждать. Задокументированные команды: earshot describe строит словесную картину с измеренными атакой, затуханием, пиком и яркостью; earshot match оценивает файл против описания с z-оценками по словарю из 322 описаний; earshot find находит подходящие моменты в длинной записи; earshot critique оценивает фильм по семи профессиональным эталонам и возвращает список «чинить в первую очередь».

Два генеративных направления замыкают петлю. earshot forge синтезирует звуковые эффекты кодом, а earshot fit переводит запись в код, который агент может варьировать. Сторонний обзор сообщает, что fit появился в v0.2 16 октября; сами команды я подтвердил в README, но дату версии проверить не смог, поэтому считайте её сообщённой, а не подтверждённой.

Настройка MCP, как задокументировано

README даёт установку одной строкой для Claude Code: claude mcp add earshot --scope user -e EARSHOT_THREADS=3 с Python из виртуального окружения проекта, запускающим -m earshot mcp, или эквивалентный блок в .mcp.json любого клиента. Модели загружаются при первом вызове и остаются тёплыми, это занимает примерно 20-40 секунд, и README советует на слабой машине запускать Claude Code с MCP_TIMEOUT=60000.

Заявленные требования к железу скромные: всё работает локально на CPU. Репозиторию три дня и у него один автор. На момент проверки 18 октября там 679 звёзд и 39 форков. Новые репозитории могут быстро набирать звёзды по причинам, не связанным с использованием, поэтому считайте счётчик именем для наблюдения, а не рекомендацией.

Приватность и ограничения

Ключевое для приватности обещание это локальное выполнение: инструменты анализа работают на вашем CPU, поэтому аудио не обязано покидать машину для describe, match, find или critique. В установочных экстрах есть необязательная группа llm; я не отслеживал, отправляет ли этот путь что-то в сеть, поэтому заявление о локальности проверено только для основных инструментов.

Второе честное ограничение это поддержка: один автор, создан 15 октября, ноль открытых issues, потому что проекту несколько дней. Лицензия MIT разрешает всё, включая починку своими руками, что для столь молодого инструмента важнее обычного.

Почему эта категория важна

Паттерн, который стоит заметить, это замыкание сенсорной петли. Скриншот-инструменты позволяют агентам видеть свой UI; earshot это тот же ход для звука: сгенерировать, прослушать, оценить, починить, всё внутри рассуждения агента. Демо-фильмы, игры и продуктовые видео это ровно то место, где кодовые агенты производили немой, непроверенный звук.

Если подход выдержит, ждите семейство сенсорных инструментов для агентов: маленькие локальные CPU-оценщики, превращающие нетекстовый вывод в текст, на который агент может реагировать. Форма MCP-сервера означает, что любой клиент, говорящий по протоколу, получает возможность бесплатно.

Задокументированная поверхность MCP и CLI

# .mcp.json (any MCP client), adapted from the README:
{
  "mcpServers": {
    "earshot": {
      "command": "/path/to/earshot/.venv/bin/python",
      "args": ["-m", "earshot", "mcp"],
      "env": { "EARSHOT_THREADS": "3" }
    }
  }
}

# CLI examples quoted from the README:
earshot describe enter.ogg
earshot match key.ogg "a deep thocky mechanical keyboard press"
earshot find keys.ogg "a single mechanical key press" --top 4
earshot critique film.mp4
# On a slow machine: MCP_TIMEOUT=60000 - models load on first call (20-40 s).

Источники

• Репозиторий (GitHub)
• Файл LICENSE (MIT)
• README (установка и настройка MCP)